【正文】 verlight等其他第三方組件里也存在 URL鏈接，這些鏈接的生成需要對(duì)應(yīng)的組件來(lái)解釋。 ? 用戶交互中產(chǎn)生的新 鏈接 HTTP協(xié)議是請(qǐng)求 響應(yīng)式的交互型模型，在 WEB 上深入發(fā)展，請(qǐng)求響應(yīng)的形式更加多樣化。 從 URL的出現(xiàn)位置來(lái)可看， 我們可將 URL的出現(xiàn)位置分為如下幾類： ? HTML靜態(tài)標(biāo)簽 HTML靜態(tài)頁(yè)面中存在大量 URL入口，比如某頁(yè)面存在 A標(biāo)簽： a href= /a ， 通過(guò)解析 A標(biāo)簽的結(jié)構(gòu)，我們知道這里存在一個(gè)新的 url鏈接 似的標(biāo)簽還有： img src=” form action=/ method=POST 北京交通大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 18 頁(yè) frame src= / script src= / ...... 因?yàn)檫@些鏈接是靜止在頁(yè)面內(nèi)，屬于比較容易發(fā)現(xiàn)的鏈接類型。其主要工作原理如下圖所示 [19]： 圖 31 網(wǎng)絡(luò)爬蟲(chóng)基本原理 如上所述，常見(jiàn)的搜索引擎類網(wǎng)絡(luò)爬蟲(chóng)負(fù)責(zé)收集互聯(lián)網(wǎng)世界的所有頁(yè)面并且存儲(chǔ)下來(lái)。通常有兩種嘗試方向：統(tǒng)計(jì)的方案和神經(jīng)網(wǎng)絡(luò)的方案 [17]。這么處理的一個(gè)突出的優(yōu)點(diǎn)就是處北京交通大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 15 頁(yè) 理速度很快，通常這是與目標(biāo)數(shù)據(jù)庫(kù)中記錄的個(gè)數(shù)無(wú)關(guān)的，它只與把數(shù)據(jù)空間分為多少個(gè)單元有關(guān)。代表算法 有： BIRCH算法、 CURE算法、 CHAMELEON算法等 [16] ? 基于密度的方法 (densitybased methods) 基于密度的方法與其它方法的一個(gè)根本區(qū)別是：它不是基于各種各樣的距離的，而是基于密度的。目前主要的聚類分析方法有以下幾種： ? 劃分式聚類 (partitioning methods) 劃分式聚類需要預(yù)先指定聚類數(shù)目或聚類中心，通過(guò)反復(fù)迭代運(yùn)算，逐步降低目標(biāo)函數(shù)的誤差值，當(dāng)目標(biāo)函數(shù)值收斂時(shí)，得到最終聚類結(jié)果。 ? 數(shù)據(jù)準(zhǔn)備：包括特征標(biāo)準(zhǔn)化和降維 ? 特征選擇：從最初的特征中選擇最有效的特征 ,并將其存儲(chǔ)于向量中 。北京交通大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 13 頁(yè) 值得一提的是 ,聚類分析對(duì)生物學(xué)、心理學(xué)、考古學(xué)、地質(zhì)學(xué)、地理學(xué)以及市場(chǎng)營(yíng)銷等研究也都有重要作用 [13]。聚類是數(shù)據(jù)挖掘、模式識(shí)別等研究方向的重要研究?jī)?nèi)容之一，在識(shí)別數(shù)據(jù)的內(nèi)在結(jié)構(gòu)方面具有極其重要的作用。 目前研究還是比較偏向于理論上的梳理與分析。對(duì)此國(guó)內(nèi)外都已進(jìn)行了不少大規(guī)模調(diào)查，這類調(diào)查一般都將重點(diǎn)傾向于網(wǎng)民的網(wǎng)絡(luò)使用習(xí)慣、傾向、網(wǎng)齡、上網(wǎng)頻率、上網(wǎng)時(shí)間、上網(wǎng)動(dòng)機(jī)等問(wèn)題上。例如知識(shí)管理、 信息抽取、普氏計(jì)算等等。這個(gè)研究方向的重要意義在于傳統(tǒng)的、單一的網(wǎng)絡(luò)并不能反映現(xiàn)實(shí)中真實(shí)的人際關(guān)系，而采用多層，立體的網(wǎng)絡(luò)結(jié)構(gòu)建模使得數(shù)學(xué)模型更精確，更貼近真實(shí)人際網(wǎng)絡(luò)，能得到更為客觀有效的社區(qū)挖掘結(jié)果 [8]。結(jié)構(gòu)研究既包括簡(jiǎn)單的基礎(chǔ)構(gòu)造研究，例也包括異常復(fù)雜的特殊結(jié)構(gòu)研究，主要包括度數(shù)中心性 (Degree Centrality)，親近中心性(Closeness Centrality)和中介中心性 (Betweenness Centrality)等等 [7]。 ? 