试论社会化社会化网络服务 综述

论文导读：Web页面中的实体(人名、地名、机构、链接等),并且定义、挖掘实体之间的关系。这种网络的特点是信息量大、网络庞杂,具有很大的不确定性。3SNS的主要研究方向目前SNS的研究主要分为两个方向,即社会化网络分析和社会化网络搜索。

3.1社会化网络分析社会化网络分析通过分析群体、组织、虚拟社区等其内部成员之

[摘要] 随着互联网规模的不断扩大和信息形式的多样化,互联网上的海量信息为社会化网络服务(SNS)的研究提供了广阔的发展空间。在归纳总结近年来社会化网络服务研究情况的基础上,通过对相关文献的梳理和总结,阐述社会化网络服务在社会化网络分析、社会化网络搜索等领域的研究成果及今后的发展方向。
[关键词]社会化网络服务社会网络分析社会网络搜索六度分隔
社会化网络服务(Social Networking Service ,SNS)是以真实社会人际关系为基础,结合网络虚拟社区的特点,构建的现实社会人际关系网络。因此,SNS的核心是现实社会人际关系在网络上的真实映射。SNS已成为Web 2.0技术下最具发展潜力的应用领域之一,蕴含着海量数据是SNS的最大优势,如何充分利用这些用户数据挖掘出有用信息为人类社会服务,成为当今社会化网络服务研究领域中的一大热点。本文通过归纳和总结近年来国内外研究者的研究成果,阐述社会化网络服务的主要研究领域及今后的发展方向。
1 社会化网络服务的概念
SNS的理论基础源自六度分隔理论和150法则(Rule of 150)[3]。六度分隔理论由美国社会心理学家、哈佛大学教授Stanley Milgram于20世纪60年代提出:“论文大全www.7ctime.com
最多通过6个人你就能够认识任何一个陌生人”。150 法则最早是由欧洲发源的“赫特兄弟会”提出的——“把人群控制在150人以下是管理人群的一个最佳和最有效的方式”。 依据六度分隔理论和150法则,SNS以认识朋友的朋友为目标,扩展自己的社会资源。
社会化网络的定义是Barry Wellman等于1988年提出的“社会化网络是由某些特定群体(人、企业和组织)间的社会关系构成的相对稳定的关系网”[4]。目前社会化网络服务的定义为:一种网络服务或应用,用于在互联网上建立人与人的社交关系网络,并能够基于这种社交关系为人与人、人与机器的沟通和互动提供支持,从而为网络用户在现实社会和虚拟社会的生活和工作提供方便有效的帮助。
社会化网络是由个体与个体之间的关系构成的满足社会关系结构特点的网络,从结构上来说是一种以“节点”为顶点、以“关系”为边构成的加权有向图。节点表示对象,一般是人或组织机构等,而边是对象间的某种特定关系。例如,两人互相之间发送过邮件,共同发表过论文,注册同一网络社区等,都可以称他们之间具有某种关系。使用G=(V,E,a)三元组来表示关系网络,其中V(G)是顶点集合,E(G)是边的集合。a为边集E(G)到(0,1]的映射,即 ,称a(r)为边r的权,表示节点关系的紧密程度。社会化关系网络结构如图1所示:
2SNS的研究对象及分类
社会化网络服务的研究对象主要有网络信息资源(如电子邮件、博客、网络论坛、Web页面等),专用网络数据库资源(如中国知网数据库、DBLP数据库等)和专门提供网络社交服务的社交网站(如Facebook、Myspace、人人网、开心网等)。根据这些网络的不同特点,社会化网络服务的研究对象可以分为4种:
?问答型的社会化网络:以电子邮件、博客、网络论坛、即时通讯工具等为信息源构建的社会化网络属于问答型的社会化网络。这种社会网络关系是通过人与人之间简单的文字交流,即问答方式建立起来的社会关系。如人们通过互发电子邮件,在网络论坛对共同感兴趣的话题展开讨论等。
?合作型的社会化网络:主要是通过专业的数据集合构成。这种社会网络通常包含两种节点,即参与者和媒介,参与者通过媒介联系在一起。例如,在专业期刊网络中,论文作者是参与者,他们共同发表和引用的论文是媒介。在科研项目数据库中,科研项目的参与者通过研究课题建立联系。这种网络的特点是具有规范的数据描述和高度的专业性。
?好友型的社会化网络:人们通过在专业社交网站注册会员和添加好友的形式建立起来的社会化网络。这种社会网络成员交友的目的性更明确,并且可以有效地管理自己的好友列表。
?开放型的社会化网络:这种社会化网络主要是通过互联网上海量的Web页面间的关系构成的社会化关系网络。开放型的社会化网络需要发现Web页面中的实体(人名、地名、机构、链接等),并且定义、挖掘实体之间的关系。这种网络的特点是信息量大、网络庞杂,具有很大的不确定性。
3 SNS的主要研究方向
目前SNS的研究主要分为两个方向,即社会化网络分析和社会化网络搜索。

