Bài toán đặt ra là xây dựng thuật toán tìm đường đi ngắn nhất đi qua các đỉnh của đồ thị, kết hợp với các độ đo Centrality từ đó xác định thực thể nào là quan trọng và có tầm ảnh hưởng l
Trang 1ĐỖ VĂN MẠNH
NGHIÊN CỨU VÀ PHÁT TRIỂN THUẬT TOÁN
TÌM PHẦN TỬ CHÍNH YẾU TRONG MẠNG XÃ HỘI VÀ ỨNG DỤNG
LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN
Trang 2
ĐỖ VĂN MẠNH
NGHIÊN CỨU VÀ PHÁT TRIỂN THUẬT TOÁN
TÌM PHẦN TỬ CHÍNH YẾU TRONG MẠNG XÃ HỘI VÀ ỨNG DỤNG
Chuyên ngành: Công nghệ thông tin
Mã số : 60.48.02.01
LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN
NGƯỜI HƯỚNG DẪN KHOA HỌC
PGS.TS ĐỖ PHÚC
Đồng Nai, năm 2013
Trang 3LỜI CAM ĐOAN
Tôi cam đoan rằng, ngoại trừ các kết quả tham khảo từ các công trình khác và một số lý thuyết trên internet đã ghi rõ nguồn tham khảo trong luận văn, các công việc trình bày trong luận văn này là do chính tôi thực hiện và chưa có phần nội dung nào của luận văn này được nộp để lấy bằng cấp ở trường này hoặc trường khác
Ngày tháng năm 2013
Đỗ Văn Mạnh
Trang 4LỜI CẢM ƠN
Tôi xin gửi lời tri ân đến Thầy Cô, bạn bè và gia đình, những người đã hỗ trợ tôi rất nhiều về kiến thức chuyên môn cũng như tinh thần trong quá trình tôi thực hiện luận văn này
Xin đặc biệt cảm ơn Thầy PGS.TS Đỗ Phúc, người đã cung cấp và truyền dạy cho tôi những kiến thức rất hữu dụng, giúp tôi hoàn thiện hơn về cách suy nghĩ cũng như tư duy về phương pháp nghiên cứu khoa học đến những công việc cụ thể trong luận văn này
Đỗ Văn Mạnh
Trang 5TÓM TẮT ĐỀ TÀI
Luận văn này tập trung nghiên cứu một vấn đề mà cộng đồng khoa học đang rất quan tâm đó là bài toán tìm phần tử chính yếu (Key Player) trong mạng xã hội Bài toán tìm phần tử chính yếu là bài toán xác định một hoặc một nhóm các phần tử trong đồ thị mà nếu mất chúng đi thì sẽ làm gãy các liên kết trong đồ thị Dựa vào bài toán tìm đường đi ngắn nhất qua các đỉnh của một đồ thị có hướng và các độ đo Centrality của nó Mạng xã hội được xem là đồ thị có hướng, các thực thể trong mạng là các đỉnh của đồ thị, mối quan hệ giữa các thực thể trong mạng là các cạnh của đồ thị Bài toán đặt ra là xây dựng thuật toán tìm đường đi ngắn nhất đi qua các đỉnh của đồ thị, kết hợp với các độ đo Centrality từ đó xác định thực thể nào là quan trọng và có tầm ảnh hưởng lớn nhất tới các thực thể khác trong mạng xã hội
Luận văn tóm tắt lý thuyết các khái niệm liên quan đến mạng
xã hội, kỹ thuật phân tích mạng, phần tử chính yếu, độ đo Centrality trong mạng xã hội Trên cơ sở đó, tác giả luận văn thiết kế và xây dựng hệ thống để thực nghiệm thuật giải tìm tập Key player trên các tập dự liệu thực tế
Trang 6DANH MỤC NHỮNG TỪ VIẾT TẮT TRONG LUẬN VĂN
BFS : Breadth First Search
CNTT : Công Nghệ Thông Tin
JUNG : Java Universal Network / Graph Framework
MXH : Mạng Xã Hội
SNA : Social Network Analysis
Trang 7DANH MỤC HÌNH
Hình 1.1: Mô tả mạng xã hội 1
Hình 2 1: Mô hình mạng Xã hội (Social Network) 6
Hình 2.2: Mô hình mạng xã hội Facebook 7
Hình 2.3: Mô hình các thành viên của mạng Twitter 8
Hình 2.4: Mô hình phân biệt Follower và Friend trong mạng Twitter 10
Hình 2 5: Giao diện chính của mạng Facebook 11
Hình 2.6: Lượng người truy cập Facebook trong 1 tuần từ 29/07/2012 đến 04/08/2012 (nguồn socialbakers.com) 11
