高校大學生社交網絡服務使用分析

文/ 姜開達 孫強

編者按：社交網絡無疑是當今大學最為熱門的話題，大學生已成為信息前沿最為活躍的群體，如何依托現有的主流社交網站，全面深入分析和了解社交網絡對高校大學生群體的影響，利用社交網絡和相應產生的大數據，通過數據挖掘的手段分析和研究大學生的網絡行為，這些都具有現實的意義，可為高校未來學生管理和個性化服務提供積極的決策參考。本刊從本期起，連載上海交通大學關于大學生社交網絡的應用研究和場景分析，作者以獨到的視角，通過數據分析和理論計算，構建模型，展現一張虛擬世界的人際關系網。

圖1 社交網站用戶的年齡分布

出現于上世紀90年代的WWW瀏覽器帶來了互聯網的迅速發展，成為了當時的“殺手級應用”。本世紀初起步的Facebook、Twitter、LinkedIn等社交網絡服務（SNS）網站帶動互聯網走進了Web 2.0時代，國內也隨后產生了新浪微博、人人網、開心網等本土化應用網站，吸引了大批高校大學生用戶。近年來，隨著移動互聯網的興起和智能手機的普及，無處不在、無時不在的手機微博、微信在高校大學生群體內廣為流行。新的社交網絡提供的便捷服務使得用戶更具自主性、互動性，用戶不再是被動接受信息的媒體受眾，而是積極地參與到網絡中，成為信息的制作者、發布者、傳播者和分享者。

十多年前伴隨一代代中國大學生成長的“水木清華”、“一塌糊涂”、“飲水思源”、“日月光華”等傳統知名BBS論壇，如今由于各種原因，不是關閉就是存在各種限制注冊措施，校園用戶逐漸流失，網站運作模式缺乏創新和進步，逐步走向窮途末路。而近年來社交網站成為越來越多的大學生人際活動的重要場所，無論是現實人際關系的延伸還是新的人際關系的建立，社交網站成為了他們獲取信息、交流情感、娛樂消遣的重要媒介平臺。

對每所高校來說，客觀上都需要一種吸引和凝聚大學生的渠道，不少學校也投入了很大精力來建設校內的社區平臺，不過效果很難完全令人滿意。今天，依托于現有主流社交網站提供的服務，深入全面分析其對高校大學生群體的影響機制和模型，進而參與其中，成為其中的一員并了解和影響其所在大學生群體，為高校思想政治教育提供了新載體和新形式。對高?？蒲腥藛T來說，社會網絡和隨之產生的大數據(Big Data)、高性能計算的分析和研究也非常具有吸引力和挑戰性。對學校相關學生工作管理部門來說，了解學生最新動態，掌握輿情信息，引導校園網絡文化，也都需要有的放矢的進行。從學校信息發布工作來看，如何通過社交網絡用最小的代價，在盡可能短的時間內把各類信息以大學生喜聞樂見的形式有效傳遞到最大的范圍也是需要研究的課題。

為進行分析研究，選取了人人網（renren.com）作為初始研究的社交網絡平臺對象為切入點，主要考慮以下因素：

1.人人網的前身——校內網(xiaonei.com)是集中定位于大學生群體的SNS網站，為廣大大學生提供了一個互動交流平臺，2009年更名為人人網后主要活躍群體依然以在校大學生和部分中學生為主。據CNNIC發布的《2010 年中國網民社交網站應用研究報告》顯示，社交網站用戶主體是年齡30歲以下的年輕群體，20-29歲的用戶比例最高，達37.4%；其次是年齡在20歲以下的用戶，占31.6%。與互聯網網民總體相比，社交網站用戶的年齡結構更加年輕，年輕群體所占比例非常高，如圖1所示。

2.人人網在實名制注冊和認證確認控制方面做的較好，其用戶身份的真實性相對微博更為可靠，并且其用戶的人際關系也比較純凈，大多是雙向之間的好友關系，不會出現類似新浪微博上超過千萬粉絲的一些明星帳號。人人網官方去年底公布有2.2億用戶，平均每個用戶有大約190個好友，并且80%用戶在人人網留下了真實資料。根據人類學家羅賓·頓巴（Robin Dunbar）的研究，人類大腦可以維護朋友關系的最大數量為148人。要維護更多的朋友，意味著你需要攤薄本應花在另一部分朋友身上的時間和精力，而每個人的時間和精力都是非常有限和寶貴的。微博營銷團隊以及大量的刷粉軍團、虛假微博紅人的出現，使得微博用戶數量眾多，但是良莠不齊，難以體現真實的人際關系。

