R软件用于社会网络：人人网好友推荐系统讲义.docxVIP

社会网络分析：探索人人网好友推荐系统 摘要: 最近四五年间，互联网行业似乎总是绕不开社交网络这个概念。无论是旗舰级别的传说中的facebook、LinkedIn，还是如雨后春笋般冒出来的各种团购和微博网站，全都或多或少地体现着SNS（社会网络服务）的特色。这些五花八 ... 最 近四五年间，互联网行业似乎总是绕不开社交网络这个概念。无论是旗舰级别的传说中的facebook、LinkedIn，还是如雨后春笋般冒出来的各种团 购和微博网站，全都或多或少地体现着SNS（社会网络服务）的特色。这些五花八门的产品，在丰富我们业余生活的同时，也为研究者提供了大量珍贵的数据。以 往只能依靠有限的调研或模拟才能进行的社会网络分析（SNA），现在具备了大规模开展和实施的条件。国内著名而典型的SNS网站“人人网”，最近依靠上市 新闻重新赢得了大家的关注。本文基于人人网的好友关系数据，应用统计分析软件R做了社会网络分析的一些尝试。 ? 注：网络边界的确定，是社会网络分析的关键而困难的步骤。由于数据获取的限制，本文分析的对象限制于我的好友。也就是说，本文分析的网络是我自己的好友圈子，读者看了这些分析结果或许会觉得索然无味，感兴趣的同学可以分析一下自己的社交网络，看看是否会有类似的结果。 ? 2011-06-20 增加了新的代码在附件中，可以直接获取“共同好友”。如果只需要分析好友的群组关系（而忽略并无技术含量的好友推荐功能），可以直接运行这段代码，大幅度提高效率，分分钟搞定，同时绕过好友同名的问题。欢迎试用哦。2011-12-15 修改了正文的脚本，修正了数据读取的代码中的一处错误。2012-03-13 首先需要安装R软件。然后需要下载安装相应的包。比如：install.packages(‘RCurl’)。2012-03-14 稍微完善了一下只做好友分组的代码。人人网真的很稳定，竟然从来没有版本的更新。。。2012-03-30 共同好友的部分，我学会了用rjson包解析。顺手在正文里面加了张图片。 ? 一、读取数据 之所以选择人人网作为分析的对象，很重要的一点原因在于其数据获取较为便利。本文读取数据的过程借助了一款命令行浏览器cURL，这个浏览器在R中可以用RCurl包实现，简要的中文介绍建议参考medo的《R不务正业之RCurl》。通过RCurl的简单编程，我们可以在R中实现登录人人网、发布状态以及读取页面数据等功能。 人人网好友列表页面的url为/GetFriendList.do?curpage=0id=****，其中curpage为页码参数，id为相应的用户。通过对id与curpage做简单的循环，我读取了自己（陈逸波）的所有好友以及好友的好友。（读取数据的R代码见文末附件。） 用上述代码读取到的数据集记为friend_all，该数据有如下的格式： 其中，第一行数据表示“沈叶”与“邢凤婷”是好友关系，id0与id1为相应的用户id。需要注意的是人人网中不可避免地会出现同名用户的情况，因此id才是用户的唯一标识。 ? 二、绘制简单的好友关系网络图 本文分析的焦点集中于我的好友之间形成的网络，因此考虑做网络图来直观地展示网络的结构。 首先，从上述读取到的数据集中筛选出希望分析的子集。这个子集包含了两个条件： （1）网络中没有我自己（否则会呈现以我为中心的分布，失去了分析的意义）；（2）网络中的用户都是我自己的好友。 然后就是直接利用igraph包的做图功能绘制相应的网络图。考虑前面提到的用户同名情况，直接用id来做后续的分析。 library(igraph)people = data.frame(id = tmp1[, 4], name = tmp1[, 3])gg = graph.data.frame(d = tmp2, directed = F, vertices = people)is.simple(gg)gg = simplify(gg)## 去掉重复的连接is.simple(gg)## png(net_simple.png, width = 500, height = 500)par(mar = c(0, 0, 0, 0))set.seed(14)plot(gg, layout = layout.fruchterman.reingold, vertex.size = 5, vertex.label = NA,??? edge.color = grey(0.5), edge.arrow.mode = -)## dev.off() 从图中可以直观地看出，我的好友网络存在一定的人群分割，可以尝试对这个网络进行一些分析以提取出其中相对独立的子群（或者称为社群）。 ? 三、子群分割 信息的分类和过滤是社会网络服务