Hình 2.7: Biểu diễn tập đỉnh trong mô hình mạng 13
Hình 2.8: Diễn tả đồ thị có hướng và đồ thị vô hướng 14
Hình 2.9: Ví dụ đường đi trong mạng 15
Hình 2.10: Mô tả các thành viên trong mạng xã hội 18
Hình 2.11: Ví dụ một đồ thị gồm 7 đỉnh 19
Hình 2.12: Một đồ thị gồm 5 đỉnh để tìm Degree Centrality 20
Hình 2.13: Một đồ thị gồm 10 đỉnh để tìm Degree Centrality 21
Hình 2.14: Mô tả vị trí Betweenness Centrality 24
HÌnh 2.15: Một mạng xã hội dùng để tính Betweenness Centrality 25
Hình 2.16: Tầm ảnh hưởng của độ đo trung tâm dựa trên trung gian 28
Hình 2.17: Hình minh họa ví dụ tìm Closeness centrality 34
Hình 2.18: Mô tả mức độ Closeness Centrality của mạng 31
Hình 2.19: Độ đo trung tâm dựa trên trung gian, sự lân cận và trị vectơ đặc trưng 32 Hình 2.20: Hệ số gom cụm của các đỉnh trong đồ thị 35
Hình 2.21: Ví dụ một Mạng xã hội 41
Hình 2.22: Mô tả vị trí của Key player trong mạng 37
Trang 8Hình 3.1: Cấu trúc mạng xã hội 42
Hình 3.2: Cách thức Duyệt đỉnh trong đô thị 49
Hình 4.1: Các bước thực hiện chương trình 53
Hình 4.2: Tập dữ liệu Karate.xml chưa được xử lý 53
Hình 4.3: Tập dữ liệu dolphins.xml chưa được xử lý 54
Hình 4.4: Danh sách Tập đỉnh Karate 55
Hình 4.5: Danh sách Tập cạnh Karate 55
Hình 4.6: Danh sách Tập đinh Dolphins 56
Hình 4.7: Danh Sách Tập Cạnh Dolphins 56
Hình 4.8: Đồ thị biểu diễn tập dữ liệu Karate 57
Hình 4.9: Đồ thị biểu diễn tập dữ liệu Dolphins 57
Hình 4.10: Màn hình báo cáo kết quả 58
Hình 4 11 Lưu trữ đồ thị thành ma trận kề 60
Hình 4 12: Lưu trữ đồ thị thành danh sách liên thuộc 61
Hình 4 13: Lưu trữ đồ thị thành danh sách liền kề 62
Hình 4.14: Giao diện nạp dữ liệu 63
Hình 4.15: Giao diện Vẽ đồ thị trực quan 64
Hình 4.16: Tính Degree Centrality 64
Hình 4.17: Tính Betweenness Centrlity 65
Hình 4.18 Tính Closeness Centrality 65
Hình 4.19: Hiển thị kết quả của chương trình 65
Hình 4.20: Mô tả tập dữ liệu thực nghiệm 69
Hình 4.21: Giao diện kết quả cuối cùng của chương trình 67
Trang 9DANH MỤC BẢNG
Bảng 2.1: Độ đo Degree Centrality của các đỉnh sau khi tính toán 20
Bảng 2.2: Độ đo Degree Centrality cho đồ thị gồm 10 đỉnh 21
Bảng 2.3: Độ đo Betweenness của đồ thị 25
Bảng 2.4: Các đường đi ngắn nhất của tất cả các đỉnh trong đồ thị 26
Bảng 2.5: Độ đo Closeness Centrality của Đồ thị 29
Bảng 2.6: Mức độ Closeness Centrality của mạng 36
Bảng 3.1: Cách thức duyệt đường đi của đồ thị bằng Thuật toán BFS 51
Bảng 4.1: Cách thức lưu trữ dữ liệu đồ thị bằng Danh sách liên thuộc 61
Bảng 4.2: Cách thức lưu trữ dữ liệu đồ thị bằng Danh sách liên kề 62
Trang 10MỤC LỤC
*
CHƯƠNG 1: TỔNG QUAN 1
1.1 Giới thiệu đề tài 2
1.2 Lý do chọn đề tài 3
1.3 Mục tiêu của đề tài 3
1.4 Phạm vi nghiên cứu của đề tài 4
CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 6
2.1 Tổng quan về mạng xã hội 6
2.2 Các Mạng Xã hội thông dụng hiện nay 7
2.2.1 Mạng xã hội Twitter 7
2.2.2 Mạng xã hội Facebook 10
2.3 Các khái niệm cơ bản trong việc tổ chức mạng xã hội 12
2.3.1 Tập đỉnh 13
2.3.2 Tập cạnh 14
2.4 Đường đi và đường đi ngắn nhất trong mạng 15
2.5 Kỹ thuật phân tích mạng xã hội (Social Network Analysis – SNA) 15
2.5.1 Bối cảnh 15
2.5.2 Ứng dụng thực tế 16
2.6 Các độ đo trung tâm trong mạng 17
2.6.1 Độ đo trung tâm theo bậc - Degree Centrality 18
