社会网络论文范文

社会网络论文范文第1篇

在社会网络环境中，交互节点间的信任关系是网络中各种活动的基础，从直接可信度和推荐可信度两个方面描述节点的可信度。直接信任度是评估节点和提供资源服务节点直接交互所得到的信任值，而推荐信任度为当该节点作为推荐节点时，被网络中其他节点信任的程度，分别定义如下。假设信任值的取值范围为［0，10］，将该区间分为n个子区间，其中第i个子区间为［Rmini，Rmaxi］，其中Rmini和Rmaxi分别为区间的上限和下限。根据公式(2)，(3)和(4)可以计算出各个节点信任度，节点映射到的子区间即为其信任等级。信任等级是建立Web资源节点间信任的依据。

2、Web资源信任增强选择模型(EMBST)

EMBST模型的处理流程如下:(1)社会网络关系的获取。根据用户所需Web资源的初步检索，抽取出全部功能性属性相同、非功能性属性不同的Web资源，然后对其中的各个子网进行拓展，使得有关联的、离散的初始社会网络相互连接起来，拓展处理算子见下文。(2)建立不同信任等级Web资源圈。结合下文中基于谱分割算子将这些不同的社团区分开来，在此基础上根据各个模块的信任度评价指标来确定不同信任等级。(3)社会网络映射。将形成的各个不同的局部的网络圈子映射到最早的检索结果中来，从而实现可信Web资源的选择。

3、Web资源信任增强选择算法

限于检索单个Web资源所获得的数量有限，这样会导致所得到的关系矩阵可能会比较稀疏，容易导致形成的社会网络存在很多孤立子网，而这些子网中部分子网在真实的网络环境中又是有关系的，所以本文将借助于更多的网络信息，通过社会网络的拓展处理算子对一些孤立的子网作进一步的拓展，以丰富原有Web资源社会网络关系。

3．1拓展处理算子

首先，矩阵G1中会引入很多的初始检索中无关的资源，将这些资源删除，重新整合关系资源，那么就得到了一个新的矩阵G2，如果在G2中有两个资源相似度为0，但同时G1中有资源认识他们，那么就可以利用中介位置的资源求取他们之间的相似度。

3．2基于信任度的谱分割算子

由于上面得到的关系矩阵，实际上是所有的Web资源混在一起的一种社会网络结构，因此需要运用相关的方法将其根据不同的信任级别区分开来，这里采用社会网络中的谱分割算法［11］(spectralpartition)将这些不同的社团区分开来，在此基础上根据各个模块的信任度评价指标来确定不同信任等级。

4、仿真实验和结果分析

4．1系统评价方法

这里采用B－Cubed评价方法［12］，具体描述如下，假设带搜索的Web资源或服务在搜索引擎上的返回的结果集合S的大小为M，对其进行人工划分的结果为K'，经过系统处理输出的结果为K″，K'(S)表示人工划分中包含S的集合，K″(S)表示系统输出划分中包含S的集合。

4．2实验设计

一个外出预定系统实例。客户端调用此组合服务进程，指定出发地、目的地、出发日期，最后返回执行结果到客户端。组合逻辑如图2所示:先执行计算里程服务S1，然后机票订购S2与汽车票订购S3选择执行，它们与宾馆订购S4可并发执行。假定每一个抽象服务分别包含了若干个具体服务，各个具体服务的信任度参数采用随机方法在一定范围内生成加手工修改方式(制造不可信节点随时间变化的欺骗行为)，参数取值范围设定为0＜R≤10。系统采取文件读入的办法，从事先准备好的文件读入仿真检索服务的执行结果。实验环境为100M局域网，算法运行微机配置为Inter(R)Pentium(R)DualE21401．6GHz处理器，1GB内存，操作系统为WindowsXPSP3，算法用Java实现。

4．3实验结果分析

(1)对不可信节点随时间变化的欺骗行为的模型敏感度仿真。实验对比了本文EMBST模型与EigenRep［13］模型随时间变化的欺骗行为的差异，从图3实验结果可以看到，比起EigenRep模型，本文信任增强模型EMBST对节点的突然改变行为更加敏感，当节点采用欺骗行为时，信任值随交易周期改变快速下降，可以更快地对组合服务虚拟市场中服务信任度进行纠偏。(2)基于信任度的谱分割算子仿真。实验结果如图4所示，对应不同的组合下F－measure值随着资源节点S数的变化。该算子可以将拓展后形成社会网络中的连通子网进行自动划分，选择出可信度高的Web资源。通过图4可以发现，在节点数达到一定规模(如20)，F－measure均超过0．75，达到很好效果，这与真实社会网络中信任划分规律是一致的。对比发现4(a)，4(b)可以发现，对资源拓展后使用该算子时达到了更好水平，但仍没有达到理论上最好的结果，说明本方法还存在值得改善的地方。另外，实验中发现拓展后的Web资源网中存在比较多的单个Web资源节点。分析其产生原因是在检索到的有效Web资源网仅含有一个相关Web资源，而这个Web资源在检索过程中没有引入新的资源或者没有能找到和其他子网可以连接起来的资源，进而导致在进行分割时成了一个孤立的资源。若这种情况能得以进一步处理的话，实验效果将会得到进一步提高。

社会网络论文范文第2篇

已有的一些信任模型都依赖于一个前提，即信任是可传递的［5］．如何利用信任网络评估两个用户之间的信任程度是信任模型关注的重要问题［6］．TidalTrust模型［2］通过广度优先搜索算法，如潮汐的涨落一般，在节点形成的信任网络中寻找所有的最短信任路径，将他们加权求和计算信任值，具有较高的准确度，但算法是以目标节点为核心，将中间节点进行迭代计算；MoleTrust［3］模型对此进行了改进，递推过程与TidalTrust相反，以源节点为核心计算信任值；RN－Trust模型［4］模拟电阻电路，将用户间的信任看成是电阻中通过的电流值，用计算电流的方式综合所有的信任路径计算信任值，但信任关系无法完全用电阻电路来模拟；为了能尽可能多利用信息同时也能够不受噪音信息的干扰并合理地利用信任网络，TrustWalker［7］通过随机游走的方式预测源用户对目标项目的评分，它不仅考虑目标用户的评分还考虑其他相似用户的评分，不过上述模型均没有考虑到群体对信任计算的影响．文献［8］认为不同的人由于一些共同的属性或者相似的行为聚集成群，用户主观地构建这些群，每个群代表一种特定的形象认识（如教师是诚实的），这种群仅仅提供了一种信任印象，而不能真正地从周围用户中获得群体关于目标用户的信任信息；一些推荐系统通过对比目标用户与群组的相似程度来预测信任，如文献［9，10］通过分析群内用户的同质度（affinity）预测信任评分．本文将这些基于同质度的信任模型称为G－Affinity信任模型．同质度表示用户之间关于一些特别的属性的同质程度，也就是类似程度．一个同质群（affinitygroup）也就是由一些具有共有属性的用户所组成的群组．如果目标用户属于群组，则即使没有过直接的交互也会很信任对方．文献［10］中应用LP算法（LinkPrediction）预测两个用户之间的信任关系，并以此构建信任网络，采用聚类算法将高密度的用户聚类成一个小型社区，并根据社区中边的数量计算同质度．文献［9］中根据属性相似性划分群组，并根据群组内的同质度结合用户本身的行为特征预测信任度．以上的模型都对群组的限制过多，并且，同质度不能反映群组内用户之间的紧密程度，也不能反映群组的信任倾向，更多的是侧重用户各个属性之间的相似度，因此本文重点研究凝聚群对用户进行决策时产生的影响，综合考虑群与群之间的信任度，构建出能够联系用户和群体的信任模型．

2、相关定义

2．1凝聚群相关定义

假设两个节点间的关联度是这两个节点直接交互行为的综合，等同于节点间的直接信任度，详见下节．Web社会网络包含着一个庞大的用户集，这些用户随着交互的深入而形成不同的关联度，在关联度的作用下会逐渐形成多个以某些用户为中心的簇集．这些簇集具有簇内连接紧密、簇间连接相对稀疏的特点．定义1（凝聚群）：凝聚群是由Web社会网络中关联度较高的用户（节点）聚集形成的簇集．本文中认为凝聚群之间相互独立不重叠，每个用户属于且仅属于一个凝聚群．我们将凝聚群整体记为O．下文中将节点i的凝聚群记为O（i）．每个凝聚群内部节点之间的关联度不同，因此引入群凝聚度的概念．定义2（群凝聚度）：一个凝聚群的群凝聚度是该凝聚群内节点之间关联度的平均值相比于群内节点和群外节点之间关联度平均值，记为η．一般认为节点之间之所以能构成一个凝聚群是因为他们之间的关联度大于他们与群外节点之间的关联度，因此有η≥1．一个凝聚群内的节点之间的关联度越高，群凝聚度就越高．在高凝聚度的群体里，每个节点都倾向于表现出相同的信念［11］．凝聚群作为整体具有群凝聚度，同时，凝聚群内的每个节点与它所属的凝聚群之间也存在不同的关联度，与所在凝聚群之间的关联度越大，在群内的影响力就越大．定义3（影响力）：节点在凝聚群内的影响力CO（i），i是它对凝聚群内其他节点之间关联度之和相比于凝聚群内所有节点之间的关联度之和的比值．对于凝聚群的划分采用的是MFC（MaximumFlowCommunity）算法［13，14］，该算法的基本假设是：网络中的最大流量由网络“瓶颈”的容量决定，而在具有簇结构的网络中，网络“瓶颈”由簇间连接构成．经过反复识别并删除簇间连接，网络簇能够被逐渐分离开来［13］．根据MFC算法，我们认为凝聚群内部是一个弱连通图［12］．一旦划分好凝聚群就会形成一张映射表，每个节点都可以在映射表中查找到相关凝聚群的所有成员信息，若i不属于任何凝聚群，则可以看成是特殊的凝聚群———只包含一个节点的凝聚群．一个群体的凝聚群划分示例如图1所示．图1中包含3个凝聚群G1、G2和G3．凝聚群内的粗线表示高关联度．G1和G3之间的浅色细线代表存在一定的交互，但是关联度不高，G1与G2完全不存在交互．

2．2信任度相关定义

假设有节点i（称为源节点）与节点j（称为目标节点）．定义4（直接信任度）：若节点i对节点j具有直接交互历史，则i对j的直接信任度是节点i根据交互历史信任节点j的程度，记为Di，j．定义5（群信誉度）：若节点i、j分别属于不同的凝聚群，则节点i对凝聚群O（j）中与i有过直接交互的节点的直接信任度综合，称为群信誉度TGi，O（j）．群信誉度如图2中所示．其中虚线代表节点间有直接交互历史，红色节点代表i，黄色节点代表j．定义6（群直接信任度）：群直接信任度是凝聚群O（i）内所有与节点j存在直接交互的节点对于j的直接信任度综合，记为DTO（i），j．上述定义6中，j节点可以是群内也可以是群外．群直接交互情形如图3中所示．定义7（群间直接信任度）：群间直接信任度是凝聚群O（i）中的凝聚群代表对凝聚群O（j）的群信誉度．记为GdTO（i）O（j）．由于凝聚群之间不一定存在直接相连的信任路径，因此我们引入群间间接信任度．定义8（群间间接信任度）：群间间接信任度是凝聚群O（i）通过其他与凝聚群O（j）直接相连的凝聚群获得的群直接信任度的综合．记为ITO（i）O（j）．由于计算群间间接信任度的公式可以包括群间直接信任度的情况，本文将他们统称为群间信任度ITO（i）O（j），群间信任度如图4所示．图4（a）为两个凝聚群直接相连的情况，图4（b）为两个凝聚群之间通过第3个凝聚群连接，其中k为中间凝聚群内的一个节点．定义9（凝聚信任度）：凝聚信任度GTO（i），j是凝聚群O（i）对节点j的群直接信任度与群间信任度的综合．凝聚信任度的概念相对应于传统信任模型中的综合信任度．上述定义中出现的符号和说明见表1．

3、GC－Trust模型设计

3．1模型主要思想

GC－Trust模型主要考虑的是群与群之间、群与节点之间的这两种信任关系，通过关联度较高的节点聚集形成凝聚群，从源节点i所属凝聚群的角度帮助i判断目标节点j是否能够信任，能够令模型更好地体现出凝聚群的作用．假设已经存在多个凝聚群：1）搜索是否存在从O（i）到O（j）的路径（路径上最小单位均为凝聚群），若不存在则将信任度设为0．5；2）若存在凝聚群的路径，则节点i、j之间一定存在着某种关联（根据弱连通图的特性可以证明）分为下面两种情况计算凝聚信任度GTO（i），j：a）若j在O（i）内，则GTO（i），j等于群直接信任度DTO（i），j；b）若j在O（i）外，综合群直接信任度DTO（i），j和群间信任度ITO（i）O（j）计算GTO（i），j．GC－Trust模型的框架图如图5所示．主要包括5个部分：凝聚群的划分、凝聚度与影响力计算、群直接信任度计算、群间信任度计算以及凝聚信任度计算．系统会在信任度计算开始之前就划分好凝聚群，当用户需要进行信任度计算时，首先根据凝聚群内的成员用户计算凝聚度以及相应的影响力，接着从凝聚群内的角度出发计算对目标用户的群直接信任度，再从凝聚群之间的交互计算群间信任度，最后将3者综合得到凝聚信任度．

