社会性网络服务社区人际节点空间分布特征及其成因分析.docxVIP

社会性网络服务社区人际节点空间分布特征及其成因分析 社会网络服务（sss）是指帮助人们建立社会网络关系的网络应用服务。它的核心在于建立虚拟社区。快速增长的社会性网络服务引起了学界的密切关注,产生许多针对该社区的新的研究成果,既有理论方面的,也有实证方面的。就前者而论,Backstrom、Golder等较早研究了SNS社区的结构特性,并发现该网络成员中平均好友数的“150法则”。Kaveri Subrahmanyam、Pei-Luen Patrick Rau等的研究指出社交网站上的好友与现实生活中的好友有重叠性,且在线用户和隐藏用户的语言和感情的亲密程度有显著差异。Josep Domingo-Ferrer、Sebastian Schnettler等利用“小世界现象”提出了社会性网络中寻找目标的短链子理论,并提出了社交网络隐私的保护与用户之间的信任水平两个重要问题。在实证研究方面,有多位学者以大学生使用社交网站为例,指出大学生使用社交网站的方式和原因的不同取决于他们的社会文化背景,分析了在线社交网站促进社会关系的发展问题,并且发现社交网站可以用来进行教学以及协作[7~9]。无论是理论研究还是实证研究都从不同角度分析了SNS社区的特性以及在SNS社区中人际联系行为的特征,为研究SNS社区中人际节点空间分布奠定了理论基础并提供可靠的实践方法。 现实生活中人际节点空间关系的建立受到地缘因素影响较大,但是随着虚拟社区的建立,基于空间距离约束的人际交往已被社会性网络提供的即时进入平台所突破,将可能产生一种新的人际空间关系。那么,SNS社区中信息流是否具有衰减特征,在虚拟社区中地缘因素的影响是否依然存在,本文以开心网虚拟社区为例,引入信息熵和度分布模型从定量角度分析开心网大学群中好友空间节点分布特征,进而探讨地缘因素在网络时代的意义。 1 数据和方法 1.1 数据收集 1.2.1 大学群内的海外近自然职责的比较 信息熵在行为科学领域已被广泛用于衡量某一区域居民出行空间分布的均衡程度[11~13],一个区域的信息熵越低,其居民出行空间分布的均衡程度就越低。本文采用信息熵指标衡量开心网中人际节点空间分布的均衡程度,信息熵越接近于0,系统受干扰程度越小,系统越简单,好友空间分布越不均匀。设每个大学群中好友总数为A,每个城市的好友数量为:Ai(i=1,2,…,N),则有:。参照Shannon Weaner指数,i定=1义好友空间分布的信息熵为:,式中,S为各大学群中好友节点空间分布的信息熵;k为玻尔兹曼常数,在进行比较分析时令k=1;Pi为城市i分布的好友数量占该大学群好友总数的百分比;N为好友分布的城市数量。当各城市分布的好友数量相等时,即P1=P2=…=PN=1/N(N为好友分布的城市数量),熵值达到最大,则表明好友空间分布达到均衡状态。 1.2.2 节点度k 度分布是网络规模的一个重要统计特征,这里的度也称为连通度,节点的度指的是与该节点连接的边数,在现实社会网络中表示个体的影响力和重要程度:个体的度越大,其影响力越大。度分布通过节点度的概率分布函数P(k)表示,其含义为节点有k条边连接的概率。在目前的研究中,度分布的两种形态较为常见:一是指数分布,P(k)即随着k的增长以指数形式衰减;另一种分布是幂律分布,即P(k)~k-γ,其中γ称为度指数,不同γ的网络,其动力学性质也不同。本文将描述网络特征的度分布模型引入社会性网络服务社区中人际节点空间特征的研究中,根据度分布的变化规律:在社会性网络服务社区中,本地节点的度越大,即建立的链接越多,本地集中性特征和距离衰减性越明显。本文具体应用度分布的指数分布模型研究大学群中好友空间分布的特征,并探究大学群中好友随距离分布的空间衰减形态,以各城市距离累计百分比为横轴,以好友数量累计百分比为纵轴,进行曲线拟合。 2 数据分析 2.1 大学群添加不同类型空间分布的特征 应用信息熵计算公式计算开心网15个大学群中各大学群好友节点分布结构信息熵,并求得均衡状态下各大学群的最大信息熵(图2)。 基于上述计算,可进行空间分布非均匀性特征及其城市作用分析。经过与各大学群最大信息熵值的比较可以看出,各大学群好友分布结构信息熵值均较小,好友空间分布总体上不均匀。具体而论,其一,各大学群的信息熵值均小于该大学群的最大信息熵值,即表达出一种普遍性的非均衡状态,15个大学群的好友空间分布都不均匀;同时多数大学群的信息熵值小于2,也表明大学群好友空间分布为集中状态。其二,最大信息熵值越大表示的大学群好友分布的城市数量越少,如同济大学、天津大学、北京大学3个群中最大信息熵值较大而好友空间分布的城市数量较少。其三,最大熵值与信息熵值的差值越大表明大学群好友空间分布越集中,15个大学群的最大熵值与信息熵值的差值均较大,体现出其空间分布