2.6.2 Độ đo trung tâm dựa trên trung gian 22
2.6.3 Độ đo trung tâm theo sự lận cận - Closeness Centrality 28
2.6.4 Độ đo trung tâm dựa trên trị vectơ đặc trưng 32
2.6.5 Hệ số gom cụm trong mạng – Clustering Coefficient 32
2.7 Phần tử chính yếu 35
CHƯƠNG 3: BÀI TOÁN TÌM PHẨN TỬ CHÍNH YẾU TRONG MXH 39
3.1 Giới thiệu 39
3.2 Bài toán tìm phần tử chính yếu trong mạng xã hội 39
3.2.1 Phát biểu bài toán 39
3.2.2 Ứng dụng của bài toán tìm phần tử chính yếu 41
3.2.3 Thuật giải tìm phần tử chính yếu 42
a Thuật giải tìm Degree Centrality 42
b Thuật giải tìm Betweenness Centrality 44
c Thuật giải tìm Closeness Centrality 47
Trang 11d Thuật giải tìm đường đi ngắn nhất từ một đỉnh đến tất cả các đỉnh còn
lại trong đồ thị 48
CHƯƠNG 4: THIẾT KẾ XÂY DỰNG CHƯƠNG TRÌNH VÀ THỰC NGHIỆM 53
4.1 Giới thiệu 53
4.1.1 Giai đoạn 1: Thu thập và rút trích dữ liệu 53
4.1.2 Giai đoạn 2: Xử lý dữ liệu 54
4.1.3 Giai đoạn 3: 58
4.2 Tổ chức cơ sở dữ liệu 58
4.2.1 Giới thiệu 58
4.2.2 Các phương pháp lưu trữ dữ liệu 59
a Cấu trúc ma trận kề 59
b Danh sách liên kết 60
4.3 Xây dựng hệ thống giải quyết bài toán tìm phần tử chính yếu 63
4.4 Kết quả thực nghiệm 66
CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 69
5.1 Những đóng góp của đề tài 69
5.2 Hạn chế của đề tài, cách khắc phục 70
5.3 Hướng phát triển 70
TÀI LIỆU THAM KHẢO
Trang 12CHƯƠNG 1: TỔNG QUAN
Xu hướng giao tiếp của thế kỷ 21 gắn liền với cụm từ “Mạng xã hội” – nơi tìm kiếm và chia sẻ thông tin vô cùng hiệu quả Với một cái tên hoặc địa chỉ email, mọi người có thể nhanh chóng tìm thấy nhau Một hoạt động của một cá nhân hay một doanh nghiệp có thể được hưởng ứng với số đông nhiều người Mọi thông tin trên mạng xã hội có thể được nhanh chóng lan tỏa dựa vào mối quan hệ kết nối của mọi thành viên trên mạng xã hội
- Ví dụ, trong công nghệ thông tin, mạng xã hội trực tuyến (Online Social Network) là nơi kết nối các thành viên có cùng sở thích trên internet không phân biệt không gian và thời gian, thông qua các dịch vụ mạng xã hội (Social Network Service) Có thể nói, sự ra đời của các site Facebook, Twitter, Myspace, Youtube, Google+, ZingMe… đã khiến cho các mạng xã hội ngày càng trở nên phổ biến hơn
Trang 131.1 Giới thiệu đề tài
Phân tích mạng xã hội (Social Network Analysis – SNA) hiện đang là một trong các chủ đề được quan tâm nghiên cứu Phân tích mạng xã hội bao gồm việc nghiên cứu các quan hệ, kết nối, mẫu truyền thông và hành vi giữa các nhóm xã hội khác nhau…
Các phương pháp "phân tích mạng xã hội" (Social Network Analysis - SNA) đã được nghiên cứu và ứng dụng ngày càng nhiều hơn trong các nghiên cứu xã hội học nói riêng và khoa học xã hội nói chung Tại Việt Nam, phương pháp phân tích mạng xã hội còn khá mới mẻ, do đó việc ứng dụng phương pháp phân tích này còn khá hạn chế
Đi kèm với phân tích nói trên là bài toán xác định phần tử chính yếu (Key player) hay còn gọi là những tác nhân quan trọng trong mạng xã hội Phần tử chính yếu là các phần tử trong mạng được xem là quan trọng xét theo một điều kiện nào đó Có thể nói rằng, key player là những node có khả năng điều khiển luồng thông tin, là những node nổi bật nhất và có tầm ảnh hưởng đến các node khác trong mạng xã hội