娛樂(lè)消遣 娛樂(lè)消遣一直以來(lái)都是用戶使用媒體的主要?jiǎng)訖C(jī)，而對(duì)于社交網(wǎng)站用戶來(lái)說(shuō)，也是僅此于人際關(guān)系維持的第二大動(dòng)機(jī)。 ? 參與互動(dòng) ， 信息分享 網(wǎng)絡(luò)互動(dòng)包括了和朋友或者和陌生網(wǎng)友之間的一切互動(dòng)行為。 社交網(wǎng)絡(luò)用 戶行為動(dòng)機(jī) ? 維持人際關(guān)系 北京交通大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 9 頁(yè) 和傳統(tǒng)網(wǎng)絡(luò)媒體不同的是用戶使用社交網(wǎng)絡(luò)最主要的原因是為了維持人際關(guān)系。來(lái)提高社會(huì)交往的質(zhì)量和效度。而狹義上的社交網(wǎng)絡(luò)，如 Facebook，是現(xiàn)實(shí)人際網(wǎng)絡(luò)的子集及其衍生，具有現(xiàn)實(shí)生活中人際網(wǎng)絡(luò)特征，同時(shí)國(guó)內(nèi)大多數(shù)媒體所指的 SNS 也一般即為社交網(wǎng)站（ Social Network Sites），而并非社會(huì)性網(wǎng)絡(luò)服務(wù)（ Social Networking Services）。 它通過(guò)網(wǎng)絡(luò)這一載體把人們連接起來(lái)，從 而形成具有某一特點(diǎn)的團(tuán)體。網(wǎng)絡(luò)社交是伴隨著電子郵件的出現(xiàn)產(chǎn)生的， 它解決了信息點(diǎn)對(duì)點(diǎn)的傳送。 北京交通大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 6 頁(yè) 2 關(guān)鍵技術(shù)和理論基礎(chǔ)綜述 社交網(wǎng)絡(luò) 社交網(wǎng)絡(luò)的概念 社交網(wǎng)絡(luò)一詞最早是 1954 年由 J. A. Barnes 首先使用。 論文第三章對(duì) 于如何通過(guò) 網(wǎng)絡(luò)爬蟲(chóng)技術(shù) 進(jìn)行 數(shù)據(jù)采集進(jìn)行了說(shuō)明。 ? 數(shù)據(jù)挖掘中的 聚類 分析 這一部分主要對(duì)數(shù)據(jù)挖掘的聚類分析 的定義、分析過(guò)程以及主要分析 手段進(jìn)行描述，并分析各聚類方法優(yōu)缺點(diǎn)，最后通過(guò)根據(jù)收集所得數(shù)據(jù)特征選取合適的聚類分析方法 ? 數(shù)據(jù)采集技術(shù) —— 網(wǎng)絡(luò)爬蟲(chóng) 該部分 主要確定所要爬取的網(wǎng)頁(yè)內(nèi)容，并根據(jù)網(wǎng)站 HTTP 協(xié)議與網(wǎng)頁(yè) 行為特征制定定向網(wǎng)頁(yè)爬蟲(chóng)方案 ，然 后通過(guò) python 語(yǔ)言實(shí)行具體編碼。 論文主要 研究?jī)?nèi)容 及組織結(jié)構(gòu) 本論文研究?jī)?nèi)容主要 包括 一下三個(gè)方面 ： ? 社交網(wǎng)絡(luò)及社交網(wǎng)絡(luò) 用戶行為 該部分主要是為最終通過(guò)分析軟件對(duì)社交網(wǎng)絡(luò)用戶行為進(jìn)行總結(jié)做好北京交通大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 4 頁(yè) 理論基礎(chǔ)準(zhǔn)備。但 目前對(duì)于社交網(wǎng)絡(luò)的主體 —— 網(wǎng)絡(luò) 用戶的行為研究 仍然 比較冷門，主要研究都偏向于網(wǎng)絡(luò)用戶行為研究，很少有專門對(duì)于社交網(wǎng)絡(luò)用戶行為的分析 化。其中 Facebook每月活躍人士已超過(guò) 億，根據(jù)股價(jià)估值也已接近千億級(jí)別，已經(jīng)成為互聯(lián)網(wǎng)新巨頭之一。一方面， 20xx 年涌現(xiàn)出大批具備社交基因的新應(yīng)用，包括圖片社交、私密社交、購(gòu)物分享等，尤其在移動(dòng)互聯(lián)網(wǎng)領(lǐng)域，由于手機(jī)天生的通訊功能， 20xx 年許多熱門移動(dòng)應(yīng)用都具備社交功能；另一方面，搜索、網(wǎng)購(gòu)、媒體等互聯(lián)網(wǎng)應(yīng)用正在融合社交因素，以豐富自身的功能、提升用戶體驗(yàn)，創(chuàng)新服務(wù)和盈利模式。同時(shí)報(bào)告顯示，社交網(wǎng)絡(luò)應(yīng)用持續(xù)呈現(xiàn)增長(zhǎng)趨勢(shì)，截止 20xx 年 12 月，國(guó)內(nèi)社交網(wǎng)絡(luò)用戶總數(shù)已達(dá) 億，占到了全部網(wǎng)民人數(shù)的 %， 增速保持在 10%以上。