简介:大学硕士与本科用户好友毕业论文开题报告范文和相关优秀学术职称论文参考文献资料下载，关于免费教你怎么写用户好友方面论文范文。
文／姜开达 孙强
“六度空间理论”( Six Degrees ofSeparation)是一个数学领域的猜想,又名“六度分割理论”,又称“小世界理论”.该理论指出：任何两个陌生人之间所间隔的人不会超过六个,也就是说,你最多通过六个人就能够认识任何一个陌生人.
当今流行的新浪微博、人人网、开心网等社交网络服务（简称SNS）的理论基础正是“六度空间理论”.人们通过社交网络服务提供的人际关系网,在找到老同学、老同事的同时,也可以继续结识新朋友,扩展自己的人脉.
这种现象并不是说任何人与其他人之间都必须通过六个间隔才会产生联系,而是表达了这样一个重要的概念：任何两个原本素不相识的人,通过一定的方式,总能够产生必然的联系或关系.
2011年12月5日,Facebook和意大利米兰大学Web算法实验室共同宣布了关于六度理论的研究成果：经过对7亿多Facebook用户（相当于全球10%以上人口）的研究,确定任何两个独立用户之间平均所间隔的人数少于5人(4.75)；而当把观察范围缩小到美国一个国家的时候,大部分用户之间的间隔只有三度.
在对高校大学生社交网络使用情况的研究过程中,发现六度空间实际上低估了社交网络中群体内人与人之间的距离之近.通过对人人网内上海交通大学用户的好友关系进行研究,发现其中任何两个独立用户之间平均所间隔的人数为1.82,也就是1.8度.
利用Pytbon编写的爬虫,我们从若干个大学生用户节点出发,顺着他们的好友关系节点一步步深度爬行获得了海量的人际关系信息.在若干个爬行线程全部结束之后,对爬行得到的信息使用awk、grep、sort等Linux脚本语言和数据库操作来消除重复信息并根据分析需要进行格式转换、存储和分析.
社交网站的核心资源是人际关系网,其为了避免被人为批量抓取也采取了一系列监控保护措施,但是手机人人网这方面的限制还不够到位,因此本次选择了模拟手机去访问手机人人网( http://3g.renren.com/)的接口来快速批量获取用户好友关系信息.
我们从爬行得到的信息中最终选取了12717名上海交通大学人人网用户的人际关系作为基础研究数据.选择这些用户的原则为：
1．抽取的对象为上海交通大学的大学生群体,并且被抽取的用户要明确知道其全部好友列表和直接好友数量；
2．抽取的人人网用户直接好友也要有部分存在这些用户当中,不能全部存在这一群体之外.
每个用户基本信息结构如表1所示．包括了人人网分配全局唯一的UID,群体内好友数量,好友列表(数组存放其所有好友的UID)信息.
在这一万多个用户构成的群体当中,每个用户的平均群体内好友数为82.68个,但如果计算群体外好友数量,则为401个.这些用户通过彼此之间的好友关系互相连接,形成了一张非常复杂的人际关系网,最终产生了所有可能的161709372（约1.6亿）个两两用户对.在人人网上两个普通个人用户之间,好友关系具有双向性而不是单向性,也就是说如果A成为了B的好友,那么B也会是A的好友,他们之间是强好友联系而不是单向关注的弱联系.达成好友关系需要双方的共同意愿和许可,而不会单方面达成.但是对于公共主页用户,则会存在允许单向关注的现象,因此公共主页用户已经被排除在了此次研究的对象之外.
经过对任意两个用户所有可能最小间隔人数的计算,结果如表2所示.任意两个用户之间只有四度间隔的概率是99.999%,只有三度间隔的概率是99.827%,只有两度间隔的概率是90.967%,只有一度间隔的概率是26.271%.
大学生群体任意两用户平均间隔人数与所占比例如图1所示,横坐标为平均间隔人数,纵坐标为对应所占百分比,可见间隔数为2（也就是两度）的占65%,占据明显优势.研究数据显示,任意两个用户之间六度间隔的概率是100%,已经完全覆盖了所有用户群.这次研究的内容再一次成功验证了六度空间理论.
对这1.6亿个两两关系统计下来,任何两个独立用户之间平均所间隔的最小人数为1.82294.研究表明,用六度来描述社交网络中大学生群体之间联系的间隔显得有点过大,实际对本次研究对象的一万多大学生用户群体来说,其之间的关系为1.8度,人与人之间的关系是出于意料的如此之近.
人类学家罗宾·顿巴( Robin Dunbar)研究,人类大脑的逻辑和记忆力结构,注定了大脑可以容纳148人的稳定社交关系.若每个人平均认识1 50人,其经过六度传递之后就可以到达11万亿的规模.但实际上好友的好友是有重叠的,并且不同好友也存在有差异.有的人虽然直接好友个数不多,但是这些直接好友产生的间接好友数量众多；有的人虽然直接好友个数很多,但是这些直接好友产生的间接好友数量却并不多.
信息会伴随着人际关系进行传播.研究人际关系实际上也在某个层面上研究信息在社交网络中的传播扩散过程.
表3随机抽取了20个大学生用户,观察以其为起点,顺着其好友关系,扩展最大六度之后的人际关圈影响用户数.为了避免影响范围的无休止扩大,把最大影响范围也设定在这12717这个群体.同样出于隐私保护考虑,这里的用户ID用*隐去了最后一位.
从表3中我们可以观察到前两个用户虽然直接好友都同为2个,但是一度的时候影响到的用户数差异就非常明显,相差38倍；二度的时候影响到的用户数差异虽然还很大,但已经下降到了4.6倍；但是到了三度之后,影响用户数差异就并不明显,几乎相同；到了四度、五度,基本上已经影响到了其群体全部用户.不论起始用户的直接好友是几个,在三度后其影响用户范围已区别不大.即使有的用户直接好友很少,其二度后影响范围也并不比拥有上千直接好友的用户少多少.
研究中发现,只有两个用户之间需要经过六度才能产生联系.虽然这种情况相对于1.6亿关系对的比例只有亿分之一,但是分析这种情况的出现原因也有实际意义,这两个用户信息见表3最后两个用户,我们可以看出他们的直接好友（零度）都比较少,只有两个.这样从统计角度上来看,间接导致了其一度好友和二度好友的数量增长速度相对较慢,也就是从他们出发的人际关系扩展较慢.并且无论是从他们开始出发,还是找到他们的过程路径都会相对较长.即使这样,但是当增长到四度的时候,以他们为起点出发的好友仍然可覆盖98%以上的用户.
steam新用户加不好友:91.[PHP第一季]第17章多用户留言系统4.0-显示好友[40]–19:12
通过计算全部以12717个用户为起点的N度影响范围,我们可以得到图2.图2中横坐标为度数,纵坐标为满足该度数下可以覆盖全部群体的用户个数.13.8%的用户在三度的时候其影响范围就扩展到了全部群体,82.9%的用户在四度的时候其影响范围也扩展到了全部群体,只有3.3%的用户在五度的时候其影响范围才扩展到了全部群体,仅有2个用户需要六度才能把其影响范围扩展到全部群体.
如果我们以单个用户为起点,观察其N度之后的平均影响用户数以及其在研究群体中所占的比例,计算了全部12717个用户,可以得出表4的数据.
根据表4的数据得到不同度数下平均影响到的用户趋势图,如图3所示.我们可以看到前期增长速度非常快,一度的时候只能覆盖到26%的用户,但是在二度的时候已经迅速增长到91%,在三度的时候更增长到99.8%.此后由于已经接近了100%,增长的空间非常小,六度的时候终于达到了1 00%.这项研究也在大学生群体这一微观群体层面上部分验证了六度空间理论,虽然大部分群体二度即可达到,但是覆盖全体仍然需要六度.
在社交网站上面发布的一条消息,可能会通过作者的朋友,以及朋友的朋友不断扩散开采.这种通过熟人口碑传播的信息传递扩散成本低,而且速度快,效果好.
假设我们要向一个上万规模的特定群体传递信息,比如发一个通知或消息.一种做法是每个人都一一通知到,这种方式成本高,效率低.另一种做法是选择其中的若干个独立个体进行单独通知,然后让这些信息通过这些个体的关系链,口口相传的模式进行传播,最终扩大到整个整体.
为了以最小代价达到最大传播范围的目的,如何选择最少的但是最有价值的独立个体作为起始点?信息中间传播几次就可以结束?直觉告诉我们选择他们中直接好友最多的人开始.零度上可以,但是一度,二度之后,情况就发生了变化.本次研究对这些问题给出了答案,并且通过研究,可以明确给出每个人的N度具体影响范围,从而为选取合适的起始传播个体给出了参考.
（作者单位为上海交通大学）
总结：此文是一篇用户好友论文范文,为你的毕业论文写作提供有价值的参考。
steam新用户加不好友引用文献:
[1] 维普新用户查重怎么样
[2] 用户体验论文范文 用户体验有关专升本毕业论文范文10000字
[3] 用户体验论文范文 用户体验论文范文例文8000字