3．2群凝聚度的计算

群凝聚度η决定了节点依赖凝聚群的程度．凝聚群的群凝聚度越大，节点也就越倾向于相信群体的直接信任度，反之则节点就越不相信群体．群凝聚度的度量也存在多种方式．例如信任关系与环境关系密切，人在陌生的环境中，会非常依赖朋友以及其他信任关系，而在熟悉的环境中则不会．因此，凝聚群的凝聚强度应该与群所处的外在环境相关．在实际应用中，一个节点通常具有非常不均衡的出入度，交互也存在多种形式，甚至是单向的交互，如微博上的关注就可以单向的，因此凝聚度采用平均值的方式来计算：信任度计算群直接信任度和群间信任度群直接信任度是将凝聚群O（i）看作一个整体，只要O（i）内存在与j直接交互过的节点，即可根据式中：max为路径强度；O（s）为凝聚群O（i）的邻居凝聚群．计算群间直接信任度GdTO（i）O（j）时，选举凝聚群O（i）的群代表k，通过计算k对O（j）的群信誉度来代表O（k）对O（j）的信任度．凝聚群代表既需要有一定的群内影响力又需要对目标凝聚群内节点数量接触得尽量多．

4、相关对比实验

采用Advogato数据集进行仿真实验，验证本文所提出的GC－Trust的准确度．Advogato数据集中将评分共分为4个不同的等级：Observer、Ap－prentice、Journeyer以及Master．比较3种算法：GC－Trust、TidalTrust［2］以及基于AffinityGroup［9］的信任预测准确度，并对结果进行分析评价．实验的硬件配置为：Intel（R）Core（TM）2DuoCPU2．20GHz，2GB内存；软件环境为Windows7，开发工具为Eclipse3．5．本文进行了2组实验，第1组实验是基于同一数据集进行3种算法对比实验；第2组是基于特定特征的凝聚群进行对比实验．

4．1基于同一数据集的对比实验分析

将数据集表示为有向加权图，共包含有14016个节点和51398条边，并将信任等级映射为0．1、0．3、0．6、0．9．由于原始数据集中高信任度的节点过于集中，且具有较高的出入度，凝聚群的划分效果不理想．而在本实验期望的数据集中，高信任度节点形成的凝聚群能够尽量分散，尽量少的交集．因此首先对数据集进行预处理．将4个信任等级分别映射为0．9、0．3、0．6、0．1，同时将数据集中的度为0节点删除，在剩下5000多个节点中采用MFC算法进行凝聚群划分，得到凝聚群共有2042个，其中划分失败的凝聚群共有271个（我们认为群凝聚度小于1即为划分失败），占到总凝聚群的13．2％，失败的主要原因是由于真实的数据集中凝聚群是可重叠的，而本文中限定凝聚群相互独立不重叠．

4．2基于特定特征的对比实验

第2组实验选取划分效果最好的20个凝聚群，即将群凝聚度与凝聚群规模相乘后的值最大的20个．一个好的凝聚群不仅仅体现在凝聚度高，而且还应该具有一定的规模．在每个凝聚群中随机选择5条测试评分数据（包括对凝聚群外节点的评分）中比较3个算法的平均绝对偏差．实验结果如图8所示．从图8中明显可见，随着凝聚群的规模和凝聚度的增加，GC－Trust的MAE明显下降，凝聚群的划分越合理，群凝聚度越高，规模越大，则GC－Trust的准确度就越高．因此可以判断凝聚群划分的好坏严重影响着信任预测的准确度．由于TidalTrust计算的信任度是从源节点出发信任路径返回的，而凝聚度越高群体内，节点之间的信任度均较高，因此Tidaltrust的准确度存在一定上升的趋势．G－Affinity的模型虽然由于数据集的原因表现不佳，但是也能够观察到凝聚度高对该算法也产生了积极的影响．

社会网络论文范文第3篇

文献[6]在讨论单源信息扩散问题时，将信息扩散看成空间-时间两个方向同时进行的扩散过程，并用好友用户节点之间最小的好友关系跳数（即最短路径）来度量两个用户之间的距离。类似的，本文用好友关系的度量来表示两个节点之间的距离。但不同的是，多源信息扩散问题中的信息源由多个源点构成。可以定义某个用户节点到信息源的距离为该用户节点到信息源的所有最短路径中最短的那条路径长度。为便于说明，可令U表示在线社会网络中所有的用户节点集合，S{s|i1,2,..n.},i表示新闻消息m的信息源集合（即多源），对网络中任意一个用户节点u，令d(s,u)i表示用户u到源点is的距离。则min{()|1,2,...,}min,ddsuini表示用户u到多源的距离。该距离定义是基于现实情形中一个简单而且直观的观察：当某条信息在社会网络中传播的时候，如果存在多个用户节点同时了这条信息，则该信息同时具有多条可能路径到达网络中的另一个用户且影响该用户，显然最可能影响该用户的传播路径应该是多条可达路径中距离最短的那一条，因为最短的路径具有最短的好友关系跳数。在线社会网络中，用户到信息源的距离实际表明了用户与信息源之间的“亲密”程度，越短的距离表明具有越近的好友关系，两者之间彼此影响就越大。基于上述距离定义，根据用户到多源之间的距离不同，可将社会网络中所有的用户分成不同的用户组。则用户集合U可以表示为U{U|i1,2,...,m}i。其中，m表示在线社会网络中用户节点到信息源距离的最大值，分组iU表示距离为i的用户集合，iU包含了到信息源距离为i的所有用户节点。

2多源信息实例的选取

为了研究多源信息扩散的本质特征，需要对大量真实数据进行全面实验分析。本文实验用到的数据集来源于美国知名新闻分享网站Digg。Digg中的用户通过彼此的“关注”而形成好友关系从而构成庞大的在线社会网络。新闻提交者负责他们在博客、新闻网站或者其它地方找到的新闻报道。网站允许用户能对的新闻消息进行投票（即digg操作）和评论。的新闻报道都会列入Digg的内容序列中，Digg用户则在这些内容序列中查找自己感兴趣的内容并将其“掘”（digg）出来，让Digg知道他们认为这篇报道很出色。如果一篇文章或一则新闻信息得到足够的“digg”次数之后，它会被提升到主页中。Digg中第一个将新闻（submit）到网络中的用户被称作该新闻的“发起者”（submitter）或“信息源”（source），之后信息会沿着好友路径不断在整个网络中扩散。本文的数据集包含了Digg网站2009年6月份最受欢迎的3553条新闻故事。这些新闻故事总共收到了来自于139,409条Digg用户的约300万次投票。数据集中的数据信息包括对每条新闻进行了投票所有投票者的ID帐号，以及每个用户对该新闻投票的时间戳，其时间单位的粒度为“秒”。这种过于精确的时间粒度使得找出多源信息的实例几乎不可能。分别对该Digg数据集中全部3553条新闻的时间进行了实验分析发现：每一条新闻信息都不存在具有两个及两个以上的最先且同时进行的用户。也就是说，无法从原始数据集中得到多源信息传播的实例。考虑到实际情况中信息时某些客观或主观原因可能造成的延迟，我们可以近似认为在某个允许的时间范围内信息的用户均可以看作是该信息的同时者。比如，当Digg网络中一条信息被用户A之后的某个时间t时（如t<=300秒），用户B也了该信息，那么用户A和B可被看作是“同时”了该信息，即A、B同为该信息的信息源。但是并不能简单认为只要某条信息存在这样的“同时”者就是一个多源信息的实例。在多源信息传播情形中，应该存在多个用户独立而不受彼此影响（这些用户都认为自己是信息的第一个者）的同时某条信息。考虑如下情形：用户A在时刻T了新闻，B在T+50秒时也了该新闻，若A、B之间存在好友关系，则很有可能B是由于受到了A的影响（若没有A，B不会产生动作）。此时B只是A的被影响用户，而不是该新闻的源。基于以上分析，应该选取“同时”者中两两之间都不存在好友关系的用户集合看作信息源。对应的，该信息则可作为多源信息传播的实例。Digg数据集中多源选取过程如图1所示。3、4号用户作为该信息的多源，该信息即为3源信息实例。根据以上分析，本文设计了一个多源信息的多源节点近似选取算法，用该算选可以从Digg数据集中找到多源信息的实例。对于Digg数据集中全部新闻，算法1能找到两个及以上信息源点的信息都是符合要求的多源信息实例。具体的，本文设定Digg数据集中信息初次后的5分钟内（即300秒）对其投票的所有非好友关系的用户均为该信息的源点。在3553条新闻中，算法共找到了1433个多源新闻信息实例。下面将通过实验研究这些多源信息在Digg网络中的扩散规律和空间-时间特征。

3多源信息扩散的预测

本节将利用基于文献[6]中的线性扩散模型对Digg数据集中的多源信息扩散进行预测。首先计算Digg数据集中实际扩散结果，然后用线性扩散模型得到预测结果，最后比较两个结果得到模型预测的准确率。多源信息进行有效预测，我们对全部1433个多源新闻实例都进行了预测。表3给出了所有的预测结果：第1列表示多源新闻的分组，第2列、第3列分别表示每个分组中最受关注的新闻事以及对其扩散结果的预测准确率，第4列、第5列表示每个信息分组中包含的新闻条数以及模型对该组中所有信息的平均预测准确率。由表3可见，对于每个信息分组中最受关注的新闻特例，线性扩散模型都能达到90%以上的预测准确率。不仅如此，该模型对于其它所有的新闻实例都能达到较高的预测准确率。如表所示，每个信息分组的平均预测准确率都能达到75%左右。而对于全部的1433个多源新闻，模线性扩散的平均预测准确率为76.25%。这个结果说明，线性扩散模型对于多源信息扩散能够进行有效的预测。

4结束语

随着在线社会网络用户的快速增加，在线社会网络已经成为一种重要的信息传播渠道。在线社会网络对于消息、产品推销、甚至到政治选举等社会生活中的多个方面都具有重要的意义和作用。因此，深入研究在线社会网络中信息的传播模式和规律，特别是对在线社会网络中信息扩散的准确预测非常重要。在大量的研究中，只对单源点发出的信息扩散问题进行了的探讨。但在实际情况中，一条信息往往是从多个消息源同时发出的多源信息扩散。在多源信息扩散情形中，消息常常会被多个而不是单个用户同时到网络上，然后在网络中迅速传播。本文详细研究了多源点信息扩散问题，主要工作包括：1）提出了多源信息扩散问题原型，并给出了多源信息扩散情形用户间距离度量的定义；2）设计了一种在数据集中选取多源信息实例的算法，该算法不仅可以用在Digg数据集中，扩展后也可适用于用其它数据集；3）利用一种线性扩散预测模型对多源信息实例进行了预测。较高的预测准确率一方面说明了本文的距离定义和多源选取算法的可行性，另一方面则证明了线性扩散模型对于多源信息扩散的预测能力。下一步的工作将尝试对不同的在线社会网网络的信息扩散特征进行研究，并建立新的信息扩散预测模型进行有效预测。

社会网络论文范文第4篇

人脉，顾名思义，即人际关系所组成的网络。《现代汉语词典》对人脉的解释为：“人各方面的社会关系。”有的学者根据人脉的来源或形成过程，也就是人的社会关系从哪里获得，将人脉分为六类：血缘人脉、地缘人脉、学缘人脉、事缘人脉、客缘人脉、随缘人脉等。所谓人际关系，是指人为了满足其生存和发展的需要而在相互交往过程中形成的全部关系的总和，简单地说就是指个体与个体之间的各种关系。根据人际关系在满足人们需求过程中所起的不同作用，可以把人际关系简单地分为情感性关系和工具性关系。情感性关系主要满足人们在情感方面（如关爱、温暖、安全感和归属感等）的需求；而工具性关系主要满足人们在物质方面的需求，是个人因某种需要或目的与不很关联的他人所建立的某种时效性关系。无论是情感性关系，还是工具性关系，它们都是个人正常、健康、全面发展所必需的。另有学者认为，人际关系的类型大概可以分为三种，它们分别是：权力依附型的人际关系，有人可以据此结成“权力网”；利益相关型的人际关系，有人可以据此结成“专业网”；情感交融型的人际关系，有人可以据此结成“人缘网”。前两种人际关系主要受理性逻辑支配，维系这两种关系的主要因素是披着情感“外衣”的权谋和利益；最后一种人际关系主要受“情绪逻辑”支配，维系这种关系的主要因素是建立在情感基础上的人格认同。

