论文部分内容阅读
社会网络可视化技术属于信息可视化技术中复杂网络可视化的范畴，社会网络的结构非常复杂，如果只用数据表格或文字的形式来表示网络，不但难以理解，而且网络所包含的信息难以体现。将网络方便、直观地表示出来的最好方法是将其可视化，其相关研究涉及信息可视化、图论、统计学、数据挖掘、复杂系统以及人机交互等多个领域。
社会网络可视化利用可视化技术将复杂的社会网络关系转化为图形，通过社会网络图形的展示，人们不仅能够对网络的结构以及各节点之间的联系获得直观清晰的认识，并且通过图形展示效果的处理以及用户的交互，为研究人员提供新的理解网络结构的视角，同时有利于把这样的理解传达给其他人。本文详细分析当前社会网络可视化研究情况，阐述了各种聚类分析算法的基本思想和优缺点，进而研究了网上社会网络可视化的网络应用，基于学者网(www.scholat.com)的用户构建学者社会网络，通过展示学者社会网络中的用户关系，便于用户更直观深入的理解并更好的管理网络上的关系。
本文对学者社会网络关系的度量方法进行研究，提出了基于用户留言数和访问数的亲密度来度量用户好友间的关系，采用研究领域相似度来度量用户研究领域的相似关系。为构建学者社会网络社区，受当前聚类算法的启发，提出了两种有效的聚类算法，通过两种聚类算法构建了不同的网络社区。针对聚类结果对初始中心选取敏感的问题，提出了DDK-Means算法，它是一种在k-means聚类算法的基础上改进得到了基于密度和距离的选取初始中心点的k-means聚类算法;同时针对实际应用时难以预先给定社区数目的问题，提出了能自动将数据集划分成合适数目的簇的PH算法;通过实验结果证明，这两种算法都具有较好的聚类结果和综合性能。而后设计了学者社会网络可视化系统，给出了学者社会网络的架构和模块设计和关键模块的具体实现过程，展示了学者社会网络的可视化效果。