社会网络论文范文

引言：寻求写作上的突破？我们特意为您精选了4篇社会网络论文范文，希望这些范文能够成为您写作时的参考，帮助您的文章更加丰富和深入。

篇1

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．

篇2

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。

篇3

1.2饥饿营销模式2011年岁末，深隐幕后的江湖大哥雷军走上台前，为中国智能手机粉们烹制了一顿小米“盛宴”，低价，高配，断货，吊足“米粉”胃口的小米手机凭借这一招备受争议的“饥饿营销”策略高调问世。小米手机面世之后，便采取了网络渠道销售模式，消费者只能在小米手机官网上买到手机，而且需要预定，除了维持供不应求的市场关系外，小米手机甚至通过官网宣布停止预定并关闭购买渠道等手段来加深消费者的“饥饿感”。而这让小米手机销售的火爆程度令人叹为观止，一次次用惊人的数字赚足了眼球。2011年9月6日开始预订，34小时预订出30万部；2012年手机销售719万台，销售额126亿元；2013年手机销售1870万台，销售额316亿元；2014年销售目标为4000万台，预计最快2015年小米公司销售额达到1000亿元。在市场营销学中，所谓“饥饿营销”，是指商品提供者有意调低产量，以期达到调控供求关系、制造供不应求“假象”、维持商品较高售价和利润率的目的。以低价来提供与苹果、三星和HTC相当的硬件配置，这是小米手机吸引用户的法宝，而定个叫好叫座的惊喜价，把潜在消费者吸引过来，然后限制供货量造成供不应求的热销假象，则是小米手机市场营销的利器。

1.3移动营销模式看一看地铁上随处可见的“微信族”，每次吃饭必先拍照上传的“微博控”，通过街旁等签到软件展示自己心情的“签到族”，公交车上逛淘宝的手机购物族……我们会发现，移动互联网已经如此深入地融入到我们的生活。“你在哪里，我就在哪里”，移动互联网营销突破了时空终端的限制，可以any-time、anywhere、anyone、doanything，不仅可以精确定向人群，还可以精准控制时间，把控内容，及时调整营销策略。移动营销价值链上最为重要的六大关键词是精准（AllInterac-tion）、互动（AllInteraction）、贴身（AnyTime/Where）、关注（AllFun）、整合（AllCross）、可衡量（AllEffect），简称为6A法则。这六大法则互为一体，成为驱动消费者、广告主、商三大主体价值共赢的核心机制[1]。伴随着3G甚至是4G的普及，未来将没有移动互联网，因为所有的网都是移动的。移动营销的组合形式将更加多元化，除了基于短信、彩信的会员营销和互动营销，还有结合区域特色的手机报广告投放，借助高价值手机Wap站推广，围绕二维码和移动CRM等定制解决方案，融合最新趋势的手机客户端，以及更多。同时在内容上，企业和品牌将更加关注“人”，从消费者关注转移到关注消费者，构建社会化网络营销的美好未来。

2.企业提升社会化网络营销的对策建议

“我们不是在开展网络营销，就是在网络营销的路上。”这是现今大部分企业现状的一个很好表述。随着新技术、新产品的涌现，网络营销也在迅速调整与蜕变。菲利普•科特勒在《营销革命3.0：从产品到顾客，再到人文精神》中指出：我们正在目睹的是营销3.0，即价值驱动营销时代的兴起，在新媒体时代，纯粹的广告是不会传播的，能够传播的是互联网流行文化和创新精神，营销3.0就是合作、文化性和精神性的营销。

篇4

油价上涨是关乎百姓生活的重要事件，它的接近性决定了它必将受到大众的关注。其次，网络是个开放的平台，传者与受者的单向传播已然改变，任何人都可以在网络上发表自己的作品，展示自己的个性，进行自我价值的消费。还有更深层次的原因，“恶搞”视频源于二元对立。作为“狂欢理论”的集大成者，巴赫金的论证方法表现为不同于传统思维模式的二元对立，即主流与边缘的对立③。社会大众作为国家政策的边缘人，在权利中心之外，并为权利所宰制，无法真正左右国家政策的实施，因此，他们通过制作《涨价歌》这种类型的网络恶搞视频，试图通过网络表达自己的声音，发表自己的意见。处于这种边缘的人最终会越积越多，达成一种观念上的认同，并产生出强大的推动力，通过网络这个渠道最终捧红了类似《涨价歌》这类的视频。

消费主义视域下《涨价歌》的传播

1．《涨价歌》涉及双重消费

《涨价歌》的歌词幽默诙谐、歌手声音动听、内容丰富多姿，画面剪辑功夫也十分了得。大众在面对这样一个视频时，可以从繁忙的工作中解脱出来，获得暂时的愉悦、放松心情。在这个层面上来说，他们消费的是视频本身，是其中的娱乐元素和视觉、听觉上的满足感、享受感。从另一方面来看，人们看重的不是《涨价歌》的使用价值，而是越来越注重的符号价值，即它带给人们的符号意义，是其中所代表的或象征的意义。从传者的角度来说，他花费时间和精力制作视频，是为了追求成名、获得成就感，展现自己的个性与能力，并获得自我认同和愉悦感。在这个过程中，传者消费的是自我价值，是源于自我整合的需要，并以此来增加自信和身份地位。

从受者的角度来说，在观看《涨价歌》的过程中，人们消费的不只是视频本身，还对它进行了意义消费。首先，他们消费了视频所带来的传者的意识形态。《涨价歌》中传者明显的态度是批判发改委调高油价，给人民的生活带来了不便。在视频传播的过程中，这种意识形态也跟着得以传播，最终在网络上形成一个互动的虚拟群体，他们有着共同的乐趣，共同的利益，共同的看法，他们通过转载传播的方式来达到心灵沟通的目的。传播在有形地进行着，但是意识形态却在无形中被越来越多的人消费。

其次，油价上涨这一事件本身及外延的意义也通过视频得以消费。《涨价歌》这一视频不是孤立存在的，它依托着油价上涨这一现实基础。通过观看视频，人们能更深刻地理解其暗含的意义：油价上涨，但人们的工资却没有变动，相对地，他们的生活水平就会下降。所以，恶搞视频《涨价歌》在消费主义的背景下，并不是简单地对图片的消费，对有冲击力的视觉、听觉的时尚元素的消费，还有更深层次的象征意义的消费。这两种消费形式，反之又促进了其在网络上的传播。

2．《涨价歌》与使用满足论

恶搞视频《涨价歌》满足了人们缓解内心压力、讽刺批判现实、叛逆的消费心理需求。个性、张扬、享乐的消费主义是恶搞产生的环境，人们追求轻松、进行娱乐的个性化消费方式是网络恶搞产生的社会心理。具体来说，主要体现在两个方面：《涨价歌》满足了人们讽刺批判现实、缓解内心压力、寻求释放的心理需求。恶搞是一种轻松幽默的内容，在恶搞文化下，人们可以感觉到一种自由和颠覆。通过对油价上涨的恶搞，公众可以将潜在的、压抑的愤怒与不满间接地发泄出来，并将对权力中心的抵制情绪用不涉及政治敏感问题的方式表现出来。同时，他们也通过网络发出自己的声音。在视频的制作、转载、评论中满足自己的需求，张扬自己的个性风格，在获取信息和满足享乐的同时，他们也将网络视频作为传声筒，实现了自我价值，增强了自我认同感。