二、对大学生人际关系认知的问卷调查

（一）问卷设计与调查

基于上述人际关系类型，结合大学生实际生活、学习等情况，我们设计了与大学生相关的21种人际关系调查问卷，试图通过调查得出现代大学生心目中应该重视和建立的人际关系网络。考虑到当今社会中所谓的“拼爹”观念盛行，我们在问卷中先预设了三个关于“拼爹”的问题，用以考察大学生对该问题的相关态度。经过前测和优化，人脉关系被调整为23种，每个问题设计了6个选项：非常重要、重要、一般、不重要、很不重要、说不清。最后收集了答卷大学生的个人相关信息，包括：性别、来源地、年级、是否做过班干部、是否独生子女。根据实际情况，我们选择了驻新乡五所高校的大学生作为调查总体。采用分层抽样的方法，首先结合各自院校的特色选定了各具代表性的共40个专业，然后从每个专业中任意选择一个班级进行问卷调查，平均每个专业分配25份问卷，要求按照男女生比例来发放。本次调查共发放问卷1000份，回收有效问卷963份。

（二）对调查结果的分析

1．对预设问题的调查结果解读

问题一：有人认为现在是个“拼爹时代”，你认为？该问题的设置是为了考察大学生对社会现状的认识。从结果来看，认可（36．8％的学生选择了“非常正确”和“正确”）明显高于否定（21．5％的学生选择了“不正确”和“很不正确”）的认识程度。值得注意的是高达41．6％的学生选择了“说不清”。问题二：“拼爹时代”中的“爹”你认为是（可多选）。对于“拼爹时代”所谓的“爹”，“用得上的关系户”认可度（36．7％）最高，然后是多选“有钱人、有权人、用得上的关系户”（26．4％）。或许大家觉得“有钱人”、“有权人”可以是“用得上的关系户”，但后者不一定都是前者，只要对自己有用，就应该受到重视。问题三：与我无关，主要还得靠自己。该选项意在考察学生对将来步入社会工作与生活时的一种态度取向。结果显示，作为相对高素质的大学生，被调查学生在靠自己发展方面的肯定性取向上占有绝对大的比例（68．2％）。说明关系固然重要，但也不是人人都有关系，或者即使有关系也不一定能用上，真正有用的还是自己。同时四分之一强（25．9％）的学生选择“说不清”，说明大家对当前个人决定自己前途的能量方面不再充分自信，处于矛盾之中。

2．对各种人际关系重要性调查结果的分析

我们将问卷中的问题按照“重要”与“非常重要”选项选择结果合并解释为“相对重要”，然后合并“不重要”与“最不重要”选项解释为“相对不重要”。通过对比发现，排列前6位的人脉关系竟然完全相同，也就是说在大学生心目中这些人脉关系的相对重要性与相对不重要性是非常稳定的。后面的人脉关系相对有些错位，但相差也不是非常明显，基本上都在相邻或隔一个位置的顺序上出现，说明大学生对这些人脉关系的重要性与不重要性有细微的分歧，但总体处于稳定状态。因此，根据调查结果，我们尝试着将大学生心目中的人脉关系分为四大类。第一类包括“家人”、“同学中的交心朋友”、“舍友”、“有知识的亲戚”、“有共同爱好的朋友”、“上大学前的同学”6种人脉，认为相对重要的超过了六成人数。与预料一致，家人无论如何也应该是一个人最为重要的支撑力量，不管是在哪个领域，说明最直接的血亲浓情在中国社会中的地位无以替代。各选项中，“说不清”1人，“很不重要”3人，“不重要”8人，“一般”64人，这相对于153人的“重要”和734人的“非常重要”显然不成比例。选择前者的学生更多的可能是出于对自我顽强奋斗非常看重，或者有些个人的原因在里面。“交心朋友”位居“家人”之后占第二位，证明了学生对于这种纯粹友情的珍视和对这种关系之于自己重要性的高度认可。“舍友”是一个非常特殊的群体，上过大学的人都有体会。除了家人，还会有谁能够和自己同屋共眠3～5年？所以这种感情是永远难以割舍掉的。可能因为调查对象是大学生的缘故，大家对“有知识的亲戚”的信赖程度之高有些出乎预料，彰显了学生对知识重要性的认可与依赖。尽管当前社会现实日益证明“知识改变命运”越来越不靠谱，但相对于当前日益异化的社会来说，知识的力量永远是正作用。金钱和权力只能给予你一时的帮助，而有知识的人对一个人的指导、示范或塑造作用影响的是人的一生。“共同爱好”是大学生走到一起寻找快乐的最直接的因素。一起运动、郊游、看球赛、打游戏、去图书馆等等，这些爱好为彼此之间的大学生活提供了丰富多彩的内容和很多值得回忆的精彩瞬间。此类朋友的重要性也得到多数学生的认可。作为曾经在一个“战壕”内艰苦奋战的“战友”，53．2％的学生依然惦记自己原来的同学，认为比较重要。这里面其实包括了发小（问卷后面的列举中很多人列出）、小学、初高中同学。这份感情的确值得珍视。第二大类以相对重要性比例在半数（班主任或班级导师为49．6％，这里视作半数）及以上、六成以下为标准，包括“专业课老师”、“有权的亲戚”、“上大学前的老师”、“恋人的家属”、“班主任或班级导师”5种人脉。作为专业课老师，我们在看到结果之前真不知道自己会在学生心目中获得什么样的一个地位，真的有些不安。当前社会外在的诱惑实在太多太强，能坐冷板凳的人实在太少了。结果还算令人欣慰，近六成（59．3％）学生认为“专业课教师”相对重要，一来说明学生对于自己的专业知识很看重，二来也说明学生比较认可专业课教师的授课等相关能力水平。鉴于当前中国社会的现状和历史发展过程中权贵思想的根深蒂固，“有权的亲戚”得到大学生的重视绝对无可厚非。

众多的“萝卜招聘”现象无不强烈昭示着现代社会依然是有权人的天下。上大学前的学习生涯在中国是一个极为艰辛的历程，学生们由几乎一无所知经过老师们的不断灌输，掌握了考上大学的基本知识，其中很多老师对学生的影响是至关重要的。“恋人家属”选项是前测结束后增加的，数据（51．1％）显示其重要性深得大学生的认可。现在高校中的“班主任或班级导师”，通常由专业课老师担任，主要负责学生们专业学习方面的事情，基本上是个虚职，没有什么实质性利益。但这样往往容易使老师和学生之间的沟通更畅快和有效率，很多老师还是非常负责地去履行自己的导师职责的。所以调查结果（49．6％）显示该角色的认可度比较好。第三大类以30％～50％的重要性比例为标准，包括了“辅导员”、“有钱的亲戚”、“邻里”、“老乡校友”、“院系领导”、“大学其他同学”、“院系干部中的朋友”7种人脉。“辅导员”的角色在当前的高校当中日益重要和奇特，学生除了学习之外的所有内容都必须和辅导员相联系，甚至学习也受其很大的影响，为之“翘课”是极为普遍的现象。结果显示认为相对重要的占了相对多数（44．2％），选择一般的占了35．6％。在将来的社会中生存，得到“有钱的亲戚”的支持和帮助符合社会发展的方向。43．9％的人选择了“一般”，41．5％的人选择了“重要”和“非常重要”，说明在大学生的心目中，金钱的力量在考验着大家的生存观念。只有10．9％的学生选择了“很不重要”和“不重要”，且后者比例占到了9％。中国是一个乡土气息非常浓厚的差序格局的社会，“邻里”之间的关系曾经那么亲切与和谐。然而现在社会的转型使得很多人与人之间的关系出现了部分异化，尤其对城市社区里生活的学生来说，邻居之间的陌生是正常的事情。但对于更多来自农村的大学生来说，邻里关系依然具有很多美好的记忆，正所谓远亲不如近邻。“老乡”这个词曾经是一个很吸引人的词汇，老乡彼此之间的照顾感觉很贴心。随着大规模的扩招，大学内老乡的规模越来越大，彼此间的感情和关系就显得淡漠起来。45．2％的学生选择了“一般”。但也有30．8％的人选择了“重要”，地缘因素在当前中国社会发展中的支撑作用还是不可忽视的。“院系领导”之于大学生的重要性，从结果来看，36．1％的学生选择了肯定的一面，低于认为“一般”（39．6）的学生比例。事实上，从培养和就业的角度，院系领导对学生的影响是比较大的，主要从课程设置和就业推荐等方面显示出来，不过学生似乎觉得影响不直接。除去交心朋友，大学中的其他同学在学生心目中的地位明显降低，高达52．1％的学生认为其对自己将来的发展重要性一般。学生会干部似乎是积累人脉的很好的圈子，然而有近半数（47．9％）的同学认为这种关系对自己的重要性一般。但从“重要”（28．7％）与“不重要”（10．8％）的对比来看，还是更多的人选择了前者，证明可用之处还是有的。最后是第四大类，重要性认可比例在30％以下。包括“公共课老师”、“加入社团的朋友”、“打工或实习中结识的朋友”、“普通朋友”、“经常交往的网友”5种人脉关系。“公共课老师”的地位基本上可以认为不会太好，事实证明也不算很差，至少选择相对重要的学生比例（26．7％）超过了认为相对不重要的学生比例（20．4％）。另外还有5．2％的学生处于纠结状态，表示“说不清”，近半的学生（47．6％）选择了“一般”。这里面的原因不应该单单归结为教师的问题，课程设置与课程内容等因素也是影响学生评价的重要方面。大学生社团也是一个非常值得研究的群体，相关的文章也很多。此次调查数据显示大学生对“加入社团的朋友”的重要性认可度一般（51．5％），或许很多人进到社团之中更多的是为了锻炼自己的相关能力，而对于结交朋友的作用看得相对较淡。当前大学生社团日益权力化和势利化趋势也对大家交到知心朋友有所影响。对于“打工或实习中结识的朋友”，多数人（48．1％）持中立态度，否定（23．8％）与肯定（22％）意见基本持平。显示目前的学生对这种人脉关系重要性的认识并不太自信，毕竟在社会职场中这种关系相对较淡。区别于同学，大学生可能由于不同的原因经过一定交往，彼此之间会成为“普通朋友”，但这种关系因缺乏长久的联系而相对较淡。但其中有17．4％的学生认为这种关系还是重要的，其实很多时候帮助自己的往往是普通朋友。“网友”在当前信息时代成为一个很特别的符号，很多人素不相识，通过网络聊天结为朋友。但大学生对这种关系持有非常否定的认可度。即使设定为“经常交往的网友”，重要性和不重要性（反序）也都位居人脉序列的最后一位，这种结果值得思考。

3．大学生总体信息的意外与正常结果

当前女生更容易考上大学的现象在全国范围内受到很多人的关注和探讨，我们在调查时特地强调了按所选专业的男女生比例来发放问卷。可能这次调查的工科院系相对较少，女生比例大些还可以理解。但结果显示，总体比例中女生高达63．7％，的确出乎所料。即使是工科类院校，男女比例也依然女生高出。此次的数据再次证明高校中男女生比例的确有些失常。相对于男女生比例，对于普通高校来说，农村生源占据了77．8％的绝大多数，应该是正常的事情。除去函授生，其他的在校大学生应该全是90后，中国的计划生育政策已经推行了20多年，然而数据却显示独生子女比例仅仅为8．2％。统计显示，来自城市（包括县城）的214人中只有53人是独生子女，占到24．8％的比例。而749名来自农村的学生中只有26人是独生子女，仅仅占到3．47％。

三、对大学生四类人脉的分析及网络构建

（一）对大学生四类人脉的分析

第一大类6组人脉中，除去“家人”和“有知识的亲戚”两组，其他4组全是大学生同龄人，而且都是贴心和亲近的朋友关系，凸显了大学生对同代人中具有亲密友情的人脉的深深依赖。而前两者都具有血缘关系，家长最为亲近，亲戚也血脉相连，这种血缘人脉具有的无可替代的亲情为大学生所高度认可。而有知识亲戚的重要性远高于有权和有钱的，突出了大学生潜意识中对知识的高认知心理。第二大类有一个共同的特征就是都是大学生的长辈，而且其中包含了3组老师人脉。从第一层最为核心的血缘和友缘人脉过渡到第二层的长辈人脉，可以看出大学生似乎对这些人脉有某种直接而强烈的内在需求，老师提供知识，有权的亲戚或许可以提供岗位，恋人的家属则可能提供将来最为重要的家庭基础。第三大类的人脉则表现了大学生的一种纠结心态，这些人脉看起来不很重要，却又似乎都不可或缺。“辅导员”在大学里基本上掌控了学生可以获取的除知识外的其他所有资源，但许多普通学生又的确与之打交道不多。“有钱的亲戚”在当今“众多大山”的社会里或许可以提供最为“万能”的支持。远亲不如近邻，“邻里”所具有的特殊情分似乎永远不该忘记，但人们虽然对于现今社会“防盗门”的社区生态防盗功能不敢过于相信，但它隔开邻里亲情却作用明显。“老乡”，曾经多么亲切的称呼，现在却偶尔要提防，因为太多，否则最容易出现问题。“院系领导”本该令人尊敬，但现今的行政化大学时代，他们对于普通学生来说，尽管本应是但绝非领导的中心，所以他们似乎有些遥远。“大学其他同学”太多了，想要记住真的很难，但当他们帮助自己的时候真应该心怀感激。院系干部中有朋友吗？“学生干部”好像早已适应了钩心斗角的行政化生态而忘记了这里是服务学生的。最后一层的人脉关系似乎显示了无关紧要的感觉。很遗憾，“公共课老师”被大学生放到了这一层，可能最主要的原因是前面的定语吧。大学生社团现在主要在做什么值得思考，否则“加入社团的朋友”不应该放在这个位置。人力资源理论中似乎强调“打工或实习中结识的朋友”的重要性，尤其是那些管理层及以上人脉，但大学生将其置于接近最后的位置，有些较难理解。“普通朋友”和“经常交往的网友”本身似乎就是可有可无的吧，否则他们为何被放在了最不重要的位置？