3.1 社会化网络分析

社会化网络分析通过分析群体、组织、虚拟社区等其内部成员之间的关系和交互,发现他们的组织特点、行为方式、个性特征等,从而更好地支持这些群体和组织成员间的信息共享、行为交互与协作[5]。
目前社会化网络分析主要有两个研究方向:①对社会网络的参数进行测量,这些参数主要包括网络规模、节点个数、节点之间的距离、节点可达性、中心度、聚类系数等[6]。通过分析比较社会网络的各项参数来揭示网络节点与节点之间的亲密程度和相互作用关系。②通过分析社会化网络结构和内容来发现网络中具有特征的局部结构和关键节点,例如网络社区识别、社团结构发现及核心成员挖掘、情报分析等。

3.2 社会化网络搜索

基于社会化网络和信息挖掘技术的社会化网络搜索,是利用社会化网络的概念和Web信息的内部关系,以人物为中心的信息聚合的垂直搜索,搜索的目的是将人和人之间的关系抽取出来,针对要查找的目标人物给出围绕该目标人物的信息,包括人物简介、人物关系等内容。
通常社会化网络搜索服务由三大部分组成,即社会化网络构建、社会关系查找和社会化网络可视化。目前已经发布的社会化网络搜索引擎有Spock人物搜索、微软人立方、偶社、搜人网等。
当前社会化网络搜索面临的难点问题主要有:搜索算法的研究、最短路径算法优化问题、信息可视化问题以及信息识别判定等问题。如实体重名问题、实体关系确认问题、同一身份认定问题、外国人名的音译问题、参考信息源的准确性判断和隐私保护等问题。4 社会化网络服务的应用领域

4.1 犯罪网络分析及敏感社团挖掘

犯论文导读：
罪网络分析作为社会化网络分析的主要研究分支,近年来受到各国政府和相关机构的广泛关注。犯罪网络分析及敏感社团挖掘系统可以预测犯罪网络规模,确定成员关系,帮助执法机关高效准确地发现犯罪组织成员,找出核心成员,并将其组织结构可视化显示,便于案件的侦破。
文献[7-9]从不同方面和技术角度介绍了国外一些学者在犯罪网络分析中的研究成果:①提出了基于层次贝叶斯推理模型构建恐怖组织网络的方法;②实体抽取技术可以用来从犯罪记录中鉴别罪犯分子身份和地址;③聚类分析方法可以找出使用相同作案手段的犯罪嫌疑人或区分不同的犯罪组织;④偏差检测技术用于发现欺诈犯罪行为,网络入侵和其他的犯罪分析。
国内一些学者也开始了对犯罪网络的研究,文献[10]依据犯罪分子之间的通信行为,采用SPLINE算法和中心度概念挖掘犯罪团伙的结构、核心成员。文献[11]介绍了基于三层过滤模型的邮件挖掘系统。通过对邮件的时间属性、内容信息和地址数据进行逐层分析和筛选过滤,在广度上缩小侦察范围,在深度上加大挖掘力度,从而找出敏感社团结构及其成员组成。文献[12]提出一种挖掘社会网源于：毕业设计论文www.7ctime.com
络核心层的方法MCCY,该方法首先删除结点度小于一定阈值的结点,再运用社团结构及中心度分析找出部分网络核心成员,最后结合已删除的结点得出完整的社会网络核心层。

4.2 作者合作网络分析

社会化网络分析为论文、科研合作研究提供了有效的途径。通过对科研机构研究人员合作发表论文的网络分析,可以发现研究人员合作的紧密程度、合作的基本模式;发现研究团队结构和团队合作的稳定性及变化;挖掘当前研究热点问题及研究领域等。
文献[13]通过对DBLP数据库提供的XML数据文件的解析,得到协作者最多的作者和出版物最多的作者,并对协作者300人以上的作者建立作者协作网络图,在协作图上挖掘出核心作者,通过研究核心作者近3年发表的论文,得出其研究领域。
文献[14]借助领域专家知识导航平台(FSKC),提出一种基于科技文献的学科团队成员挖掘与识别方法,该方法有助于识别科研团队成员和学科带头人,建立合作关系网络,拓展科研机构评估及分析方法。