Độ đo Centrality là đơn vị đo lường xác định các mối liên kết của một đỉnh trong đồ thị Thông qua Centrality, ta có thể phát hiện được thực thể nào trong mạng là quan trọng và có tầm ảnh hưởng đến những thực thể khác Dựa vào bài toán tìm đường đi ngắn nhất qua các đỉnh của một đồ thị có hướng Có thể xem mạng xã hội như một đồ thị có hướng, các thực thể trong mạng là các đỉnh (node) của đồ thị, mối quan hệ giữa các thực thể trong mạng
là các cạnh (link) của đồ thị
Bài toán đặt ra là xây dựng thuật toán tìm đường đi ngắn nhất đi qua các đỉnh của đồ thị, từ đó xác định thực thể nào là quan trọng nhất, có tầm ảnh hưởng lớn nhất tới các thực thể khác trong mạng xã hội
Các vấn đề liên quan được đặt ra như:
Trang 14 Các khái niệm về mạng xã hội như: Actor, Node, Point, Agent, Tie, Link, Edge, Clique,
Cấu trúc dữ liệu đặc trưng của mạng xã hội được tổ chức như thế nào?
Bài toán tìm đường đi ngắn nhất đi qua các đỉnh của một đồ thị có hướng
Độ đo Centrality trong mạng xã hội và các kỹ thuật phân tích mạng
xã hội dựa vào các độ đo Centrality này
1.2 Lý do chọn đề tài
Trong phân tích mạng xã hội, bài toán tìm phần tử chính yếu (Key Player) là một trong những bài toán quan trọng để giải quyết nhiều vấn đề liên quan trong xã hội nói chung và ngành Công nghệ thông tin nói riêng
Các doanh nghiệp áp dụng bài toán này để phân tích và cải thiện mối liên lạc truyền thông bên trong tổ chức và mạng lưới khách hàng cũng như các đối tác Phân tích và tìm ra những phần tử chính yếu có sức lan tỏa thông tin rộng rãi, từ đó xây dựng chiến lược makerting, quảng cáo sản phẩm của họ tốt hơn, hiệu qua hơn
Cơ sở giáo dục như các trường Đại học, Cao đẳng hay Trung học chuyên nghiệp có thể áp dụng bài toán này để tìm ra những phần tử nào có mức độ ảnh hưởng lớn nhất, có độ lan tỏa thông tin nhanh và chính xác nhất tới mọi phần tử khác trong mạng xã hội, từ đó họ tập trung để quảng bá những chương trình đào tạo, hay những thông tin tuyển sinh,…
Trong các website mạng xã hội như Facebook, việc sử dụng các thành phần cơ bản của phân tích mạng xã hội để xây dụng chức năng nhận diện và giới thiệu kết bạn tiềm năng dựa trên liên kết friends to friends
1.3 Mục tiêu của đề tài
Qua quá trình tìm hiểu về mạng xã hội, luận văn này đề cập tới cách thức tìm các phần tử chính yếu, quan trọng (key players) trong mạng xã hội để từ
Trang 15đó áp dụng cho nhiều lĩnh vực khác nhau Mục tiêu chính yếu của luận văn này là:
- Nghiên cứu về mạng xã hội (Social Network)
- Tìm hiểu về Key player trong mạng xã hội
- Tìm hiểu về các loại độ đo Centrality trong mạng xã hội
- Tìm hiểu về kỹ thuật phân tích mạng xã hội
- Nghiên cứu và phát triển thuật toán xác định tập các phần tử chính yếu trong mạng xã hội dựa vào các độ đo Centrality
- Đưa ra mô hình thực nghiệm dựa trên:
o Mạng tham khảo các bài báo trên Internet
o Mạng liên kết các trang web (web link)
- Hiện thực thuật toán tìm Key players bằng chương trình minh họa
1.4 Phạm vi nghiên cứu của đề tài
Đề tài tập trung vào tìm hiểu và nghiên cứu các vấn đề sau:
Tìm hiểu về mạng xã hội và các vấn đề liên quan
Triển khai xây dựng chương trình thực nghiệm, xây dựng ứng dụng
và tối ưu hoá một giải thuật cho bài toán tìm đường đi ngắn nhất trong mạng liên kết các websites