（二）对大学生人脉网络的构建

基于以上分析，第一大类人脉关系可以称为心理依赖层，显然其处于整个网络的核心地位。第二大类人脉可以称为生存支撑层，它们具有非常重要的保障作用。第三大类人脉可以称为生活辅助层，这些人脉在人的一生当中或许真的可以提供某些甚为重要的帮助。第四大类人脉可以称为社交边缘层，这些人脉只是有些交往，在大学这个时代这些人真正的重要性似乎难以体现也无从考量，至少从数据上显示其地位如此。

四、简单讨论

对于此次调查，基于成本等因素的考虑，我们选择了驻新乡的五所高校，所以其结果对全部大学生的适用性有待进一步更大范围的调查。另外，应该每个人都可以从数据中解读出自己的感受。

社会网络论文范文第5篇

1．1数据来源及样本选取

本文的数据来源于新浪微博。因为新浪微博在热度、用户数量、活跃度等指标上居国内同类产品前列，且其对认证用户的分类明确，囊括了文中的研究对象，故基于该平台采集的数据进行研究具有现实性与代表性。考虑到按影响力和热议词筛选的榜单受到时间及偶然事件的影响较大，而按人气筛选的榜单则比较稳定，因此本文的数据从新浪微博风云榜板块中的人气榜单板块中提取。此外，为了分析政府、企业、微博名人、学校这四类主体内部的结构特征及互动关系，又将各主体划分为不同的行业或部门。本文首先选择粉丝数排行前5的行业或部门，再分别选取这些部门中粉丝数排在前20名的用户，对每个主体依次抽取100个样本数据。企业在人气榜单板块中按行业被分为21个模块，根据粉丝排名，本文抽取汽车交通、商场购物、金融服务、服装服饰和商场购物5个模块。而政府包含公安、外宣、司法、医疗卫生和交通部门，学校包含校友会、高校、中小学、出国留学和教育培训，微博名人则包含财经、商业、房产、科技和政府这5个模块。

1．2实证方法介绍

本文基于社会网络分析方法，通过统计各类主体中各用户之间的关注情况，得出用户间的二维关联矩阵，运用Ucinet软件刻画各主体的结构特征，并得出密度、内部派系及中心度等各类指标，进而探讨各个主体在信息传播、资源共享时如何发挥作用，内部如何运作，并发现关键节点人物。

2网络传播主体的网络结构分析

2．1网络传播主体的网络关系图谱

本文利用可视化手段得到的各类主体的网络关系图我们可以清晰的看到，政府子群联系比较紧密，且公安部门位于网络的核心，将各个部门连接起来。同时，基于政府的关联网络，最明显的关联分别有行业关联(平安中原、平安南粤、中国维和警察、安徽公安在线等)、区域关联(北京铁路、京港地铁、北京公交集团、北京地铁等)。这表明当前政府已经意识到了微博的重要作用，开始注重信息的公开化、透明化，使得网络信息更加明朗，传播效度更大。公安部门与人们的日常生活息息相关，其传播信息的日渐公正化、透明化决定了其在政府网络中的核心地位。根据资源依赖理论，如果一个企业同时与多个企业有直接的关联，那么该企业就占据了该行业或企业网络的资源中心位置。企业间的关系并没有像政府那样密集，但金融服务业的核心地位很明显，其几乎桥接起了整个网络，把不相关的行业间企业、不接壤的地区间企业连接起来。例如，中国银行信用卡(金融服务)将黛姿乐维品牌婚宴鞋(商场购物)和新浪汽车(汽车交通)连接起来。根据结构洞理论，占据中心位置的企业对资源流、信息流、知识流有着强大的控制权，说明金融服务板块在信息传递过程中起桥接作用［16］。同时用户对其所的信息有较高的信任度和热衷度，金融板块对信息的扩散也有重要的作用。根据同类相聚原则，同性质教育机构之间的联系相对比较紧密，例如，纽约大学与USNewsRankings、美国留学MBA、EducationUSA中国等相互关联。但总体来说，学校之间的关联比较松散，且独立个体比较多，说明教育机构之间交流较少，信息传递与转载的速度，名人子群主要以两个模块———财经和时尚为核心。说明这两种行业已经融入了微博名人的生活，表明随着人们生活水平的提高，人们的需求由追求物质上升到追求美，由单一娱乐偏好到相对复杂的理财偏好。同时，由于微博名人对信息具有一定程度的偏好，使得这两类信息相对其他信息的传播和扩散速度较快，能更快引发普通民众的关注，并在一定程度上引导舆论导向。由此可知，人们对

2．2政府、企业、微博名人、学校的网络结构特征

2．2．1网络密度(NetworkDensity)运用Uci-net软件分别对四个主体的网络密度进行测算得出，密度值由高到低分别为:政府、微博名人、学校和企业，相应密度值为:0．2112、0．0955、0．0252、0．0214。将密度值和画图软件NETDRAW所得出的4个主体的社会网络关系图进行比较，本文发现密度值和相应的社会网络图谱的图形特征是紧密一致的。当密度值大时，网络图形紧凑，密度值小时，网络图形松散。政府网络之间的交流最为密切，联系紧密。企业之间的关注最为松散，联系不强。

2．2．2派系分析本文采用Cliques分析法对各个行动者的网络进行凝聚子群分析，得出:

a．在派系规模最小值为11的情况下，政府网络中存在10个派系。政府网络相对比较集中，同时网络中子群重叠交叉的情况也会比较复杂，说明派系之间的共享成员比较多。我们发现每个派系都包含广州公安、平安北京、山西公安、平安南粤、河北公安网络发言、警民直通车－上海人，他们主要属于政府的公安部门，连接着外宣、司法、医疗卫生和交通部门，在网络中处于核心地位。同时，除了成都属于外宣部门外，各派系的成员全为公安部门，说明该部门间的联系十分紧密，而4个派系中都包含成都，说明成都与公安部门合作密切。

b．在派系规模最小值为3的情况下，企业网络存在3个派系，它们分别形成了3个完备子图，并且派系相互之间是独立的。每个派系中的成员都属于同一公司，它们之间的联系主要是母子公司关系，说明了企业与企业之间的联系并不是特别紧密，而企业内部沟通交流比较频繁。

c．在派系规模最小值为3的情况下，学校网络存在9个派系。网络中子群间是重叠交叉的关系，其中复旦大学为4个派系所共享;哈尔滨工程大学、哈尔滨工业大学招生办分别为3个派系所共享;武昌理工学院官方、华中科技大学分别为2个派系所共享。派系成员属于同所大学之间的联系或属于同行业之间的联系。构成派系的成员隶属高校、校友会和教育培训部门，说明了这三个部门之间的联系十分密切，而中小学与出国留学部门之间的联系比较松散。

d．在派系规模最小值为6的情况下，微博名人网络存在14个派系。派系之间是重叠交叉的关系，郎咸平、李开复、时尚潮人yinyin等为多个派系共享。派系主要由财经类和商业类的成员构成，财经类中，郎咸平为连接各个派系的核心人物;商业类中，时尚潮人yi-nyin、潮人丹娜、林_小志玲和时尚达达人人为连接各个派系的核心人物。这表明财经和商业类的内部联系比较紧密，而科技、房产和政府类的内部联系较少。同时，不同行业的微博名人之间的联系也比较少。

3．3政府、企业、微博名人、学校的网络结构对比

本文对点度中心性、点度中心势、中间中心性及整体中间中心势进行了测度与分析。中心度指标刻画了信息传递网络中的关键人物，分析中心度可找出处于核心位置的用户，即可辨别出哪些机构在信息传播过程中“权利”更大，能够在较大程度上影响信息传播。中心势指标刻画了信息传递网络的整体密度特征，通过分析中心势，我们可以描述整个网络的紧密程度或一致性。

2．3．1点度中心性分析针对政府而言，不同用户表现出不同的点入度和点出度。点入度表示关系“进入”的程度，在这里表示一个用户被其他用户“关注”的程度。点出度表示一个用户“关注”其他用户的程度［19］。政府网络中点入度比较高的用户为平安北京(56．000)、公安部打四黑除四害(52．000)、北京(53．000)，说明他们在整个网络中信息传播的过程中拥有较大的权力，其的消息为更多人所注意。针对企业而言，新浪汽车(13．000)、招商银行(12.000)、招商银行信用卡(8．000)为影响力最大的用户。与图2相匹配，说明金融企业在信息传递过程有较强的影响力，其的信息能够在网络中迅速传播。针对学校而言，复旦大学(23．000)、华中科技大学(17.000)、武汉大学、清华大学(16．000)点入度排名前三。说明高校成员对整个学校网络的影响最大，是学校网络信息的主要传播渠道。该几所学校均为211、985重点院校，在国内有较强的知名度，其名人效应会增强信息的关注程度与扩散程度。针对微博名人，潘石屹(44．000)、李开复(44．000)、雷军(33．000)等居于“被关注”关系的中心位置，是整个网络影响力最大的用户，他们消息为更多的人所接受，其对某些社会事件的评论会在一定程度上引导舆论导向。总之，用户影响排名由大到小依次为政府、微博名人、学校、企业，其内部用户对整个网络的影响力由高到低。因此，在抓核心人物时，我们应该关注政府与微博名人，这两类用户对引导舆论发展、传播正能量有较好的作用。

2．3．2点度中心势分析政府网络的标准化点入度中心势和点出度中心势分别为:35．802%和76.615%，说明了该网络的关注关系有很大的不对称性。企业网络的标准化点入度中心势和点出度中心势分别为:39．00和63．03%。不论是“关注”还是“被关注”的中心势都比较小，说明企业网络没有明显的集中趋势。学校网络的标准化点入度中心势和点出度中心势分别为:20．926%和13．784%。与企业相似，网络集中趋势比较低，关注关联关系比较少。微博名人网络的标准化点入度中心势和点出度中心势分别为:3.205%和3．297%。名人网络明显分散，联系不紧密，与其派系特征相匹配，派系过多且派系间的联系较少。总体而言，四个网络的中心势由大到小分别为:政府、学校、企业、微博名人，用户集中程度依次递减，整体联系逐步下降。

2．3．3中间中心性分析中间中心性刻画了用户间的依赖程度，高中间中心性用户在整个社会网络中的权利较大，能够在一定程度上控制信息的流动。政府网络中，平安辽宁、平安北京、豫法阳光的中间中心度比较高，说明其他各用户获取消息在很大程度上依赖于这些关键用户，他们在网络中权力较大，在很大程度上控制了信息的流动。同时，可以发现这些用户的点度中心性也都位于前列，说明该关键用户最有可能成连接政府网络中交流信息、沟通意见、协调行动的重要桥梁［20］。另有鼓楼微讯、上海的中间中心性指数为0，说明这些成员处于网络的边缘地带，对于信息的传递并不重要。在企业网络中，点出度中心度和中间中心度排名前8位的用户都包含新浪汽车，且新浪汽车的点入度也较高，说明该用户是整个网络的交流中心，处于网络的核心位置，能够很好地控制着其他用户间的交流及信息资源，在正能量的传播中起着重要作用。在学校网络中，中间中心度最高的8个节点分别是复旦大学、华南理工大学校友会、华中科技大学、复旦大学校友会、哈德斯菲尔德大学、中国人民大学校友会、北京王府学校。将中间中心度最高的节点与点度中心度最高的节点进行比较发现，中间中心度最高的8个节点中有5个出现在点出度最高的8个节点中。例如，复旦大学和武汉大学的点入度、点出度、中间中心度都较高，说明基于三种不同的中心度进行计算，武汉大学和复旦大学都是核心成员，表明它们既能影响他人的相互交往，又能与其他成员相互交流。在微博名人网络中，思想聚焦、IT观察猿、李开复的中间中心度是比较高的。但IT观察猿的点度中心度并不高，说明该用户与其他用户交流并不是很多，而其他各个用户利用其获取消息的依赖程度是比较高的。另有辣評娛樂圈、苏若琳的中间中心性指数为0，说明这些成员处于网络的边缘地带，对于信息的传递并不重要。

