的那些个人,它们转而通过与其追随者的人际传播联系,即以一种两级传播流通的 模式将这种效果加以扩大。在开放性和交互性强的社交网络中,每个人既是信息的 接收者,同时也是信息的传播者,意见领袖逐渐平民化,每一个人都可能成为影响 舆论的人。
为了以最小代价达到最大传播范围的目的,如何选择最少的但是最有价值的独 立个体作为起始点?如何识别哪些用户是意见领袖?信息中间传播几次就可以差不 多结束?直觉告诉我们选择他们中直接好友最多的人开始。零度上看是这样没错, 但是一度,二度之后,情况就发生了变化。本文的研究对这些问题给出了答案,并 且通过研究,可以明确给出每个人的 N 度具体影响范围,从而为选取合适的起始传 播个体给出了方向。
下图13为研究中某个用户的零度好友(47个)分布,可以明确的看出其与直接
好友的联系。但是一旦从零度扩展到了
一度好友,就会发现这个用户的间接好友迅速膨胀到
3793人,如下图14所示,这种量级的人际关系就已经复杂到无法直接通过人的头脑 来简单维护了,而只能依赖社交网络数据分析来帮我们梳理其中的关联性。 Facebook,人人网都有一个好友推荐功能,新浪微博也有帮你找到可能感兴趣
的人,都是通过好友的好友来帮你发现潜在的感兴趣的人,拓展人际交往范围。这 就实际上涉及到寻找共同的一度好友问题。本次研究正可以快速的找出任意两个用
户之间的共同一度好友。
生个体间人际关系形态研究 第 40 页
第五章 社交网络人际交往圈子分析研究
社交网络中陌
第一节 社交网络的交际圈和团体 5.1.1 腾讯的QQ圈子
2012年3月,腾讯推出QQ圈子,根据用户的好友以及好友的好友,系统可以按 照真实生活中的关系自动分圈,智能梳理用户QQ上的社交关系,帮助用户找回失去 联络的老友,好友关系链的延伸使得社交关系变得更加宽广,因此受到了用户的广 泛关注。
圈子是基于QQ好友关系、分组名等信息智能生成的,并且通过聚合分类数学算 法进行人脉推荐,圈子中好友关系比较密集的一群人会聚成一个圈子分组,目前分 组名称有:同学、同事、圈子、朋友以及未分圈好友。用户可以向同一交际圈,但 仍属于陌生人的用户发起对话,拓展人脉关系。
我们随着成长,从一个地方迁移到另一个地方,从一个圈子迁移到另一个圈子。 对于大多数人而言,我们在一个地方出生和长大,去一个新的地方求学,认识新的 朋友。毕业后,我们再去一个新的地方工作,认识新的同事??在每一个阶段,我 们都会有好友,也会有密友。但是随着迁移,旧的好友慢慢地被淡忘。罗宾·顿巴 等人指出,每年我们会遗忘大约15%的好友,而旧时的密友也会从我们社交圈的中 心,慢慢地退到圈子的边缘,甚至最终消失。
QQ圈子帮助我们完成了“结识新朋友,不忘老朋友”的工作。在圈子的后台, 有强大的数据分析和挖掘能力在支撑这项业务。QQ把服务器里的已有好友关系、群 成员关系、不同用户的共同喜好行为等关系链资源整合在一起,从而能够完整的勾 勒出用户的社交关系网,借助多年的历史数据积累分析,帮助用户找到更多的潜在 社交好友关系,从而加入其可能期望的社交网络圈。在个别用户已处的圈子内,QQ 也可以自动为其推荐一些目前尚不是好友的用户,这些人可以认为属于用户当前社 交圈的外延,也就是其朋友的朋友,这种推荐更加易为其接受。在圈子中,用户可 以点击这些推荐的人并发起对话、加为好友。借助这一功能,用户的交际圈子会越 来越广,更加有效的拓展其人脉。社交网络中陌生个体间人际关系形态研究 第 38 页
图14:单个用户的一度好友分布
