Gephi的社交網絡消息可視化分析系統的設計與實現

寧躍飛+李艷萍

摘 要： 傳統基于遺傳算法布局無向圖方法塑造的社交網絡消息可視化系統不適合大規模社交網絡消息的可視化，存在運行時間長以及顯示效果粗糙等問題。針對該問題，設計并實現了基于Gephi的社交網絡消息可視化系統，其由顯示層、業務邏輯層以及數據支撐層構成，該系統可呈現出社交網絡消息的路徑傳播以及系統的可視化布局。詳細介紹了系統實現社交網絡消息可視化的工作流程。網絡工具Gephi分別采用基于時間序列以及樹狀排列的算法，對相似消息以及具有明確用戶轉發關系的消息進行排序，對經過排序后的消息采用Gephi的文件格式gexf進行寫入保存操作，生成社交網絡消息的傳播路徑圖。實驗結果說明該系統具有較低的時間復雜度、對社交網絡的布局效果更佳，可視化性能強。

關鍵詞： Gephi； 社交網絡； 消息可視化； 傳播路徑

中圖分類號： TN711?34； TP391.1 文獻標識碼： A 文章編號： 1004?373X（2017）17?0183?04

Design and implementation of Gephi?based information visualization

analysis system for social network

NING Yuefei， LI Yanping

（Zhengzhou Shengda University of Economics， Business and Management， Zhengzhou 450000， China）

Abstract： The social network′s information visualization system constructed with traditional undirected graph method based on genetic algorithm is unsuitable for information visualization of large?scale social network， and has problems of long running time and rough display effect. In order to solve the above problems， a Gephi?based information visualization system of social network was designed and implemented. The system is composed of display layer， business logic layer and data support layer， and can present the information propagation path of the social network and visualization layout of the system. The work flow of social network information visualization realized with the system is introduced in detail. The algorithms based on time series and arborescence sorting are used in network tool Gephi respectively to sort the similar information and information with explicit user forwarding relation. The sorted information is written and saved with file format gexf of Gephi to generate the information propagation path diagram of social network. The experimental results show that the system has low time complexity， perfect layout effect of social network， and strong visualization performance.

Keywords： Gephi； social network； message visualization； propagation path

隨著科學技術的發展，社交網絡平臺在人們的生產和生活中具有廣泛的應用價值，社交網絡平臺使得網絡輿論高速傳播，網絡中的數據量呈現爆炸式增長[1]。對社交網絡中的海量數據進行分析和可視化，能夠將抽象的數據變換成人們更易理解和觀測的圖形，形象描述出數據內的信息，實現輿論信息的有效監控[2]。傳統基于遺傳算法布局無向圖方法塑造的社交網絡消息可視化系統不適合大規模社交網絡消息的可視化，存在運行時間長以及顯示效果粗糙等問題[3]。因此設計更加準確、高效的社交網絡消息可視化分析系統具有重要的應用意義。

1 Gephi的社交網絡消息可視化分析系統

1.1 系統邏輯層結構

本文設計的可視化系統由顯示層、業務邏輯層以及數據支撐層構成，如圖1所示。

（1） 顯示層為用戶提供了可交互的界面，確保用戶在界面上設置需要呈現的數據和待檢索的文字信息，并向用戶呈現結果信息、文本檢索信息排列情況以及社團狀態等。

（2） 業務邏輯層用于對顯示層反饋的用戶需求進行操作，將操作后的數據以及圖形信息再反饋到顯示層。業務邏輯層由數據爬取模塊、數據操作模塊、文本向量化模塊以及可視化模塊構成[4]。其中的數據爬取模塊設計在新浪微博API中的網絡爬蟲可按照顯示層設定的爬取需求完成社交網絡信息的采集。數據處理模塊將爬取的數據變換成后續需要處理的格式化數據[5]，通過MapReduce和Oozie協同進行用戶間行為的采集、用戶關系數據的加權以及用戶微博數據格式化等處理。社團劃分模塊采用不同的社團劃分方法，將獲取的用戶關系加權數據進行社團劃分，存儲獲取的社團信息。文本向量化模塊將社團的微博文本信息和顯示層反饋的檢索文件變換成向量，運算獲取社團信息同檢索文本的同類度，將完成排序的結果反饋給后續模塊。可視化模塊采用Gephi工具，基于獲取的社團信息以及用戶關系，獲取社交網絡消息的路徑傳播圖[6]，通過顯示層呈現系統可視化布局圖。endprint