2．3．4整体中间中心势分析整体中间中心势越大，说明该网络中成员对其他网络成员之间的交往能施加的影响力越大［21］。企业、学校的整体网络中间中心势分别为8．32%、7．27%，指数偏低，说明这两类网络中缺少对其他节点有明显控制力的关键节点，缺乏较强的信息传递能力。因为如果整个网络中大部分的节点不需要别的节点作为桥接点，那么该网络有较强的信息传递能力。政府、微博名人网络的中间中心势分别为17．23%、12．22%，说明在政府、微博名人网络中，对其他节点具有较强控制力的节点分布比较集中，有较强的信息传递能力。4结论本文从关注微博用户网络的结构、密度、派系、中心性等出发，比较分析政府、企业、学校、微博名人这四类网络中内部用户的互动关系、个体用户的各项指标，为发现认识微博网络的形成和发展，及信息如何在网络中更有效的传播提供了帮助。经过分析之后得出:

a．政府网络的网络结构比较密集，信息是在一个具有强关系的小网络中传播，网络内部信息传递的效率较高。在政府网络内部，公安部门内部联系比较紧密，其桥接网络内部信息传播的作用凸显，处于政府网络的核心领导位置，是政府网络信息传递的关键人物，对信息的传递与扩散有较大的控制权力。然而政府网络的点度中心势很高，反映了政府群体过于集权，过分依赖少数群体，信息在网络的传播就容易被该群体垄断。因为点度中心势代表的是群体集权程度，如果一个群体的中心势很高，这个群体的互动实际上就很集权，几个关键人物就代表了整个社群的互动。此外，在派系分析中，政府网络的派系虽多，但各个派系都包含公安部门，再一次说明公安部门在政府网络信息传播过程中具有很强的影响力。这是因为随着社交媒体的兴起，人们开始关注社会各类法制事件，且公安部门的信息往往真实程度最高，故受到人们的青睐与信任。这说明政府网络要利用好社交媒体更好地传递信息，需提高各个部门的公信力度，提高其公开性与透明性，政府网络派系间应多交流，避免信息传递的单一性。

b．与政府网络的结构特征类似，微博名人网络的结构也比较密集，但却有别于政府网络呈现出来的包络性，网络内部有两个凸显且密集的子群。名人子群主要以财经与时尚为核心，体现了人们对信息有一定的偏向性。随着社会的发展和生活条件的改善，人们开始关注理财与精神需求。网络内部的关键人物主要是一些知名度较高的企业家或时评者，其名人效应使其在信息传递的过程中有较大的话语权。在微博名人网络内部，财经和商业类联系比较紧密，信息在二者内部传播较好，但部门间联系不紧密，导致信息在整个微博名人网络中的传播效率不足。网络派系过多，虽由一些关键人把派系间联系起来，但派系间呈现行业特征，其的信息内容较为独立，各派系间信息内容的交叉现象不明显，导致从整体来看，不同类别信息在微博名人网络中的流动有一定的障碍。此外，微博名人网络的中心势过低，这也意味着网络内部群体过于分散，使得互动分散而不集中，信息在子群内传递的效率较高，而在整体网络中传递的效率较低。这说明信息要在微博名人网络中更好地传播，需提高各类子群所信息的多样性，避免由于信息的独立性而造成信息传递中断。

c．相比前两类网络，企业网络的结构较为松散，信息在网络中的传播速度比较缓慢，且直接传播途径较少，内部成员主要通过搜索或者通过关注外部成员获取信息。企业网络内部的派系较少，且派系间的联系不明显，信息在整体网络中流动性较差。在企业网络内部，派系主要由母子公司成员构成。当母公司信息时，子公司作为公司集团微博中的一员，通过关注、借助企业品牌的源吸引力，形成了自身的用户关注网络，公司职员关注其微博，获取信息来源，同时也产生一些间接关注，从而形成一个大的子网络。由此发现信息在企业中的传播主要依靠企业微博及与此相关联的集团微博的吸引力。此外，我们发现金融部门在企业网络信息传递过程中扮演重要角色，其嫁接桥梁为其他企业提供间接联系。这说明信息在企业网络中的扩散能力较弱，需强化关键人物的中介作用，使信息在网络中更好地传递。

d．学校网络的结构也比较松散，但相对企业而言，派系间的联系较为紧密，使得其整体网络密度较高。派系较多，且交叉关系明显，信息在网络内部派系间的传递效率较高，可改善由于整体结构松散而引发的信息传递中断现象。派系较多，但构成派系的成员隶属高校、校友会和教育培训部门，说明了这三个部门之间的联系十分密切。中小学、出国留学和培训机构位于企业网络的边缘位置，而高校在网络中占据核心位置，这是由于高校信息的受众较广造成。高校的信息接收对象有很大一部分是大学生，学生群体利用微博接收信息的使用率较高，而中小学等的信息接收对象大多为家长，家长利用微博接收信息的使用率较低，这种社会现象影响了企业网络的整体结构。这说明应提高企业网络及企业网络信息传播对象利用微博传递接收信息的积极性，促使信息在网络内更好地传播。由此可见，信息在各类网络中的传播形式是不同的，本文基于社会网络分析方法对各类网络的结构特征做了一定程度的探索性研究。在接下来的研究中，我们会拓展研究样本，并追踪各网络主体所的微博内容，从而分析引发各类网络特征不一致的原因，进一步分析如何促使信息更好地传播，并对如何利用微博平台强加和改进网络内容建设提供政策建议。

社会网络论文范文第6篇

随着人们收入水平的增长和市场经济的繁荣，食品市场的供给更加丰富，产品的竞争也更为激烈。食品消费中表现出了对食品品牌的重视，对时尚消费的追求，对健康和营养产品的青睐，食品消费需求正从满足基本生活需要向追求高品质和独特生活方式转变。与这种转变相对应的就是食品品牌在食品消费和食品营销中将会发挥越来越重要的作用。随着互联网的发展和社交媒体的广泛使用，食品营销和食品消费中也越来越体现出互联网的影响力以及社交媒体的作用。从购买渠道上看，在网络上购买的食品的比重在逐渐增加，无论是普通食品还是比较有特色的相对稀缺的食品，网络购买都极其方便。从购买依据上来看，已有购买者的评价成为选购食品的主要依据，这在其他商品的网络购买中也具有这一特点。从信息来源上来看，各种论坛、朋友圈等社交网站为消费者的信息交流和传播提供了极大的便利，食品消费者从这些渠道获得关于食品的各种信息，又将使用的经验在网上，从而实现与其他网络成员的信息共享。互联网加速了社会网络的扩张和发展，这对食品消费和食品营销产生了新的影响。

2社会网络与社交媒体

社会网络是社会学研究中的一个概念，它可以简单地称为行动者之间连接而成的关系结构。它体现为一种结构关系，也反映行动者之间的社会关系[1]。在网络社会，社会网络日益受到社交媒体的影响，社交媒体的出现加速了社会网络的扩张，同时也改变了社会网络的结构以及与之相应的社会关系。

2.1社会网络与信息传播

对于社会网络的分析，可以站在很多角度，从消费者的角度来讲，存在自我中心网络和社会中心网络两种网络结构。所谓自我中心网络，是以消费者个人为中心的网络，消费者与其他网络成员之间存在联系，但这些联系存在一个核心，那就是消费者自己，消费者通过这一网络与外界的支持者取得联系，获取各种消费所需的信息。尽管信息都是双向流动的，但自我中心网络更强调信息向消费者这个中心来传递的特征，也更强调消费者对信息获取的主观努力，比如消费者在购物或消费的环节中遇到一些问题需要解决时，他们会通过自我中心网络寻求帮助和支持。所谓社会中心网络，是指网络中不存在明显的以某一成员为核心的结构，不同的消费者直接或间接地发生联系，并且这些联系是在平等的基础上进行的，没有主从之分，信息在相互联系的消费者之间双向流动，并且借助于社会网络的复杂结构，信息实现了在网络群体内的多向传递和迅速扩散，而且这种信息扩散的效果是非常明显的，DamonCentola[2]的实验就证实了这一点。

2.2社交媒体与品牌营销

应该说，社会化媒体也就是社交媒体的出现一定程度上改变了社会网络，也加速了社会网络中的信息流动。各种论坛、贴吧、朋友圈等新的信息交流方式的出现为消费者搜寻信息、交换意见、甚至是购买产品都提供了新的渠道媒介。社交媒体既推动了社会网络的发展，同时依托它也形成了一个基于互联网的社会网络，并且这个网络具有更迅猛的发展势头。社交媒体的主要功能是信息的交换和流通，而以消费者的身份参与其中，这种信息的交换和流通就演变为产品和品牌的信息传递以及使用经验的分享和交流。一些企业敏锐地发现了其中的商机，开始利用这些媒体直接进行营销活动或者为营销活动提供辅的工作，营销者利用社交媒体与用户建立良好的联系，可以获得顾客需求的各种信息，同时也创造着更令消费者满意的顾客体验。直接通过社交媒体与顾客建立联系，这可以说是社交媒体参与营销活动的一种方式，而另外一种方式就是完全借助于消费者之间相互模仿、相互学习、相互跟随的消费心理，通过影响其中的一些消费者特别是有影响力的消费者，进而影响其他的消费者。通常，消费者可能不相信企业的信息，但对社会网络中其他消费者或者有特殊影响力的消费者的信息则更愿意相信，营销者非常了解消费心理的这一特征，所以常常会利用它进行营销活动，而社交媒体的出现为企业进行这样的营销活动提供了便利。能够在社交媒体网络中传递的信息，可能包括产品或服务的信息以及使用的经验，这些信息和经验往往都依附于某一品牌，这是品牌时代的一种体现，也是品牌营销的一种新的发展表现。[3]

3食品品牌营销中社会网络分析的应用

在食品品牌营销中，营销者需要以恰当的渠道向消费者传递出企业产品的信息，在消费者心智中树立企业品牌的与众不同之处，并且让这种传递以易于被消费者接受的方式来进行。社会网络的存在以及社交媒体的发展为企业食品品牌营销活动找到了新的营销渠道和营销媒介，因此企业在食品品牌营销中应该重视社会网络分析的运用。

3.1要综合利用社会网络

社会网络以及社交媒体的存在对食品品牌营销的影响是多方面的，营销者要具有综合性的思维，从多个层面和多个角度分析和利用社会网络。社会网络除了承载品牌信息的传播和推广的功能，还应该担负起了解用户需求，与用户进行沟通的重任，而且这一网络在引领消费的潮流和塑造饮食文化方面也能起到非常重要的作用，这些都是营销者应该格外重视的。消费者在各种社交媒体上有意无意的讨论和交流反映的是消费者对社会交往的渴望，但同时在这种渴望中也传达着消费者对食品产品的具体需求，而且，食品这种大众化的消费品更易于成为人们交流的话题，也容易引起讨论的共鸣。因此，可以通过社会网络特别是社交媒体的力量挖掘消费者的需求，这样得到的信息可能比单纯的市场调查结果更具体和更真实。社会网络中的信息传递和经验传播同样为营销者带来了机会，今年夏天“东北大板”雪糕在微信朋友圈内的流行就为该产品的市场推广起到了重要的作用，而这正是企业借助社会网络的力量进行品牌营销的最好证明。社交媒体上关于某种食品或某个品牌食品的讨论可以迅速在整个网络内部扩散，它对网络成员的刺激作用不可小视。由于消费者的行为很容易受到网络成员行为的影响，所以社会网络内部很容易形成一种独有的和特定的消费文化。工作压力的加大以及社交渠道的转移使得以社交媒体为核心的社会网络在食品产品和品牌的营销中日益发挥出重要的作用。

3.2要重视网络中的不对等关系

在社会网络中，各行动者之间的关系从来都是不对等的，网络中一些行动者由于拥有特殊的资源或者由于绝对的权力或者由于较高的威信使得他们在网络中具有有别于其他成员的独特的影响力，而这种影响力促成了其他网络成员对其的服从或依赖。无论是以自我为中心的网络还是以社会为中心的网络，这种不平等的关系始终存在，企业在进行食品品牌营销时，可以充分考虑利用这种不平等的关系。网络中的食品信息或食品品牌的传播，在最初通常都需要一个者，当然同时也需要网络之外的实物产品营销的配合，信息由谁来对营销结果至关重要。如果选择一个有影响力或者有声望的行动者来这样的信息，那么网络中的其他消费者就很愿意相信这样的信息并乐于使自己的行动与这一“领袖”人物的行动保持一致，这样，营销者就借助领袖人物实现了产品信息在整个社会网络内的快速和高效的传播，同时还很可能带来积极的购买行为。一些企业借助明星的粉丝效应，通过明星微博的信息来营销产品就是利用了社会网络关系的不平等的特点。而明星或者名人的广告宣传实际上也有类似的效果，明星或名人在以其为核心构筑的社会网络中，尽管信息基本上是单向传递的，但还是可以影响到众多的消费者。比如周杰伦代言的优乐美奶茶良好的市场表现就与明星的影响力密切相关。在以社交媒体为主构筑的社会网络中，影响力或有声望的人物不一定是明星，食品专业领域内的行家或行为有领导力或信服力的人物同样可以担当这一角色的重任。