4.3 基于Web的人物社会关系搜索

文献[15-16]从中文Web页中提取人名实体,定义3-6种人物关系,并以此为基础构建人物间的关系网络,这种人名实体是网页中出现的名人,判断名人之间是否存在关系的依据是判断两个人名是否存在于一个网页、句子或是否由连词连接,对于一些非名人,涉及他们的网页较少,加之人物重名情况较多,所以通过这种方法提取人物关系的准确性还有待提高。
目前人物社会关系搜索较为成熟的是微软人立方关系搜索引擎,它可以从超过10亿的中文网页中自动地抽取出人名、地名、机构名以及中文短语,并且通过算法自动地计算出它们之间存在关系的可能性,但这种简单通过人名、地名挖掘人与人之间关系的方法存在局限性和非真实性。

4.4 其他应用研究

SNS在其他应用领域的研究包括:企业商业情报分析、合作伙伴挖掘、企业营销、客户资源管理等方面[17-18]。客户群的大小决定一个企业的利润和发展前景,任何企业都千方百计寻找新的客户,来扩大其经营规模。通过社会化网络服务所提供的知识可以为企业提供新的潜在客户,通过客户之间的社会关系,由一个客户找到一个大的客户群,这样无疑会为企业带来巨大的商业利益。
5 结语
当前,社会化网络服务的研究还刚刚起步,其方法较简单、可靠性差。人类在社会活动中的主观能动性造成社会关系网络的复杂多样,有时无法用简单数学模型来抽象表达复杂的社会关系,这是SNS研究者面对的最大难题。因此,研究基于多种信息元素、通过人工智能技术广泛挖掘社会关系,并结合身份识别技术判断社会关系的真实性,最终建立真实的社会化关系网络,并研究社会关系网络的搜索及可视化成为SNS技术研究未来的发展方向。
参考文献:
Staab S, Domingos P, Mika P. Social networks applied[J]. IEEE Intelligent Systems, 2005, 20(1): 80-93.
Milgram S. Behioral study of obedience[J].Journal of Abnormal and Social Psychology,1992(67):371-378.
[3] Dunbar Robin. Grooming,Gossip,and the evolution of language[M]. Cambridge:Harvard University Press,1996.
[4] Barry Wellman, Berkowitz S D. Social structures: A network approach[M]. New York:Cambridge University Press, 1988:130.
[5] Michael H. Zack. Researching organizational systems using social network analysis[C]. Proceedings of the 33rd Hawaii International Conference on System Sciences. 2000:7043.
[6] Newman M E J. Who is the best connected scientist? A study of scientific co-authorship networks[J]. Phys Rev, 2001(E 64): 016131–016132.[7] Valdis E.Krebs. Mapping networks of terrorist cells[J]. Connections,2002, 24(3): 43-52.
[8] Dombroski论文导读：
M J, Carley K M. NETEST: Estimating a terrorist network's structure[C]. CASOS 2002, Computational and Mathematical Organization Theory, 2002:235-241.
[9] Xu J J, Chen H C. CrimeNet explorer: A Framework for criminal network knowledge discovery[J]. ACM Transactions on Information Systems, 2005, 23(2):202-226.
[10] 唐常杰,刘威,温粉莲,等. 社会网络分析和社团信息挖掘的三项探索——挖掘虚拟社团的结构、核心和通信行为[J]. 计算机应用, 2006,26(9):2020-2023.
[11] 段丹,郭绍忠,李志博,等. 基于邮件分类的敏感社团挖掘技术[J]. 计算机应用,2007,27(12):3039-3041.
[12] 田宏,马朝阳. 基于邮件挖掘社会网络核心层的新方法[J]. 大连交通大学学报, 2010,31(3): 92-96.
[13] 赵彩虹,杨艳. 基于DBLP的作者协作关系挖掘[J]. 黑龙江大学自然科学学报, 2010,27(4):491-494.
[14] 王衍喜,周津慧,王永吉,等. 一种基于科技文献的学科团队识别方法研究[J]. 图书情报工作, 2011,55(2):55-58.
[15] 姚从磊,邸楠. 一种基于Web的大规模人物社会摘自：毕业论文题目www.7ctime.com
关系提取方法[J]. 模式识别与人工智能,2007,20(6):740-744.
[16] 邸楠,姚从磊,李晓明. 基于中文Web社会网络的提取、测量与分析[J]. 广西师范大学学报(自然科学版),2007,25(2):169-172.
[17] 王云峰. 从SNS到ESN:社会化网络及其在竞争情报中的作用[J]. 情报科学,2010,28(10):1480-1483.
[18] 丁遒劲,鞠英杰. 中小企业基于SNS人际竞争情报解决方案研究[J]. 图书情报工作,2010,54(14):83-87.
[作者简介] 赵洋,男,1976年生,讲师,硕士,发表论文15篇。张玉新,男,1979年生,讲师,硕士,发表论文16篇。陈晨,男,1983年生,助教,硕士,发表论文5篇。