（3） 數據支撐層實現系統中數據爬取模塊獲取的數據，以及其他不同模塊間中間數據的分布式存儲。

1.2 系統的工作流程

基于Gephi的社交網絡消息可視化分析系統的運行流程圖如圖2所示。

圖2描述的系統詳細工作流程如下：

（1） 若客戶需要的社交網絡可視化消息數據不存在，則進行爬取。通過爬取模塊，按照顯示層內設置的種子文件路徑以及爬取方案完成爬取，基于爬取數據的大小，用戶按照顯示層內的“目標路徑”選擇路徑存儲到相應的區域。

（2） 爬取獲取的數據需要進行格式化操作，實現用戶間關系數據、用戶微博數據等的格式化輸出，并將輸出數據存儲到用戶目標路徑。

（3） 若用戶所需的可視化數據已經存在，則直接運行社團劃分模塊，用戶選擇進行社團劃分以及相應的劃分方法，將顯示層中的信息傳播路徑存儲到本機中。

（4） 若檢索框中存在數據，應進行可視化信息的呈現，同時運行文本信息向量化以及可視化布局[7]。向量化時先檢測是否存在完成向量化的社團數據，若存在則運行下一步，否則對社團數據進行向量化處理。

（5） 對檢索文本框內的數據進行向量化處理，采用MapReduce分布式運算獲取檢索文本相似運算結果，將結果反饋給顯示層。

（6） 按照顯示層設置的可視化方法，采用Gephi工具獲取社交網絡消息的路徑傳播圖，并將結果反饋給顯示層。

（7） 顯示層依據獲取的網絡信息傳播路徑和相似度排序進行繪圖，完成社交網絡結構的布局。

2 Gephi的社交網絡消息傳播路徑塑造

設計的社交網絡消息可視化分析系統采用復雜網絡工具Gephi對社交網絡信息進行消息轉發分析，分析社交網絡消息的傳播路徑。社交網絡中相同以及相似的消息會被不同用戶發送，能夠推測出用戶間存在的官方轉發關系以及非官方轉發關系[8]。社交網絡中不存在明確轉發關系的相似消息可依據時間序列進行排序，而存在轉發關系的消息可通過排序算法進行排序，對排序后的節點集通過gexf圖文件進行排序展示，獲取社交網絡消息的路徑傳播圖。

為了對社交網絡節點進行排序，需要收集指定的4個數據表中的數據，再面向官方轉發消息和相似性消息設計排序算法，分別對用戶節點進行樹狀排序和時間序列排序[9]。Gephi基于上述4種數據表，采集其中的社交網絡用戶轉發關系，匯總時間序列，規劃排序算法，生成gexf格式的網絡數據，呈現社交網絡消息傳播路徑，發現消息源頭。

使用Gephi可高效率渲染社交網絡用戶間的關系，及用戶間話語疊加相似度。Gephi中含有較多的簡單程序嵌套，可將Gephi的功能融入系統的應用程序內。Gephi為數據顯示設置了較多的數據格式[10]，系統將排序好的數據節點依據Gephi設置的gexf數據格式存儲，如圖3所示，其導出的簡單轉發圖中存在兩個節點，分別描述用戶名mynte 以及ccpout，分析圖中箭頭能夠得出，用戶ccpout轉發了用戶mynte的消息。

Gephi將社交網絡消息傳遞關系劃分成官方轉發關系的傳遞關系以及依據時間序列的傳遞關系，通過淺灰色渲染官方轉發消息傳播路徑，深灰色渲染依據時間序列的傳播路徑。Gephi分別采用基于時間序列以及樹狀排列的算法對相似消息以及具有確定用戶轉發關系的消息進行排序，將完成排序的節點信息以及邊信息分別存儲到對應的gexf圖文件中，生成的gexf社交網絡消息路徑傳播圖由官方轉發的消息路徑傳播圖和依據時間序列的路徑傳播圖構成。