3.3要充分利用社会网络中的各种数据

一个社会网路特别是依托于社交媒体所形成的社会网络，网络成员的数量是极其庞大的，成员之间交流和传递的信息量也是非常巨大的，一个含有商业交易的社会网络，交易信息的数量可以说是海量的。看似复杂的网络中，海量的信息蕴含着巨大的商业价值，特别是对于食品营销来说，信息的共享者以及信息的共享量在社交媒体上是无法计数的，其对营销的价值也是不可估量的。信息技术、互联网技术以及移动互联网技术的发展为数据的存储、传输和处理提供了保障，大数据的分析技术又为社会网络中的数据利用和分析提供了可能。例如，大众点评网可以说是由网络的所有使用者构筑的一个社会网络，而网络上各种点评的信息为网络成员的餐饮消费和其他消费提供了决策的参考依据，众多成员及其产生的需求和消费信息在网络系统中大量存在，食品营销者对这些信息和数据进行科学的处理和挖掘后，一定可以找到可以利用的盈利机会。

社会网络论文范文第7篇

1.1以WebofScience为数据源

以WebofScience作为数据源，进行检索和筛选数据。论文以生物材料学科为例，分析科研人员及其团队，为学校挖掘可引进的人才，也为学校人才引进提供评估参考材料。

1.2分析流程

(具体见图1)论文采用h指数、R指数、AR指数作为衡量学者科研水平的3个量化指标。h指数不能区分h值相同但论文被引频次相差悬殊的情况，缺乏一定的灵敏度和区分度，结合采用了R指数、AR指数，解决h指数存在的一些不足［9］。

2以生物材料为例的应用分析

2.1基础数据检索与清洗、筛选

选取检索源:Webofscience的SCIE数据，因webofscience数据存在滞后，为保障期刊论文数据的完整性，选择数据库时间范围为:2003－2012(10年)，具体检索时间:2014.3.10。论文采用了材料科学－生物材料作为案例进行检索分析，假设某学校想引进生物材料方面的学者。选择的期刊以JCR－Q1期刊为参考，选取了webofscience的“MATERIALSSCIENCE，BIOMATERIALS”类目的Q1期刊，共六种期刊。通过webofscience检索出版物名称=(″BIOMATERIALS″or″ACTABIOMATER″or″EURCELLSMATER″or″DENTMATER″or″MACROMOLBIOSCI″or″BIOFABRICATION″)，时间跨度=2003－2012，检索结果:13179条。筛选出:article、review两种类型文献12970篇。

2.2作者基础排序分析

以webofscience的分析功能，选取排序前10位的发文作者，见表1列出了前10位作者及其发表的论文数量，论文中分别以A1、A2…标示各位作者。论文在此研究中，暂不考虑作者在论文中的贡献度，即不区分第一作者、通讯作者或是所处的其他合作位置。在webofscience中，作者名称基本采用了姓氏加名的首字母，存在较为严重的同名作者问题。考虑作者的同名现象，对每位作者结合作者机构进行较为精确的分析。在webofscience中作者同名问题基本没有得到解决，需要通过人工筛选才能达到精确。对上述10位学者对应的文献进行逐篇查看，可以确定出该检索集中，有3个作者姓名简称对应了多位学者，如对A3的70篇文献中的前20篇进行逐篇查看，20篇论文属于16位不同单位且姓名简称同为A3的学者。同样发现A9和A10具有多位学者共同构成论文篇数，均被排除出前10的位置。通过逐篇查看，筛选出排名前7的学者。

2.37位学者h指数、R指数、AR指数分析

对筛选出的前7名学者，进行SCI论文检索，检索时间范围为:2003－2012，检索日期为2014.3.16，文献类型为ARTICLE或REVIEW。因为涉及同名、作者曾在不同单位任职等现象，结合webofscience的“惟一作者集”等作者辅助检索工具，进行筛选。2.4A7学者及其团队的挖掘分析论文选用SATI文献题录信息统计分析工具［10］和UCI-NET社会网络分析软件［11］对A7的SCIE论文进行分析。通过分析挖掘与A7有更多直接合作关联的学者，拟挖掘“他们”作为某学校生物材料方面的外聘人才。利用两个软件，构建了如图3所示的A7的作者合作网路。从图3可以发现A7的合作网络错综复杂。利用k－核概念，研究网络合作的凝聚子群。所谓k－核是指如果一个子图中的全部点都至少与该子图中的k个其他点邻接，则称这个子图为k－核［11］。通过k－核，可以发现一些高合作、高凝聚的群体。对A7的社会网络进行k－核分析，如图4所示为A7文献作者k－核分析的部分截图。由图4可见，在A7的392篇文献的所有合作者中，可以进行8种分区，度数分别为2，3，4，5，6，7，8，9，即分别为2－核，3－核，……，9－核。9－核即是指A7和其他34位学者(图4所示的作者编号P1、……、P84)共同组成各个作者之间至少有9个邻接的子群，可能是学科团队、或项目合作的团队，其中可能存在一些具有知识引导的团队带头人。计算A7合作网络中学者们的在整体网络中个体密度值，图5为截取其中部分学者的个体密度值计算。从图5可以得出这个整体网中各个个体(科研人员)的密度值、及其他指标值。A7的个体密度值最低，值为9.44，Broker和EgoBet值最高，分别为3791.00、2927.17，他这个作者群网络中的知识引导人、合作引导人，其位置占据了结构洞位置，是作为“桥”位置者。结合图5所示的9－核团队，在这些学者中，P1的网络规模最大(值为45.00)，密度是19.90，Broker值是793，EgoBet值是326.90，仅次于A7，在其合作网络中，占据结构洞位置，可作为引进人才或外聘的人选。P3密度值为27.92，Broker值为253，EgoBet值是98.46，在合作网中与他人有合作、也有一定的知识引导作用。从图5也可以发现，学者P7的密度值最大，为100，Broker和Ego-Bet值均为0，在个体网中的中间性不强，不占据结构洞位置，可以猜测其为求学的学生或是某个项目的参与者。根据上述分析，P1和P3可作为外聘或引进的人选。对这两位学者，同样计算其2003－2012年期间的h指数、R指数、AR指数，通过和表3学者的各个指标进行比较、衡量。P1的各位指数都高于P3，且与表3中的7位学者的∑(h，R，AR)值进行排序，排列第4。

3结论与进一步思考

(1)文献是科研工作的成果积累，图书馆以学术文献为分析源进行评价分析，从第三方的角度，可以较为客观评估学者的学术水平，为学校引进人才提供参考建议。学科人才评价、学科团队挖掘中，在开展同行评议的同时，学校可以采用学者已发表的文献评估作为有效补充。(2)采用h指数、R指数、AR指数，综合考察学者的学术排名，有效消除了h指数存在的不足，较为完善地评价了学者相对学术水平。利用社会网络分析，分析科研团队，根据密度值、K－核分析等分析核心成员。图书馆可以结合自身优势，开展相应的人才评估情报服务，用于对学者进行挖掘、评估，为学校提供有意义的分析报告。(3)R指数、AR指数有效弥补了h指数不足，但传统的引文指标在数字出版时代、原创作品更多实现开放获取的时代，分析力度显得有些不足。社会网络驱动下，可以结合altmetrics补充计量学指标，例如文献管理系统(如Mendeley)、researchgate平台、评论、博客微博网络分享等，实现从学者多维的综合评估到学者的分析挖掘。(4)对于引进人才的评估，文献计量分析与评价只是一个角度，仅作为一种信息源参考，全面引进评估需要结合同行专家评议、个人累计信用评价、引进后期的评估等，构建完善的评估体系。

社会网络论文范文第8篇

云计算作为一个新兴的研究领域,信息系统学者开始研究的时间尚短,而且许多研究往往发表在信息系统领域的学术会议中,而这些会议和一些期刊并不包括在WOS引文数据库中。为了更加全面的展示信息系统领域对云计算的研究现状,本文将在18本信息系统主流刊物和2个重要国际会议检索获得的159篇文献和引用频率较高的9篇文献作为分析样本,通过分析168篇文献的参考文献,获得了它们之间的相互引用关系,将它们的相互引用关系生成了一个168×168的稀疏矩阵,然后将该矩阵导入UCINET和PAJEK两种SNA软件,分别作了重要文献分析、主路径分析和派系分析。

2结果分析

2.1文献之间联系

密度(NetworkDensity)是反映社会网络图中各个节点联系紧密程度指标,网络密度是网络中的连线数links除以一个完整的网络所可能有的矢量数vertices,即密度D=2*(L(G)/N(N-1))(其中L(G)为网络G中的连线数,N为节点数)。在引文关系网络中,网络的密度越大,代表文献之间的联系越紧密。基于分析数据绘制了168篇文献之间的引文网络,如图2所示,各文献之间的引文关系比较稀疏,该社群图的密度为0.0136,即使删除33个孤立点,该社群图的密度也仅为0.0211,仍远远小于一般的社会网络。这些都说明,云计算作为一个新兴研究领域,其研究还处在初级阶段,各研究之间的相互关系还不够紧密。点度中心势(NetworkCentralization)是反映整个网络的集中趋势的指标,该指标越接近1,说明网络中各行动者的联系越紧密。本引文网络图的点出度中心势为6.244%,而点入度中心势为14.377%,点出度中心势13.78%,说明该引文网络引用与被引用关系不对称,点入度的集中趋势更高,但总集中趋势不明显,说明关于信息系统领域关于云计算的研究比较分散,尚未形成核心的论文群。中间中心势(NetworkCentralizationIn-dex)也是分析网络整体结构的一个指标,其值越高表示网络中越是有某一(或几个)成员更多地控制网络中信息的流通,即网络中知识的共享越是依赖于某一(或几个)成员。本引文网络的中间中心势为0.19%,这说明整个网络的中心度非常低,即现有研究中云计算知识的传播不依赖于某一篇(或几篇)文献。

2.2重要文献

文献的重要性程度可以通过文献在引文网络中的作用来判定,包括点度中心度和中间中心度两类指标,点度中心度(degreecentrali-ty)主要用于衡量网络中与某节点有直接联系的节点数目,测度的是节点的影响力,与该节点直接联系的节点数目越多,表明该节点处于中心地位,在网络中具有一定的“权利”。点度中心度包括入度和出度两个指标,在引文网络中,点出度大小表示该文献引用文献集中其他文献的频次,点入度则相反。中间中心度(be-tweenesscentrality)计算的是某节点占据其他两个节点之间最短路径上的能力,是从知识流通的角度对节点进行测度结构性指标,如果一个点处于许多其它点对的捷径(最短的途径)上,表明该点具有较高的中间中心度,在整个网络中起到枢纽的作用。对于被引文献来说,中间中心度越高,表示文献能在源头控制知识的传播。而对于引用文献来说,则表示文献在传播过程中起到枢纽的作用,但是往往对其他文献的依赖性也较大。本文计算了所有节点的点入度、点出度和中间中心度,将点入度大于等于8或者中间中心度大于等于3的文献,作为重要文献,如表1所示。从表1可以看出,编号为132、50、135、76、133、137和109的文献点入度和中间中心度都较高,说明这些文献是云计算研究的知识源头,其中文献132、135、133和137来自后来增补的9篇文献,说明信息系统领域对云计算知识的研究对其他领域的相关研究依赖度较高。从研究内容上看,文献132、50、135、76、133和137均属于云计算概念和认知方面的研究,这也进一步表明信息系统领域对云计算的研究尚处于起步阶段,而文献109则分析了客户采纳软件即服务的影响因素。从表1可以看出,编号为24、144、73、28和22的文献虽然点入度不高,但是点出度和中间中心度值都较高,说明这些文献在云计算研究的知识传播过程中作用关键,但是更多是学习和引用其他学者的研究成果。进一步分析这四篇文献的研究内容发现,文献24、144、73、28是不同角度的云计算研究综述论文,而文献22也是在文献综述的基础上,利用设计科学的方法和专家访谈,研究了客户选择SaaS服务的标准问题。

