计算机设计大赛炫酷展示技术总结.ppt

基于web的社会网络可视化分析平台;;;;;;功能介绍; 登陆网站， 注册登录;项目的功能介绍;;LPA：快速高效;技术知识;技术知识;技术知识;技术知识;技术知识;;核心人物挖掘： 中心性分析： 描述图中任何一点在网络中占据的核心性源于社会计量学的”明星“概念，一个核心点是那种处于一系列关系核心的位置，即该点与其他点有众多的直接联系。若某点具有最高点度中心度，则称该点居于中心。 我们通过点度中心度挖掘出网络中核心人物，而点度中心度可分为绝度中心度和相对中心度。一般采用相对中心度较为准确。 ;社区结构分析： 1.社区密度： 反映社区内的紧密程度，密度值0到1之间，越接近1则代表彼此关系越紧密。 一般将密度定义为“图中实际存在的线的条数/图中理论上最多可能产生的 线的条数”。当图中点的个数为n时，密度可以表示为l/[n(n-1)/2]. 其中分子l是图中实际存在的线的条数，是所有点度数总和的一半，也就是 邻接阵中所有元素总和的一半。而分母可以用简单的排列组合方法计算得到。 2.点度中心势 反映社区内的集中程度，也间接反映核心人物对社区的影响程度。 思路： 首先找到图中的最大中心度数值；然后计算该值与任何其他点的中心度的差， 从而得出多个“差值”；再计算这些“差值”的总和；最后用这个总和除以各个 “差值”总和的最大可能值。 公式： ;好友推荐： 把好友关系转化成图的形式，点代表一个用户，连接两点的边代表两个用户是好友，边可以有权重，也可以没有。直接认识的朋友，叫一度好友。朋友的朋友，叫二度好友，而我们主要通过二度好友进行好友推荐，即“朋友的朋友”的思想。 ; 1.基于web端 ，采用B/S结构 2.将社会网络分析与数据可视化充分结合 3.挖掘网络核心人物，提供好友推荐功能; 1.系统目前适用于中小型网络，后期将往大型网络方向开拓； 2.为提高数据处理的效率，以后将学习并结合Hadoop，且实施 分布式操作； 3.可视化效果更需完善，如美感、动感等方面。;Thank You!