米尔格拉姆在他1967年发表的那篇著名论文中提到: 在最初的实验中,其中的 一封信在不到四天的时间内就被传达到了目的地。但是我们无法忽略一个重要的事 实就是,实际上只有不到5%的信件被最终送达到了收件人手中。随后进行的两次连 锁信实验,因完成连锁的比例太低导致实验结果并未被公开发表。在实验过程中, 研究者发现有很多微妙的因素会对连锁信实验的结果产生极大的影响。研究者尝试 针对不同种族和不同收入的人群中来重复进行实验,他们发现其中存在巨大的差异。 事实上,在米尔格拉姆合著的另一篇论文中提到:虽然实验者开始的时候并不知道 收信人的种族,但如果信件的接收者为黑人,实验送达率为13%,但如果接收者是 白人,则实验送达率上升到33%。这几次社会学实验无不充满了各种不确定因素并 且无法重复。
米尔格拉姆还发现了漏斗效应:大部分的传递都是由极少数的明星人物来完成
的。在一个5%的飞行员实验中,他发现2/3成功的传递都是由同一些明星来完成的。 尽管如此,在这个社会学实验仍然存在有一个挑战性的假设:它假设传递链条中所社交网络中陌生个体间人际关系形态研究 第 41 页
QQ圈子加强了人际间的互动:解除传统社交圈子150人的顿巴数魔咒,将好友 关系扩充到上千人;人们通常保持紧密关系的只有30~50人,使用圈子可以有效扩
充相对紧密的好友圈;虽然现实生活中地点改变造成线下好友流失,但借助虚拟的 圈子功能还是可以继续保持线上好友接触。
和QQ圈子类似,淘宝圈子功能与淘宝后台的好友动态、个人动态等等分享内容 相互贯通,可以从淘宝站内导入更多的买家信息,并按照每一个人不同的习惯,每 个买家都可以加入到自己的圈子。每个用户圈子首页的右上角都显示了用户所在的 圈子名称,用户可以通过圈子发帖分享自己的物品、照片、微博等任意内容。圈子 网站布局类似Pinterest,但产品本身更类似轻博客。基于兴趣爱好,用户可以创建圈 子、搜索圈子。
5.1.2 新浪微博的微群
微群是微博群的简称。聚合有相同爱好或者相同标签的朋友们形成圈子,将所 有与之相对应的话题全部聚拢在微群里面。让志趣相投的朋友们以微博的形式更加 方便的进行参与和交流。用户可以创建自己的微群,或选择自己感兴趣的微群,并 且为未加入微群的用户随机推荐热门微群。与此同时,用户可以选择在群内的发言 不被同步到个人微博,因此能在群内畅所欲言而不用担心被不相关的人发现。 微群的作用主要体现在以下几方面: 1. 认识身边的好友或者同行业的同事; 2. 看看身边都发生了哪些新鲜事;
3. 会有更多的专业人士进行讨论和交流; 4. 能获得更多关心和关注,提升影响力; 5. 通过私密微群进行内部交流和分享;
和新浪微群类似,腾讯微博和搜狐微博也都推出了自己的微群产品。腾讯微博
提供了丰富的微群分类和搜索推荐;搜狐微群与ChinaRen校友录以及焦点网全国业
主论坛打通,与搜狐其他产品紧密结合、纵深发展。社交网络中陌生个体间人际关系形态研究
第 39 页
有的参与实验人员都有能力发掘链条终端的两个人传递的有效性,而这在实际生活 中是很难存在的。
真实的人际关系是相对固定的,一旦形成就不会轻易消失。陌生个体之间虽然 也可能有一见钟情之说,但是大多数人际关系的形成都需要一定过程,并且朋友的 关系一经形成,就不会随便就能终止,所谓的“绝交”现象现实中不是那么轻易就 发生的。而社交网络中人际关系的形成则带有很大的随意性,随机成份比较大。第 一次在网上见面聊天就从此成为彼此好友的现象很多。网络上的好友关系一经形成, 要终止也是非常容易的事情。由于网络用户身份的高度不确定性,可以更换网名、 头像、性别乃至姓名等个人识别信息,或者使用隐身登录,拉入黑名单,甚至可以 “自杀”来摆脱原有人际关系,从网络上消失一个旧身份并重新开始一个新的角色 进行生活和交际。在网络上如果有人和你意见不合,你尽可以离开他,或者避而远 之,而去与自己喜欢的人来交流。而在实际生活中回避我们不喜欢的人远没有这么 简单,因为有可能低头不见抬头见,由于各种关系而无法逃脱。
