社交网络数据可视化的研究现状社交网络最大的特点是趋同性，趋同性是指社交网络中的个体总是有和他有密切联系的角色相似的特性。这种现象比较容易理解，因为与他有密切联系的角色在种族，年龄，性格，职业等多种文度上与本人在很大程度上是相似的。32998
    起初，Holme and Newman 构思出了一个模型来判断个人影响力和有选择性的行为对趋同性的影响[2],他们设想把n条边任意地放在随机抽取的两个节点中，并对这两个节点随机地赋予一条观点，当两个节点观点相同时，就在这两个节点间画一条连线。但该模型只支持一个节点只能拥有一条观点，真实的社交网络远比这复杂的多。Crandall在此基础上对该模型做了改进，构造出了一个n文观点向量以便对复杂的社交网络来模拟。论文网
    美国著名的Klout公司，致力于分析推特使用者的影响力，并将其用Klout指数展现，并于近期提供了测量Facebook网站的用户影响力的软件。Klout指数在一定程度显示了使用者在推特和Facebook上的综合影响力，它的值分布在一到一百之间，由是用户在社交网站中的三十多个参数所决定的。
与此同时，新浪微博也提供了用于将影响力定量化的大数据集----“微指数”。它主要从活跃性，覆盖面，传播范围，这几个方面进行测量。活跃性是由用户每天更新，评论以及转发的条数决定的，覆盖面指的是关注你的且经常在线的粉丝数量，传播范围指的是评论或转发你微博的粉丝数量。
目前，基于社交网络的数据可视化还处于刚刚起步的阶段，不过针对它的研究正在日益发展和完善。随着数据可视化研究的不断深入，它所带来的突破性成果必将达到一个新高度。 社交网络数据可视化研究现状:http://www.youerw.com/yanjiu/lunwen_29825.html