3。3  用户关系网络的精简与可视化 13

3。3。1  节点精简 13

3。3。2  用户关系网络精简后的可视化 14

4  用户关系图谱的分析 16

4。1  用户关系图谱的衡量参数分析 16

4。1。1  载入的用户数据分析 16

4。1。2  度分析 16

4。2  平均路径长度 18

4。2。1  平均路径长度 18

4。2。2  平均聚类系数分析 18

4。2。3  中心度分析 18

4。3  用户关系图谱路径分析 20

4。4  用户关系网络中心性分析 21

4。4。1  用户关系网络紧密中心性分析 21

4。4。2  用户关系网络介数中心性分析 22

4。5  用户关系网络模块化分析 22

4。5。1  用户团体划分 22

4。5。2  模块化分析 24

4。6  用户关系网络分析总结及建议 24

5  结论与展望 26

5。1  研究结论 26

5。2  研究不足 27

5。3  展望 27

致谢 28

参考文献 29

1  绪论

1。1  研究背景

随着web2。0技术的发展，互联网已经广泛普及。截至2012年，中国的网民数量就已经达到接近一半中国人的数量，那时的中国信息化进程已经进入网络化时代，几乎可以与发达国家同步。在2016年的今天，网络普及率已经有显著提高的情况下，互联网不仅提供了最基础的计算、查询功能，还提供了用于不同目的的网站，例如：购物网站、视频网站、直播网站、游戏网站等。与此同时互联网还诞生了一系列虚拟的网络社区，这种网络社区是一种虚拟的社会结构，由许多个人和组织构成。由于他们的相互沟通使得他们在这种网络环境中形成了比较稳定的社会关系。比较著名的网络社区国外有twitter、facebook等，国内有微博、QQ、贴吧、天涯、微信等，其中微信主要以手机客户端的形式提供网络社区服务。互联网、客户端的发展正在改变着我们的生活方式、交友习惯、社会关系的维护方法。交友渠道的多样化，线上与线下的互动对接都是网络社区的重要特点。论文网

网络社区拥有着大量的用户信息以及海量的用户行为，在国内大数据不断发展的背景下，对网络社区的研究就显得尤为重要。通过分析网络社区的用户及用户行为可以挖掘出潜在的信息，用来进行内容分析、行为分析、关系分析甚至进行时事分析、预测等。Chen C等利用CiteSpaceⅡ科学文献中新趋势与新动态的识别与可视化，对1990~2003年的恐怖zhuyi演化事件划分了7个两年段，最后将这7个网络合并成一个全景网络，对过去14年间的整个主导研究问题进行描述。最后生成了一个恐怖zhuyi研究的时区视图，其视图中出现了三条主要的研究线索[[[] Chen C。 CiteSpace II: Detecting and visualizing emerging trends and transient patterns in scientific literature[J]。 Journal of the American Society for information Science and Technology, 2006, 57(3): 359-377。]]。