如上所述,网络中的人际关系可能更具有随意性和不确定性。本次研究中的人 际关系分析研究是在假设这些关系稳定的前提下进行的,因此最终结果可能和真实 情况有所偏差。
本章研究过程中采用了确定的人人网人际关系数据集并进行分析,各种可能的 传播途径都确定且完全可知,所有参与传播节点都完全清楚上一个节点和下一个节 点的位置和数量,并且实验结果可以反复进行验证。通过这项研究,我们可以得到
一条传播范围可控和起点可选的人际传播路径。社交网络中陌生个体间人际关系形态研究 第 42 页
第二节 大学生群体的交际圈和团体 5.2.1 大学生群体圈子数据分析
具有相似特征并紧密关联的网络用户个体的聚集现象被统称为网络团体。团体 是社交网络上由于某种关系结合在一起的一组相互个体,是社交网络中最常见的结 构之一。针对社交网络上团体的定义并没有统一的标准,根据不同的网络物理结构、 连接特征、标注方法,人们对期望团体的要求和具体的发现方法也不尽相同。 研究社交网络的团体结构对信息的有效利用具有重要的实际价值。在内容安全 与网络舆情分析方面,对网络中话题涌现性的判定以及特定话题传播轨迹分析都是 重要任务,而发现团体结构,以及对其特征进行分析,对内容传播的分析具有重要 理论价值。网络团体的分析可以进一步挖掘出个体之间的交往关系,提高网络搜索 的性能和精确性,提升网络信息挖掘能力。在商业情报智能分析领域,有效的团体 关系分析对隐藏在大规模非结构化数据中的人物关系、群体关系以及数据关联关系 的挖掘具有重要价值。
团体分析是大规模复杂信息网络研究中的一个基础性问题。一方面,团体结构
反映了网络中个体节点行为的区域性特征以及群体之间重要的关联关系;另一方面, 如果将整个信息网络抽象为层次化的团体以及团体关系,可以降低整个信息网络研 究的复杂度,有利于信息网络的科学问题分析与基本规律的发现。
对于一个小规模大学生用户群体,可以从之前的研究中计算抽取出其中的彼此
好友关系。如下表10所示,是以作者为中心,扩展到的56个直接好友组成的群体内 部之间人际关系示例(鉴于篇幅限制,仅显示其中4组)。 用户ID 群体内部的好友ID
30764339* 24584109* 24697751* 25132998* 25144272* 25221826* 25598689* 25989913* 27220992* 27967677* 28595361*
28655869* 30240922* 31102499* 31900303* 34991786*社交网络中陌生个体间人际关系形态研究 第 43 页
20003759* 22945226* 22977096* 23753901* 26605787* 28036490* 23258872* 22977096* 22994224* 24279730* 24584109* 26435212* 26532368* 272209*
28792510* 25132998* 25989913* 27967677*
表10: 以作者为中心的直接好友构成的用户群体
这些数字是枯燥乏味的,所以研究中使用了可视化方式来把这些数字关系转化
为易读的图形表达方式。如下图15是一张小规模的人人好友关系无向图(56个用户 节点)。利用之前的数据集,把人际关系转换为DOT脚本文件,并使用Graphviz(Graph Visualization Software)提供的工具选择算法进行布局,最终生成可视化的用户关系。 Graphviz 是一个由美国贝尔实验室(AT&T)启动的高效而简洁的开源绘图工