2.3研究发展路径

云计算研究的发展路径可以通过主路径分析(mainpathanalysis)来完成,主路径分析关注了引文时序网络的形成过程。把引文网络看作一个传输知识信息的通道系统,如果有一篇高被引论文不但承继了很多以往的研究成果,并且还增添了实质性的新知识,则它或多或少会降低先前一些论文的参考价值。因此,这篇文献就成为了承载着大量知识流的通道枢纽。那么,有很多引用路径都需要经过的文献节点一定比只有很少引用路径经过的文献节点更加重要,这些最重要的参考文献及其引用关系就构成了一条或多条关键路径,勾勒出科学研究发展的框架图。本文选择SPLC算法计算边的遍历权重,这里的权重指的是每一个特定引用路径或文献在连通其他文献的引用路径时被需要的程度,运用pajak软件绘制了云计算研究的主路径图,如图3所示。图中的节点代表文献,数字为文献编号,每篇文献以作者和发表时间标识,箭头指向的是被引用文献。从图3可以看出,云计算研究发展路径包括12篇文献,其时间跨度为2007年到2013年,这12篇文献中有9篇文献是云计算研究的重要文献。图3云计算研究的主路径根据表1和图3,结合对这12篇文献的阅读,可以将云计算的发展分为以下两个阶段:第一阶段(2010年及以前):起步阶段。在这一阶段,云计算的文献大部分为概念和认知方面的研究,包括云计算的定义、技术特征、发展的机遇和挑战等。如文献140[25]描述了人们对云计算的不同看法,包括数据中心、分布式计算、公共网格以及软件即服务等;文献133[23]提出了面向市场的云计算,包括服务架构、云的资源管理战略、资源定价和分配等,描述了云计算成为继水、电、煤气、电话后的第五个公用事业的愿景和现实;文献137[29]将云计算和网格计算进行了全面对比,提出了云计算的商业模型和将来云计算的研究方向;文献132[19]给出了普遍认可的云计算定义,并描述了云计算的技术特征;文献30和135[3,21]对云计算发展面临的机遇和挑战进行了全面分析;文献136[30]则分析了云计算的收益、风险和信息安全等问题。第二阶段(2011—2013年):发展阶段。在这一阶段,云计算的研究文献开始大量涌现,每篇文献的研究内容具体,理论视角和研究方法明确。如文献35[34]通过系统的文献综述和云计算服务的需求分析,设计了一个参考模型来帮助企业进行风险和依从性管理;文献24[10]采用全面的文献综述方法,从商业角度对云计算的特征、采纳决定因素、治理机制和商业影响四个维度进行了论述,发现云计算采纳的影响因素以及云计算的商业影响的研究比较少;文献9[35]利用层次分析法对云服务提供商的选择次序进行了研究,为客户选择云服务提供商提供了决策参考;文献2[36]基于交易成本理论,从制度因素对印度的中小企业采纳云服务的影响因素进行了研究。从上述分析可以看出,在第二阶段,云计算研究开始从第一阶段的概念和认知研究,转向企业对云计算的采纳和应用。

2.4研究主题分类

云计算研究主题分类可以通过派系(Fac-tions)分析进行。派系分析是指将引文网络分成不同的凝聚子群,凝聚子群指具有相对较强的、直接的、紧密的联系的节点的集合。除去33个孤立点外,通过派系分析,将135篇文章分为四个小团体,如图4所示。进一步地阅读文献,四个团体的研究主题分别为认知视角(左下角节点)、商业视角(左上角节点)、技术视角(右上角节点)和应用视角(右下角节点),下面分别介绍每个小团体的主要研究内容和代表性文献。

2.4.1认知视角

认知视角的文献主要是对云计算基本概念、特性、分类等的描述性研究,探讨云计算发展面临的问题及机遇,其目的是了解和认识云计算,而不是针对特定研究问题。如,从技术角度讲,云计算并不是全新的,其融合了网格计算、效用计算、分布式系统、簇计算等技术。文献138[31]从商业模式、架构、资源管理、程序设计模式、应用模式、安全模式等方面对云计算和网格计算进行了全面对比,得到云计算和网格计算的基本特征;文献137[29]则从虚拟化程度、应用类型、应用开发、使用方式、组织结构、商业模式、SLAs/Liability、管理方式、开放性高低、易使用性、转换成本等角度比较了云计算和网格计算的异同点,并根据定价模式和服务类型对云计算进行分类,总结了云计算的研究方向。之所以文献138[31]和137[29]都把云计算与网格计算进行对比,是因为云计算是在网格计算的基础上继承和发展起来的,两者之间既有联系又有区别。文献138[31]中网格计算与云计算的对比是全方位的,而文献137[29]侧重的是基础层面的对比。文献50[3]认为云计算研究和发展面临的主要问题包括服务可用性、数据防丢失、数据的保密性和可审核性、数据转移瓶颈、存储可扩展性、大规模分布式系统的漏洞、快速扩展、声誉共享、软件许可等。

2.4.2商业视角

商业视角的文献关注云计算的商业意义,重在揭示云计算对服务提供商和客户的商业价值创造过程,具体的研究问题包括云计算的影响、定价、利润分配、采纳、成本和信任等。在云计算的影响方面,云计算对企业的影响是多方面的,如在战略层面,文献17[37]基于扎根理论的方法,分析了云计算对企业IT战略的多方面影响;在业务层面,文献76[22]认为云计算是IT效率和企业敏捷性的有效融合,提供了IT资源的快速获取,提高了信息系统建设效率,资源的快速配置、并行处理和实时响应则能增强企业敏捷性,同时降低中小企业获取信息系统新功能的成本,获得原来只有大企业才能使用的信息技术资源,降低创新壁垒。在云计算定价和利润方面,云计算的利益相关者主要有云服务提供商和云用户[20],对于云服务提供商来说,如何对云服务进行定价会影响资源的利用率以及收益。文献114[38]利用经济学模型研究了永久许可模式和租用模式对软件提供商的服务水平和产品定价策略的影响,发现SaaS租用模式能够增加产品开发投资和供应商利润,并提升软件质量,同时云服务提供商利益分配也会影响云服务的质量;文献106[39]提出了客户化投标价政策(CustomizedBid-PricePolicy),帮助在资源稀缺条件下IaaS服务提供商是否接受用户请求的决策,从而实现资源最合理利用和提高收益;文献116[40]研究了应用服务提供商和基础设施提供商的利润分配策略对SaaS绩效的影响,结果表明至少存在一种利润分配策略可以使双边垄断的应用供应商和基础设施提供商达成帕累托效率协作,进而通过协作提供高质量的云服务。在云计算采纳方面,文献11[41]利用调查方法,研究了模仿压力、强制压力和规范压力对SaaS采纳的影响,研究结果表明三种环境压力都对SaaS采纳有直接的显著影响,模仿压力和感知的技术复杂度交互影响SaaS采纳;文献86[42]则通过分析InformationWeek500的年度调查数据,发现云计算采纳确实可以提升CIO的战略聚焦。

2.4.3技术视角

技术视角的文献主要研究云计算的技术细节,研究问题包括云计算的技术特征、数据中心管理和服务管理等,其关注的不是云计算技术本身如何实现,而是云计算技术特性在某些方面的作用或影响。例如,文献96[43]研究了SaaS的可配置性进行分析,发现SaaS价值共创是随着可配置性的成熟度改变而变化的;文献118[44]基于理论和模块化理论,认为客户和供应商之间知识的依赖性是云服务解集的核心挑战,客户和供应商间模块化接口会对软件即服务的合同选择产生影响;文献71[45]分析了云计算弹性安全的挑战,即在虚拟客户环境下,提供适当的管理分离、细粒度资源使用和预定义控制,以及在动态和弹性的模型中如何进行资源的配置和变更管理。

2.4.4应用视角

应用视角的文献主要讨论云计算在特定领域的研究和应用问题。如文献26[46]通过对金融机构的访谈,指出安全监管政策的不充分、云服务提供商之间缺少交互、管理权利的滥用、滥用或窃用用户的账号、通讯联系或数据中心的中断、不同数据中心数据迁移等安全问题是阻碍金融行业应用云服务的主要因素;文献5[47]的研究结果表明,在银行中应用云服务的过程中,金融利益的感知是银行高级管理员对利益的最重要的感知,而政府对隐私、安全的监管是其对风险的最重要的感知。文献26[46]和5[47]的研究结果都表明,安全问题是阻碍金融业应用云计算的主要因素,不仅在金融业,在其他行业也是如此,隐私、安全和风险问题都是企业应用云服务的影响因素[48-50]。文献44[51]对云服务在射频技术中的应用进行了研究,设计了一个基于云服务实现射频技术实现网络数据的高速数据访问的方案。

3结论与展望

3.1研究结论

云计算作为一种新的信息技术革命,对信息技术产业和企业的信息技术应用产生了巨大影响,也引起了信息系统学者的关注。本文利用社会网络分析方法,对这168篇云计算相关文献进行了系统化分析,确定了信息系统领域云计算研究的重要文献、发展路径和研究主题。主要研究结论如下:第一,从文献的引文网络看,云计算文献网络的密度还比较低,点度中心势和中间中心势也比较低,也就是作为一个新兴的研究领域,信息系统领域对云计算研究尚处在初级阶段,各研究之间的关系还不紧密,研究主题较分散,尚未形成核心论文群,突破性的研究成果还没有出现。第二,从重要性文献看,信息系统领域对云计算研究的重要文献大多是关于云计算的概念、认知和综述,进一步说明该领域对云计算的研究处于初级阶段,而且相当一部分重要文献来自于本文的检索范围之外的其他领域期刊或者会议,这说明信息系统领域云计算的研究对其他领域的相关研究依赖度较高。第三,从研究发展路径看,信息系统领域对云计算的研究可以分为起步阶段和发展阶段,起步阶段主要研究的是云计算的定义、技术特征、发展的机遇和挑战等,缺乏具体的研究方法和明确的研究问题;而发展阶段的文献开始有了具体的研究方法和明确的研究问题,研究重点也开始转向企业对云计算的采纳和应用。第四,从研究主题分类看,信息系统领域对云计算的研究可以分为认知视角、商业视角、技术视角和应用视角。认知视角主要关注云计算基本概念、特性、分类等;商业视角主要关注云计算的商业意义;技术视角主要关注云计算的技术细节;而应用视角主要关注云计算在特定领域的应用。

3.2研究展望

作为一个新兴的研究话题,云计算得到了信息系统学者的普遍关注,并做出了一些卓有成效的研究工作,加深了信息系统学界对云计算的认识,也增强了对企业应用云计算的实践指导。但是总体上来讲,信息系统领域对云计算的研究尚处于初级阶段,还有很多问题值得进一步深入研究。作为一种新型的信息技术服务模式,云计算涉及服务提供商、客户、经纪人(CloudServiceBrokerage,CSB)和监管机构(regulator)等利益相关者,下面将分别从各个云计算利益相关者角度论述未来研究方向。服务提供商是云计算服务的主体,其利用自身的计算资源,通过按量收费的方式向客户提供专业化的信息技术服务,并负责自身信息技术资源的运维、升级、管理以及客户的信息安全。云计算服务的定价是云服务提供商关心的首要问题,也是保证云计算市场健康有序发展的前提。此外,云计算的共享化和规模化对网络安全、应用安全和数据安全的影响问题也是服务提供商角度研究的重点。客户是云计算服务的客体,包括企业客户和个人客户两类,相比个人客户,云计算对企业客户的影响更大,本文主要考虑是企业客户。云计算作为新的信息技术革命,必然伴随着管理变革和更高层次的信息技术商业价值,因此企业客户角度的研究包括:云计算对企业各个管理层及职能、尤其是信息技术职能的影响,企业的云化战略、云化的方法和云化的过程;企业云服务的选择和评估、云服务提供商关系治理、云服务SLA合同设计等问题。云服务经纪人是云服务提供商和客户之间的第三方中介机构或者个人。云服务经纪人承担这两种角色,首先是云服务销售商,如何针对云服务的特征和云服务经纪人的市场地位,设计合适的销售策略和收益模式是需要解决的问题;其次,云服务经纪人是匹配云服务供给和云服务需求的“红娘”,因此如何识别客户的云服务需求,如何实现云服务供给和云服务需求的最佳匹配都也是需要研究的问题。云计算市场的监管机构是负责监管其他利益相关者的机构,其作用是监督和约束云服务提供商和云服务经纪人的市场行为,规范云计算市场的发展。值得研究的问题包括云计算中数据的所有权和归属权的明确、云计算数据和信息安全立法、云服务提供商信用评价和信用评级等。

社会网络论文范文第9篇

论文关键词：网络技术行政管理趋势变化

信息技术的迅猛发展,特别是网络技术的问世和应用,使网络最初只是通讯与学术交流技术手段和工具成为现实社会生活中不可缺少的重要内容。计算机网络自1993年美国提出“信息高速公路计划”和1996年提出的“下一代因特网研究计划”后,在世界范围超高速、多功能发展计算机网络、电信网络和计算机网络并实现三网合一。据统计,当前,世界上运行的微机总数已达到3亿台,计算机互联网用户达3亿,以数字、网络化为基础,多媒体为特征,数字式的电子信息产品将成为新一代产品中的主角。1996年世界计算机年销售额第一次超过了工业社会中最有代表性的产品汽车的销售总额,据国际数据公司统计,到2005年上网用户将超过10亿。借助电脑、电话线、调制解调器,人们就可以跨越时限进行无边界的、全球的运作,网络成为连接不同国家、地区、民族、肤色的纽带和桥梁,世界各部分被网络连接为一个整体,形成一个网络社会。行政管理是国家行政机关对社会事务实施的有效管理活动,进入网络社会后,与传统的社会相同仍然需要国家的行政管理活动来推动社会事务的有效运行。但是网络社会的行政管理与以往不同的是,它所呈现的全球性、平等性、精确性、共享性、知识性、自主性、虚拟性等特点将对行政管理运行过程产生巨大影响。表现为:

