基于数据挖掘的社交网络分析与研究论文
基于数据挖掘的社交网络分析与研究论文
信息传播变得更为便捷，得益于计算机网络应用的日益广泛，社交网络逐渐演变为虚拟社区形式，从早期的电子公告板到现代的社交平台，均支持人们进行深入交流和频繁互动，本文将重点研究基于数据挖掘方法的社交网络关系预测，并说明相关技术细节。
关键词：数据挖掘;社交网络;关联预测
社交平台上，先前有国外学者Viswanath，Mislove，ChaandGummadi和NguyenandTran，他们针对NewOrleans地区社群成员发布的数据，研究了成员发布间的关系模式，而台岛地区关于使用者社群发布的研究，则大多采用问卷调查的方式，因此本研究计划直接采集页面信息，并运用标签技术，来考察使用者社群网站上的发布活动，通过借鉴先前学者的数据展示手段，并整合关键词标注方法，以便深入探究使用者在社交网络中的发布关联。微信平台是社群成员增长最快的渠道爱游戏ayx官网登录入口，借助社交网络的优势爱游体育app下载官网，人们可以更便捷地在网络中寻找到有联系的亲戚朋友，通过各类关联将全世界的个体和群体迅速编织成一张紧密的网络。
1数据挖掘模型的概述
处理HDFS中的数据读写操作时，文件会被分割成一个个64MB的块，NameNode会通知每个DataNode具体每个块存储的位置，DataNode负责管理本地存储的块数据，并且同时DataNode会向其他DataNode进行数据备份。Hadoop系统的稳定性和扩展能力源自DataNode，若DataNode发生故障意外停机，其它节点上的数据仍然安全，而且当需要调整系统的计算负载时，只需增设DataNode节点或终止DataNode运行。在开展社群数据采集与预处理工作之前，必须明确信息获取与信息筛选的区别。在社交平台里随意找到公开资料里的成员，再去获取他们分享的内容，这算是资料收集；而把成员在互动板上发布的大量内容传输到本地的分布式文件系统里，然后借助事先定好的规则和筛选手段，去掉无用的部分，变成对课题有帮助的资讯，方便之后打标签和提炼关键词，这个步骤叫做资料整理。
2基于数据挖掘模型的社交网络关联预测分析
关键词分析部分主要对个人涂鸦墙页面和用户自定义信息页面实施标记，标记内容涉及关键词，这些关键词的来源包括用户自定义信息页面中涉及的八类内容，具体涵盖运动、音乐、书籍、电影、电视、游戏、宗教和政治。关联度测算采用本研究所提出的关联度公式，对个人涂鸦墙页面、用户自定义信息页面以及模拟页面进行相互间的关联性处理，通过页面内包含的关键词，量化仿真页面与用户页面之间的关联程度，同时在进行关联度测算时，将社群发布分析成果与关键词分析成果进行相互比对，接着对分析所得结果展开研究，并对其进行评估。设置个人化资料时，用户可自行设定个人爱好的分类，分为四大主要类别供选择，每个类别下包含更多子项目供用户标记个人兴趣，这些用户自行设定的分类项目构成了本研究选取关键词的基础，研究选取运动、音乐、书籍、电影、电视、游戏、宗教、政治这八个词作为投放的标记，目前暂不考虑近义词差异、字面深层含义等问题，仅关注词语的表层意义。
3社交网络关联预测的相关技术与应用
社交网络分析向来备受关注，团体成员间互动关系的总和构成该群体的社交网络，借助此类分析能够洞察成员彼此间的交流情形，这种分析方法适用于诸多与人相关的领域。教育工作者历来高度关注校园内学生小团体构建情况，以及班级中居于领导地位者与不受群体接纳者的情况。团体心理治疗里，成员互动状况可作为评估疗效的参考依据，网络社区中，洞察用户群体互动方式有助于企业设计更贴合人类需求的产品，个体性格剖析亦是备受关注的研究方向，每个人行为都有其固有的模式特征，剖析这种模式特征即为性格特质分析，此分析方法亦可应用于众多与人相关的学科领域。教育须因材施教，针对不同特质的学生采取个性化方法。企业招聘时，常依据应聘者个性特征来选拔合适人选。传统心理学研究社交网络与人格，多采用书面问卷，耗费大量人力收集人际交往数据，关注群体成员间的友好联系，并借助有向连线展示个体间互动模式。当前基于计算机视觉的社交网络分析系统，仅以个体共同出现的次数作为衡量彼此亲近度的标准，并且采用无指向性的连接来示意个体间的互动情形。所以，我们借助具备视觉识别功能的多摄像头装置，通过观察个体间的相互交流，这些交流涵盖参与对象、身体动作以及情感传递，依据对全部交流的分析，能够掌握团体内所有成员的彼此关系，这构成了该团体的社交结构。在人际交往方面，我们既考察了和睦的往来，也探究了反感的联系，并且借助指向性的连接来显示个体间的互动，从而使得我们的社交网络研究更加贴近实际的人际交往状况。通过审视一个人所有的社交活动，能够明白其行为具有何种特点，而这类行为特征就是该个体的人格属性。
总而言之爱游戏最新官网登录入口，通过观察分析人类互动模式，我们能获得与直接观察相似的社交网络研究结果，这证实了借助计算机视觉技术能够得到高度贴近现实的社会网络研究，同时相较于传统心理学方法，这种方式能显著减少人力投入。