分析基于Gephi產生的社交網絡消息路徑傳播圖，可總結出不同結構的路徑傳播圖。基于官方轉發消息的路徑傳播圖主要包括兩層樹狀轉發結構、自轉發結構、多層樹狀轉發結構、樹干轉發結構以及環形轉發結構。其中兩層樹狀結構的轉發路徑圖如圖4所示，能夠看出發送消息的源頭是soswga用戶，其具有大量的粉絲，這些粉絲都轉發了源頭用戶的消息。依據時間序列的消息傳播圖如圖5所示，其中的消息都是相似的，這些消息基于時間序列完成轉發。

3 實驗結果與分析

實驗從時間復雜度、圖布局效果以及可視化性能三個方面檢測本文方法的性能。實驗采用的數據集都是爬蟲從新浪微博中爬取到的數據集。

3.1 時間復雜度測試

實驗統計出本文方法和基于遺傳算法布局無向圖方法進行社交網絡消息可視化過程中的時間復雜度，結果如圖6所示。

分析圖6可得，隨著社交網絡消息量的增加，兩種方法的運行時間都不斷提升，本文方法的時間復雜度低于基于遺傳算法布局無向圖方法，說明本文方法對海量社交網絡消息的可視化分析效率較高。

3.2 圖布局效果測試

兩種方法在實驗社交網絡消息集中進行可視化呈現，兩種方法獲取的社交網絡消息可視化布局圖如圖7所示。

從圖7中可明顯看出，相對于基于遺傳算法布局無向圖方法，本文方法可以更好地呈現出圖像結構以及用戶間的轉發關系，準確呈現出社交網絡的特征。

3.3 可視化性能測試

實驗對兩種方法從社交網絡中獲取數據后，從數據處理到可視化布局過程中系統的準確率進行檢測，結果見表1。

分析表1可以看出，本文方法的準確率高于基于遺傳算法布局無向圖方法，并且不受社交網絡消息量的干擾，始終保持較高的準確度。說明本文可準確挖掘社交網絡中內部成員間的關系以及其中的關鍵人物，具有較高的可視化性能。

4 結 語

本文設計并實現了基于Gephi的社交網絡消息可視化分析系統。實驗結果說明該系統具有較低的時間復雜度，對社交網絡的布局效果更佳，可視化性能強。

參考文獻

[1] 陳召群，車向前，谷源濤.基于譜聚類的大規模社交網絡可視化方法研究[J].計算機仿真，2015，32（9）：318?322.

[2] 于蕾，吳強.一個基于社區相似度分析的物流網絡優化算法[J].現代電子技術，2016，39（6）：45?48.

[3] 劉輝.基于隨機游走算法的社交網絡構建[J].湖北成人教育學院學報，2014，20（1）：11?12.

[4] 周碧，段富.免疫細胞因子網絡模型設計與仿真研究[J].現代電子技術，2016，39（8）：21?25.

[5] 賀超波，湯庸，麥輝強，等.在線社交網絡挖掘綜述[J].武漢大學學報（理學版），2014，60（3）：189?200.

[6] 鄭健，馮亞娟，郭偉.基于貝葉斯網絡的大學生考研動機影響因素[J].西安工程大學學報，2015，29（6）：780?784.

[7] 蕭海東，陳寧.移動社交信息智能態勢感知分析[J].中國科學：信息科學，2015，45（6）：783?795.

[8] 李緒，曹磊，付磊.社交網絡數據個性化推薦的可視化方法[J].計算機工程，2014，40（3）：46?50.

[9] 胡蓉.混合信息可視化研究：以實時網絡攻擊可視化設計案例為例[J].情報理論與實踐，2015，38（11）：103?107.

[10] 姚士成，劉學鋒，毛建華，等.基于傳感網的傳感器感知信息可視化系統設計[J].電子測量技術，2015，38（1）：95?99.endprint