具包,用于绘制 DOT 语言(一种图形描述语言)脚本描述的图形,它同时也提供 了可供其它可视化软件使用的库。Graphviz 的强项在于自动布局,当图中的节点和 边的数目变得很多的时候,正如这次要绘制的复杂人际关系图,就能很好体会这一 特性的好处。
图中的中心节点为本文作者,图上每个圆圈代表一个用户,每条线代表两个人 之间存在好友关系。图中每个用户都是作者的直接好友,并且他们之间存在着彼此
之间的好友联系。可以看出这些好友之间存在非常明显的规模不等的团体聚集关系, 并且被自动划分成三块不同大小的区域。图中上半部分用户数量最多的一个团体是 由于作者之前工作关系产生的一个群体,故人数较多,这些人之间关系也非常密切。 图上右半部分是一个学院的部分学生组成的群体,由于教学关系,作者平时和他们
接触较为密切。图上左下角为作者的一些联系较频繁的大学同班同学组成的团体。
第 45 页
从图 15 中我们清晰的看出本文作者所从属的三个朋友圈子。本次研究找到了一 种方法,仅仅通过若干好友关系,就可以将研究范围内用户的直接好友自动化的分 类进若干个朋友圈子,把线下的真实人际关系映射到了线上的人群圈子关系,并且 从实际效果来看较为准确。
5.2.2 大学生群体的交际圈和团体研究
使用这种人际关系分析技术,对于一个固定的用户群体,只要了解其成员之间 的彼此人际交往关系,就可以把这个用户群体划分为若干个联系圈子。这些圈子可 能是由于工作关系、学校关系、社团活动等各类关系建立并维系起来的一个虚拟人 际交往圈。每个用户可以同时从属于多个圈子当中,具有多重身份和属性。 一个人的主要人际圈子之外或者边缘的小圈子往往对其学习、工作具有更高的 价值。大圈子内部,大家生活模式、知识结构、社会关系等相似度较高。当个人遇 到困难需要帮助时,同一圈子内的人往往也会遇到相似的瓶颈。如果同一圈子内有 人能解决该问题,同时也会有其他一批熟人可以解决该问题。但边缘圈子则不同, 往往可以解决我们的特殊问题,并且具备不可替代性。
通过这种研究方式,可以进行针对性的好友聚类推荐,帮助用户找到潜在好友 关系,扩大用户的人脉。社交网站背后对应的庞大用户群体构成了一个贴近真实世 界的社会网络。如果已知用户处于某个固定的圈子当中,那么这个圈子当中的所有 成员都可能是其感兴趣的对象,当社交网络服务向用户推荐这些成员时,用户将这 些熟悉的陌生人加为好友的概率就会大大增加。
信息的分类和过滤是社交网络服务的一项基本特征,例如人人网对好友关系有 一套自己的分类方式,用户可以自行对好友进行分组,从而对信息的收发做分组的 管理。通过分析社交网络的关系结构,提取出其中的人际圈子,能够让我们更好地 理解这个网络的组成方式,从而更好的认识自己,梳理自己的关系人脉。也可以更 深入的认识自己的朋友,了解以他为中心的所有人际交往圈子,将其打上不同的角 色标签,从另一个角度获知他的人际交往关系和个人背景成为可能,其中有些信息社交网络中陌生个体间人际关系形态研究甚至是你无法直接获取,并且你的朋友也不愿意透露的。一个小圈子,通常代表一
种经历。以用户为中心的多个圈子内的好友联系,往往反映其不同时间段以及不同 身份角色的人生经历,甚至是隐私经历。
百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读,免费范文网,提供经典小说综合文库六度空间的应用——找出两个陌生人之间的关系(5)在线全文阅读。
相关推荐: