基于社会网络挖掘的网购虚拟社区网络分析

论文摘要

近年来网络飞速发展,很多企业为了争夺市场,也加入到网络营销中去,虚拟社区购物网络成了人们购买的重要场所。网络购物的匿名性,开放性,跨时空性,低受控性等特性,使得网络购物和传统购物有很大差异,因此能正确的对网络营销数据进行分析和管理控制显得尤为重要。但虚拟社区购物中信息的传播规律深埋在纷繁复杂的网络中,很难掌握,要对网络中的数据进行细致的分析才能得出网络营销的下一步发展的规划和策略。社会网络挖掘分析技术在中国是刚兴起的,给我们分析带来了机会。本文采用了社会网络挖掘技术对某小型购物网站中的一个版块中的顾客和产品之间的数据信息进行分析。提取2009年中两个月的顾客评价产品的数据和产品自身数据,用K均值聚类法进行聚类找到凝聚子网,以虚拟社区中最活跃的顾客和受关注程度最多的产品为例,构造2-mode网络,用SNM技术进一步分析产品-产品之间和顾客-顾客之间的1-mode网和产品-顾客之间的2-mode关系。找出他们之间的特征得出相关的规律。分析证明这一套社会网络挖掘方法能够分析网购网络虚拟社区二模网模型的规律。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 研究背景
• 1.2 研究的目的与意义
• 1.3 国内外研究现状
• 1.3.1 社会网络挖掘研究现状
• 1.3.2 目前研究的不足之处
• 1.4 研究的主要内容和方法
• 1.4.1 研究的主要内容和思路
• 1.4.2 研究的框架
• 2 社会网络挖掘分析的相关理论
• 2.1 数据挖掘理论
• 2.1.1 数据挖掘定义
• 2.1.2 聚类分析理论
• 2.2 社会网络分析理论
• 2.2.1 社会网络分析方法
• 2.2.2 UCINET 工具介绍
• 2.2.3 网络密度理论
• 2.2.4 二模网理论
• 2.3 社会网络挖掘理论及应用
• 3 网购虚拟社区凝聚子群的挖掘分析
• 3.1 问题描述
• 3.2 模型构建
• 3.3 数据采集与预处理
• 3.4 基于聚类技术的凝聚子网挖掘
• 3.5 挖掘结果评估与解释
• 3.6 子网划分
• 4 社会网络挖掘方法分析网购虚拟社区
• 4.1 分析流程
• 4.2 虚拟社区的网络构建
• 4.3 2-MODE 网络分析
• 4.3.1 数据模型
• 4.3.2 网络密度分析
• 4.3.3 数据转换-从2-mode 到1-mode 分析
• 4.3.4 二部“2-模图”分析
• 5 基于 SNM 的2-MODE 网管理对策
• 5.1 总结分析的结果
• 5.2 管理对策
• 6 结论与展望
• 致谢
• 参考文献
• 附录 A. 作者在攻读学位期间发表的论文目录
• B. 部分图表