第一、行政管理客体时空范围全新化——网络空间域和网络时间态的凸现。自从麦克卢汉(Mcluhan.,M.)提出“地球村”(ClobalVillage)的概念后,全球化的趋势日渐受到人们的重视,行政管理所面临的是新产生的组织为其成员和其他利益集团重写的时间和空间的定义。工作自此可以由各个地点合并完成,包括在家中,网络成为跨时空的有效载体。社会成员集群为网络,在全球范围内的合作与组织目标的达成借助高科技实现统一。网络漠视地理、距离和时间,它借助电脑等便可让资源在全球范围内流动,促使全球化十分现实的摆在人们的面前。作为国家重要组成部分的行政管理面对网络技术带来的全球化,管理的对象无论在网络空间域或时间态上都将更加复杂化。因为与传统的行政管理划定行政区域时空比较,网络空间管理存在结构和管理运作领域发生了巨大的变化:强制性网络规范的制定与执行,网络资源共享性中的协同、合理配置与应用调适,网络流程管理运作程序和流动系统的重组,网络操作中行政管理手段和方式的置换,网络多元文化和价值观并存与协调,网络文化的科学构建,网络行政管理的高效和优化,网络行政管理中的基本矛盾和与之相宜的基本方法确立。表明:行政管理对象的变革与复杂化。

第二、行政管理理念的重塑——行政管理思想、宗旨、意识的整合与超越。网络本身就是新的管理思想论文和管理模式的载体。在人——机——技术系统中,行政主体的管理理念发挥着十分重要的作用,在管理过程中有什么样的理念就会采用什么样的管理模式管理手段,从而产生什么样的管理后果。网络技术所提供的信息知识和技术手段。从不同层面撞击和涤荡着行政管理不同层级的管理主体长期养成的管理理念。网络对行政管理能力局限的突破,管理主体应改变对自身和管理系统的认识;网络对管理时效和管理投入的影响,管理主体应改变对管理的时空观;网络对先进管理思想、模式和经验的传播,管理主体应改变管理学习的观念和行为。网络技术促使人们管理思想必须从封闭走向开放,从单一性走向多样和全面性,从静态走向动态,从直线性走向立体性,从孤立性走向协调性,从经验性走向理性,促使管理主体形成开放、超前、创新、科学的管理理念,确立知识化管理和管理人性化、柔性化观念,竞争与协同合作的观念,对人的管理与对物的管理相结合的观念,区域利益与整体利益统一的观念。要求主体必须注重网络理念的培植,创造有利于行政运行以及管理对象和国家公务员积极性的发挥、有利于知识共享和增值的氛围。在此基础上行政主体形成网络技术管理时代所必须的网络价值观:网络法制行政观、网络行政道德观、网络政府职能观、网络行政环境观、网络行政效率观、网络行政行为观、网络行政技术观、网络行政组织观、网络行政信息观、网络行政调控观以及网络劳动观、网络生活观等等,以适应行政实践的变化和指导行政实践的变化。

第三,知识管理是行政管理领域的新拓宽——软化管理翩然而至。20世纪后半叶以来,科学技术以空前的规模和速度向前发展,特别是以数字化和网络化为特征的信息技术的飞速发展,正在使全球各国从经济增长方式到行政管理及不同层面的管理发生着根本的转换。传统的行政管理比较重视对人、财、物等有形管理,而忽视无形的知识管理。政府的知识管理是以知识为对象的行政管理,是政府对各种知识的连续管理过程,以满足政府未来和现在的需要,以确认和利用政府已有和新获取的知识资产,从而为政府管理拓展新的机遇。传统行政管理比较重视对有形的人、财、物等行政要素硬管理,而忽视无形知识性软的管理。新增长理论认为,知识可以提高投资的回报,而这反过来又可以增进知识的积累这就存在着如下可能:知识可以通过溢散,从而在几乎不用额外投资的情况下重复利用,以减轻资金短缺对经济增长给国家所带来的压力。表明,知识成为行政运行中政府经济职能的重要要素,伴随着知识性的技术、专家系统、人工智能等相关科技的成长、繁衍,知识性工作成为行政效益、效率的基本来源,知识进入所追寻的行政目标的每一个环节。政府在实施知识管理过程中需要运用政府系统知识和智慧的整合来提出政府在不同的环境条件之下的应变能力、创新能力和可持续发展能力知识管理着力于组织调整和管理方法的探索,通过消除交流障碍来营造知识共享的环境,同时,建立广泛的外部网络系统,将信息技术转变成真正有竞争力的工具它要求,构建政府获取、开发、应用知识的管理系统和知识战略;组织协调好政府内外部人才和资源,实施政府的知识战略;有效利用知识,改善政府管理运行过程中的每个环节;从知识的角度来检测行政管理的状况,不断提高政府的知识管理的行政能力。

第四,网络技术促使行政组织管理平等性一一等级森严权威的“金字塔”结构受到前所未有的挑战。纵横交错的信息网络改变了信息传播的方式,使其由阶层(等级)型变为水平(自由)型,与信息传递方式紧密相连的行政管理组织机构就从尖顶的“金字塔”型变为扁平的“矩阵型”,原有中层行政层次组织的传输的纵向职能受到很大挑战,分工细化的行政管理组织将不适应发展的需要,而职能相近的行政组织的整合成为必然。同时也表明,网络推倒了传统管理砌就的管理者与被管理者、上级与下级之间等级森严的“金字塔”,拆除了横隔在他们中间的妨碍信息交流和沟通的藩篱,还他们平等地位。通过网络,管理者与被管理者可以瞬间直接沟通管理幅度原则为信息幅度原则所取代,因此,行政组织将发生三个巨大变化:一是扁平化。行政组织内部为提高沟通效率,信息沟通方式,就要进行改革,减少组织层次。利用网络,行政主体可以在不减少甚至强化控制的情况下,将组织建制设置得更合理、有序,可以让网络取代中层监督和控制部门的大量职能,通过网络交互服务功能,可简化行政办公活动,包括网络交互收取回执、获取在线资料、行政会见等。使行政组织的管理层和机构明显减少,使上下直接沟通,最高决策者通过网络能够迅速对各种决策后果进行评价,对不符合要求的决策采取纠正行动。市场经济条件下,政府的职能主要是服务,目标变了,机构也要作相应的调整。如仍沿袭和维持层层上报、层层下达的机制,则许多机会将不复存在,将给有效竞争带来很大影响。二是分权化。随着改革的深入,我国高度集中的行政体制发生了很大变化,不论是地方或部门都有了许多自主决策权。但在网络技术影响下,网络改变了信息传递的方式和渠道,使行政组织内部、各环节的信息传递可以直接进行,行政主体与行政对象之间将通过网络联结为一个整体。同时,在网络上,公务人员以知识工作者的身份出现,具有较大自,能够实施自主管理。网络促使行政组织扁平化,使每个人都成为网络上的一个结点,使直接平等沟通成为可能。当发现问题时,自己可以当机立断的处理解决,也可以直接向有关高层管理者请示和咨询。自主性管理体现了公务员的尊严,有利于公务员自我管理意识的增强和主体能动性的发挥。因此,整个行政运行中的权力集中度还将进一步减弱,分权性还将进一步加强。行政控制主要是通过基层或部门承担必要的责任和制度化、规范化、监督机制、激励机制结合起来实现。三是虚拟化。跨区域、跨部门的合作将通过计算机网络,纳入到联盟体系中,形成网络组织。虚拟行政机构,它是借助网络实现内部沟通并开放窗口为服务对象服务的。行政组织的核心是提供服务,以往必须在某一固定时间、固定地点、某人对某人的情况下服务才能实现,虚拟化取消了这种的繁琐,抽空时间、地点、对象,直接回归核心—服务。也就是行政运行可以实行虚拟运作,将现实的资源迅速整合为一种没有围墙,超越时空的临时性行政网络组织,实行相关行政资料的共享,优势互补,以最快的速度适应行政对象变化的需求。虚拟行政运作产生虚拟行政管理,网络虚拟行政管理要求行政主体利用信息、知识去管理和协调各种协作关系,确保以最优的方式进行合作。行政组织内部也可实施虚拟管理,即借助外部力量,将一部分行政职能在有效、规范控制的前提条件下交给外部专业组织去处理。目前发达国家出现了虚拟办公室、虚拟工作小组、虚拟投票箱、虚拟议会等。

上述情况下,政府组织在精减人员和机构的基础上,要以服务对象为导向,以高效优化为原则,利用网络,建立以行政运行主要环节为中心的管理模式,实行组织内的柔性化管理,繁捷化的决策,对行政组织内部机构职责、权限重新调整和设定,设置科学合理的内部信息交流网络。建立人本管理机制,如人才培养机制、激励机制、创新机制、监督监控机制、风险共担利益共享机制等多种合理机制。

第五,精确性改变着行政管理载体工具——数字化管理的跃然出现。以往的交流,信息不是类比的就是实体的(尼葛洛庞帝谓之曰“原子的”)。而信息时代,信息以数字形式(即bit,位元)存在,一切信息都可以转化为数字0与1,这样就实现了A(atom)到bit的转变。统一性、可压缩、光速传递、传输品质优良是数字化的突出特征。因此,行政组织内部在沟通上将由类比式(备忘录、报告书、打电话、图形图表、照片、模型、会议记录等等)转变为数字式。政府方案的实施和运作都将记入到浩渺的数字海洋之中。

社会网络论文范文第10篇

从20世纪人们才开始对社会网络进行研究，20世纪60年代哈佛大学社会心理学家StanleyMilgram做了著名的“小世界”实验[6][7]。实验要求参与者把一封信件传给他们熟悉的人之一，最后使这封信传到指定目标个体，藉此来探明熟人网络中路径长度的分布。实验中大多数信都被弄丢了，但有大约四分之一的信到达了目标人，这种情况下平均传过人之手仅有约六人。这一实验是流行的“六度分离”（SixDegreesofSeparation）概念的起源。社会网络理论是在六度分离理论的基础上发展起来的。该实验是对现实社会网络进行实证性的研究，并未重建实际网络，但它们告诉我们有关网络结构的东西。1998年康奈尔大学的Watts及其导师Strogatz在《自然》杂志上发表了一篇开创性的论文，揭示了社会网络的“小世界”特征，并提出了WS小世界网络模型[8][9]。1999年，圣母大学的Albert和其导师Barabasi揭示了复杂网络的“无标度”特征，在此基础上构造出无尺度网络模型。此后，掀起了对社会网络研究的高潮。为了在微观层面更深入研究社会网络的拓扑结构和演化规律，研究人员作了大量新的尝试和努力。为了解释社会网络度相关性和聚集性的结构特征与其它类型网络之间的区别，Newman和Park基于群结构建立了一种社会网络模型[10]。Boguňá等人基于社会距离的概念提出了一个社会距离模型[11]。Jin,Girvan和Newman考虑更多的社会网络特征来构建社会网络模型[12]。从新节点的引入而使得拥有共同邻居的节点更容易连接的角度考虑，Jackson和Rogers构造了一种社会网络模型[13][14]。

2基于三角形演化机制的社会网络模型

2.1三元闭包原理

1953年AnatoleRapoport提出三元闭包原理。它揭示了社会网络演化的基本结构性原因，三元闭包原理描述如下[15]：在社会网络中如果两个人互不认识的人有一个共同的朋友，那么这两个人将来可能因为某些因素（如机会、信任、动机等）成为朋友的可能性会大大提高。假设节点B与节点C是两个互不认识的人，但是他们有一个共同的朋友A，那么节点B和节点C有可能出于对节点的A的信任成为朋友。如图1所示。

2.2模型建立

在社会网络中每个新节点的连接会对以后的连接产生一定的影响，由三元闭包原理可知，新节点以后可能与已经连接节点的邻居节点度数较大的相连。为了保留社会网络具有的增长与择优的本质特征，以BA网络模型为基础进行构建。

3仿真分析

本文针对于3.2节的模型以及BA模型模拟现实社会中网络的动态生成过程，并且对该网络模型的度分布进行了详细的分析，结果如图5和图6所示。同时对两种模型的聚集系数和平均路径长度进行了比较。本文设置初始网络的节点50m=，并且将这些节点进行全耦合连接。每当加入一个新节点时，新节点通过m=4条新加入的边与网络中已有的m个节点相连，最终形成节点数N=3000的网络。当网络规模分别为N=500，1000，1500，2000，2500，3000时，针对于本文中的网络模型与BA网络模型的聚集系数与平均路径长度进行对比，对比后的结果如图7和图8所示。

4结束语

虽然BA无尺度网络揭示了现实社会网络的本质特征，但仍然具有一定的局限。为了使社会网络模型更加接近实际情况，需要考虑在网络生成过程中的更多的内在影响因素。鉴于三元闭包在社会网络演化过程中具有的巨大作用，提出了一种基于三角形演化机制的社会网络模型。通过仿真试验与分析得出该网络模型遵循幂率分布，与BA网络模型相比该网络模型具有更强的鲁棒性、较小聚集系数和较大的平均距离，同时，该网络模型更符合实际社会网络的演化过程。然而该模型假设初始网络是全耦合网络，并且只考虑朋友关系的社会网络演化过程，具有一定的局限性。因此，对社会网络动态演化模型还需要进一步的研究。