1．目的及意义

现如今，社交网络平台随着电子信息产业的繁荣而高速发展，尤其是在自2006 年Twitter 问世以来，各种社交网站，社交网络应用层出不穷，国外的有例如Facebook、Instagram、Snap Chat，而国内社交平台的快速发展主要是由新浪微博带动起来的。自2009 年新浪微博公测以来到现在，平台上的月均活跃用户超过2 亿人，日均活跃用户在1 亿人左右，除了微博，还有一些主打特定类型的社交平台也取得了较好的市场，例如问答型社交知乎、文艺青年聚集地豆瓣等等，这都反映了社交平台在国内繁荣发展的事实，不过不仅是从活跃用户数量的角度，还是从市场占有率而言，新浪微博依旧占有无法取代的位置。

而微博之所以能维持其平稳的发展，很大一部分原因就是其中聚集了许多的高影响力用户，包括国内外明星、各类机构和企业官微，网络红人等等，粉丝效应会导致信息在这张巨大的社交网中快速传播。正由于这个特点，许多大V 用户会选择在这个平台上发布消息，起到宣传和造势的作用。相较于传统的新闻媒体，新浪微博的传播速度更快，影响范围更广，对人们生活的影响力也更大。而这其中最核心的就是高影响力用户。这些用户能够持续推动信息在网络中快速传播。因此，根据用户的行为来评估社交网络用户的影响力及它们之间的关系具有实际意义和研究价值。相关企业和部门能够有效利用研究成果，进行相应的精准营销、追踪关键人物和舆情分析等，对保障网络安全和谐地发展有重大意义。

国内外针对社交网络方面的研究主要集中在基于社交网络的个性化推荐、社交网络中的意见领袖、社会网络分析、用户影响力评估等方面，国内的有：康书龙等重点考虑了用户在社交网站上的不同行为方式，在Page Rank 算法的基础上设计了BRR 算法，并通过网络节点的BRR 值来计算用户影响力值。贾冲冲等为了减少低影响力的粉丝在评价用户影响力过程中带来的负面作用，提出了基于H 指数的HRank 模型来计算用户的影响力。Y Yamaguchi等重点考虑了用户与用户之间的关系，提出了TURank 模型来评价用户的影响力；J Weng等发现社交平台上用户之间的交流是相互的过程，从链接分析的角度，基于Page Rank 的思想提出了Twitter Rank 算法，该算法能够根据用户和链接结构之间的相似度衡量用户的影响力。

以上这些研究拓宽了研究用户影响力的思路，从多维度、多角度综合考虑影响力的评估问题，本次研究针对社交网络（以微博为例）中重点用户社交网络信息进行分析，最终可视化展示用户行为特点。{title}

2. 研究的基本内容与方案

{title}

基本内容：根据收集到的暴恐类新闻数据，对其进行实体提取得到实体集，通过 Graphviz 软件包对实体集进行绘制 Graphviz 图并且将整个过程集成为一个可视化系统

目标：针对暴恐类新闻数据分析以可视化结果展示并提供一颗可视化操作界面

拟采用的技术方案及措施：

1、对于已收集的数据进行命名实体识别（NER）；

2、将处理后的数据根据信息种类分类，并按规则存储；

3、对处理完的信息按照对应的关系用Graphviz 作可视化显示。

（1）命名实体识别是NLP里的一项很基础的任务，就是指从文本中识别出命名性指称项，为关系抽取等任务做铺垫。狭义上，是识别出人命、地名和组织机构名这三类命名实体。当然，在特定的领域中，会相应地定义领域内的各种实体类型；