圖2 上海交通大學用戶好友數量分布

3.目前高校大學生最頻繁訪問的SNS網站就是人人網。根據我們對上海交通大學校園網的不完全統計，全校14%～18%的網站訪問請求量都指向了人人網相關網站。我們近期做的統計顯示，有52594名人人網用戶明確的把自己的身份信息設定為上海交通大學并通過了網站認證核實。圖2是分析了其中12721名上海交通大學用戶的好友列表得出的統計圖。

橫坐標是好友列表（以間隔100為一個統計區間）數量，縱坐標是符合條件的區間用戶數。統計顯示，90%用戶的好友數量在100人以上，80%的用戶好友數量在600人以下，好友數量在200~400人的區間段的最多，占34%，所有用戶的平均好友數量是401名，這個值明顯高于之前提到的人人網平均水平，反映出上海交通大學的大學生交際活躍，人際關系網更復雜化。

對人人網社交網絡用戶的數據搜集和初步分析我們使用了Python語言編程來爬行實現。Python具有直觀的語法和優秀且豐富的各類庫軟件支持，在網頁爬蟲、數據挖掘、機器學習和自然語言處理等領域得到廣泛應用。如果想在短期內獲得大量有價值的原始數據，使用Python無疑是最佳選擇。

眾所周知，SNS網站的存在基礎是其用戶之間互相交叉聯系的各種關系。從一個用戶出發，順著這些關系節點一步步深度爬行會獲得海量的人際關系網。在具體爬行過程中，要遍歷所有關聯節點，并控制爬行深度和方向，同時設定中止條件，避免爬行的范圍無休止擴大。同時選取從若干個用戶節點出發，采用多線程進行信息搜集，在耐心等待若干時間之后，就可以搜集到想要的信息。在具體實現過程中，要做好用戶自動登錄、頁面內容解析處理、根據需要自動進行翻頁、頁面出錯檢測和控制、在對方服務器檢測到爬行并采取措施控制之后要進行一段隨機時間休眠并重新開始、對爬行的內容要實時保存并做好爬行隊列的管理、避免出現同一個用戶的重復信息抓取、控制爬行全過程中的內存使用。在若干個爬行線程全部結束之后，要對所有爬行結果進行統一歸并，消除重復信息并根據分析需要進行下一步格式轉換、存儲和分析。

對于每一個用戶的個人信息，比如ID、姓名、學校(城市)、頭像等結構化信息完全可以使用傳統的關系型數據庫來存儲。我們曾經多次測試過存儲兩億條級別類似信息，并進行各種索引的創建（為了加速檢索考慮），使用PostgreSQL數據庫實際存儲空間一般不超過200G Bytes。我們一臺單機上跑PostgreSQL數據庫里最大的庫已接近6 T Bytes，數據條數超過70億條，一直在線長期穩定運行。不論使用PostgreSQL Cluster，還是Oracle RAC、MySQL Cluster都可以長期高效存儲這些結構化信息并提供高性能查詢。

對于用戶彼此之間的復雜人際關系信息，從分析計算的角度來考慮，更合適的是使用NoSQL非關系型數據庫進行存儲。在對社交網絡的科學研究中，Redis和CouchDB等NoSQL技術都得到了廣泛的使用。圖數據庫(Graph Database)也是NoSQL數據庫的一個重要分支。傳統的關系型數據庫和其他NoSQL數據庫不能最優化的存儲社會關系數據，一方面每個節點包含的屬性有多重，查詢時需要大量的表聯立查詢，使用深度嵌套的SQL導致了較低的性能，無法實現高性能查詢；另一方面圖數據庫針對圖算法提供了很多高效的操作特性，這也是它在圖計算中表現優異的原因，而社交網絡分析正牽涉到大量的圖計算。

Neo4j是一個用Java實現、完全兼容ACID的高性能圖數據庫。數據以一種針對圖形網絡進行過優化的格式保存，并且提供了廣泛使用的REST接口，能夠方便地集成到基于PHP、NET和JavaScript等語言環境里。Neo4j重點解決了擁有大量連接的傳統RDBMS在查詢時出現的性能衰退問題。通過圍繞圖形進行數據建模，Neo4j會以相同的速度遍歷節點與邊，其遍歷速度與構成圖形的數據量沒有任何關系。此外還提供了非?？斓膱D形算法、推薦系統和OLAP風格的分析，在最短路徑尋址、N度關系查找都有明顯優勢，而這一切在目前的RDBMS系統中都是無法實現的。

可以分析社交網絡并進行可視化展示的軟件目前也有不少，使用較多的有R language、NetMiner、Pajek、Visone、NetworkX、igraph library、Graphviz等。今后我們將會結合上海交通大學人人網用戶的人際關系網，進一步探討更深入的數據挖掘并進行一些有趣的分析，如兩節點間最短路徑的計算、出入度分析、子圖的分析、圖的直徑計算，并結合實際應用場景，通過理論的計算來進行說明。