论文部分内容阅读
上世纪五十年代以来，社会网络分析方法一直在不断发展。近十年，一些研究者尝试将计算机建模技术、复杂网络理论与社会网络分析方法结合，开拓了人工社会、人类行为动力学等新领域。
本文建议了一种新的在社会关系网络数据中寻找“意见领袖”的方法。使用互联网搜索技术Page Rank算法对社会网络中的节点进行“重要性”排序，能使个人计算机在该问题上的处理能力达到1亿节点级。这为研究者在大规模数据中分析人类交往行为提供了方便。
在文献综述部分，本文回顾了社会网络分析方法和复杂网络理论的历史发展，并指出传播学理论与二者的交集。此外，本文阐述了Page Rank算法的基本思想及其产生背景。
在正文部分，本文介绍了一项实证研究。本文作者分别使用经典的社会网络“点中心度”分析方法、原始Page Rank算法和为处理社会网络数据改进后的Page Rank算法对某社会关系网数据进行“意见领袖”研究，并比较了三种分析的结果。
最后，本文讨论了使用Page Rank算法处理社会网络数据可能产生的问题及其改进方法，并指出该方法对应用复杂网络理论分析人类交往行为的意义。