據(jù)最新的中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心(CNNIC)20xx 年 1 月 15 日發(fā)布的第 31 次《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》 ， 截至 20xx年 12月底，我國(guó)網(wǎng)民規(guī)模達(dá) ，互聯(lián)網(wǎng)普及率為 %，較 20xx 年底提升 個(gè)百分點(diǎn)。此外“社交化”已經(jīng)作為一種重要的功能元素，正在全面融合到各類互聯(lián)網(wǎng)應(yīng)用中。社交網(wǎng)站具有巨大的用戶群和訪問(wèn)量，并早已成為網(wǎng)絡(luò)上極其重要的組成部分。 2 0 0 2最 早 的 社 交 網(wǎng) 站F r i e n d s t e r 發(fā) 布2 0 0 3 M y s p a c e ， 經(jīng) 過(guò) 1 0 天匆 忙 開(kāi) 發(fā) 后 發(fā) 布 L i n k e d 發(fā) 布2 0 0 4 F a c e b o o k 發(fā) 布 圖 片 分 享 網(wǎng) 站F l i c k e r 發(fā) 布2 0 0 5 全 球 最 大 視 頻 分 享網(wǎng) 站 y o u t u b e 發(fā) 布 R e d d i t 發(fā) 布2 0 0 8 F a c e k b o o k 超 過(guò) M y s p a c e成 為 最 大 社 交 網(wǎng) 站 團(tuán) 購(gòu) 始 祖 G r o u p o n 發(fā) 布2 0 0 7 i P h o n e 發(fā) 布 全 球 最 大 輕 博 客網(wǎng) 站 T u m b l r 發(fā) 布2 0 1 1 F a c e b o o k 活 躍 用 戶 數(shù)突 破 6 億 I p h o n e 集 成 T w i t t e r服 務(wù)2 0 0 6T w i t t e r 發(fā) 布 圖 11 社交網(wǎng)站發(fā)展時(shí)間表 研究意義 北京交通大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 3 頁(yè) 社交網(wǎng)絡(luò)的流行不僅帶來(lái)了信息傳播技術(shù)的革命性變革，并且一步步改變著人們的生活方式、思維方式 等，對(duì)于社交網(wǎng)絡(luò)的研究也 不斷深入 。 如果能夠有效的提取社交網(wǎng)絡(luò)中的各種數(shù)據(jù)并對(duì)用戶行為、群體特征等進(jìn)行分析，掌握用戶的行為模式 及其影響因素， 不僅 能夠幫助網(wǎng)站運(yùn)營(yíng)商全面掌握用戶需求從而提供更好的服務(wù)和產(chǎn)品， 還能夠幫助 營(yíng)銷商更好地了解受眾群體和信息傳播模式 進(jìn)而采取更有效的網(wǎng)絡(luò)營(yíng)銷和推廣手段 。 最后對(duì)一般 社交網(wǎng)絡(luò)用戶行為動(dòng)機(jī)進(jìn)行分析。同時(shí)對(duì)數(shù)據(jù)挖掘中的聚類分析 定義、過(guò)程以及主要方法進(jìn)行描述，闡明了本文所涉及的理論基礎(chǔ)。 北京交通大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 5 頁(yè) 論文最后對(duì)整個(gè)研究過(guò)程進(jìn)行總結(jié)并分析了所存在的不足之處以及對(duì)未來(lái)進(jìn)一步研究的展望。 但是隨著互聯(lián)網(wǎng)的發(fā)展以及六度空間理論和鄧巴數(shù)字等理論的興起 [4]，社交網(wǎng)絡(luò)逐漸被賦予了新的定義，首先出現(xiàn)的是網(wǎng)絡(luò)社交。 現(xiàn)在社交網(wǎng)絡(luò)也被稱作社交網(wǎng)絡(luò)服務(wù) (Social Network Service)， 簡(jiǎn)稱SNS，也就是社交 +網(wǎng)絡(luò) +應(yīng)用服務(wù)的意思 [5]。廣義上，一般會(huì) 把 微博、空間、社交網(wǎng)站等都稱為“社交網(wǎng)絡(luò)”，如圖 2— 1 所示．這其中包括了一些完全虛擬網(wǎng)絡(luò)，如微博、 Flicker 等．它們脫離社會(huì)現(xiàn)實(shí)，結(jié)構(gòu) 相對(duì)無(wú)序、混亂。為避免網(wǎng)絡(luò)這種上具性特征帶來(lái)的弊端，社交網(wǎng)絡(luò)正在向人際傳播回歸，它以現(xiàn)實(shí)社會(huì)關(guān)系為基礎(chǔ)，模擬或重建現(xiàn)實(shí)社會(huì)的人際關(guān)系網(wǎng)絡(luò)。 ? 虛擬社交與真實(shí)社交的融合 社交網(wǎng)絡(luò)已經(jīng)弱化了早期