Thử nghiệm, phân tích và đánh giá giải thuật trên bộ dữ liệu thực tế
Cụ thể, đề tài thực hiện các nội dung sau:
Nghiên cứu các mô hình mạng xã hội truyền thông
Tìm hiểu các phương pháp phân tích mạng xã hội
Tìm hiểu một số phần mềm phân tích mạng xã hội
Tìm hiểu thuật toán tìm đường đi ngắn nhất trong đồ thị (có hướng
và vô hướng) và các loại độ đo centrality Từ đó xây dựng chương trình mô phỏng thuật toán áp dụng cho bài toán xác định phần tử chính yếu trong mạng xã hội
Trang 16 Thu thập dữ liệu thực tế để kiểm tra
Tiến hành đánh giá phân tích ưu nhược điểm của thuật toán
Đưa ra phương pháp cải tiến để khắc phục trong tương lai
Trang 17CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
2.1 Tổng quan về mạng xã hội
- Mạng xã hội (MXH) là một đồ thị mô tả sự tương tác giữa các cá thể
có cùng mối quan tâm, có liên hệ trực tiếp hay gián tiếp
- Theo định nghĩa tại trang Wikipedia [16] MXH (Social Network) là dịch vụ nối kết các thành viên cùng sở thích trên internet lại với nhau với nhiều mục đích khác nhau không phân biệt không gian và thời gian
- Một một mạng xã hội bao gồm một tập hợp các phần tử (nodes), mỗi node có thể là một cá thể, một tập thể, thậm chí là một tổ chức có liên kết, ràng buộc lẫn nhau thông qua các mối quan hệ xã hội gọi là các liên kết (links)
Hình 2 1: Mô hình mạng Xã hội (Social Network)
Nguồn: http://julianhopkins.net
- Trong công nghệ thông tin, MXH trực tuyến là nơi kết nối các thành viên cùng sở thích trên Internet không phân biệt không gian và thời
Trang 18Sharing,… Sự ra đời của các site như Facebook, Twitter, Myspace, Youtube, Google+, Flickr,… đã khiến cho mạng xã hội ngày càng trở nên đa dạng, phổ biến hơn
- Nói một cách khác, MXH là mạng tập hợp các công cụ, dịch vụ trực tuyến (như thư điện tử - email, diễn đàn thảo luận , blogs, chat, các trang mạng xã hội, các trang chia sẽ hình ảnh và video …) hỗ trợ sự tương tác qua lại giữa những người sử dụng [8]
Hình 2.2: Mô hình mạng xã hội Facebook
Nguồn: http://julianhopkins.net 2.2 Các Mạng Xã hội thông dụng hiện nay
2.2.1 Mạng xã hội Twitter
a Giới thiệu tổng quan
Twitter là một mạng xã hội với thông tin được chia sẻ theo thời gian thực, cho phép mọi người giao tiếp bằng cách trao đổi những mẩu tin ngắn (chỉ 140 ký tự)
Trang 19Từ những lợi ích thực tế rất lớn nên việc sử dụng Twitter cho Internet Marketing là điều mà bất cứ một marketer nào cũng cần phải thực hiện, nó giúp cho việc kết nối và chia sẻ thông điệp đến các khách hàng cùng sử
dụng Twitter (nguồn http://forum.digitalmarketing.vn)
Twitter được thành lập ở San Francisco, nhưng nó được sử dụng bởi những người trong hầu hết các nước trên thế giới Dịch vụ có sẵn trong hơn 20 ngôn ngữ và đang tiếp tục cập nhật thêm
Hình 2.3: Mô hình các thành viên của mạng Twitter
Nguồn: http://siliconangle.com
b Các khái niệm cơ bản trong mạng Twitter
Tweet: Thông điệp mà bạn muốn chia sẻ, giới hạn ở 140 ký tự Re-Tweet: Khi người mà bạn follow chia sẻ Tweet cho bạn, bạn
cũng có thể chia sẻ Tweet đó cho những người đang follow bạn, như vậy gọi là Retweet
Follow: Một hành động bạn sẽ thực hiện khi muốn kết nối với ai đó
để cập nhật các Tweet, có một nút Follow nằm trên trang của một người dùng Twitter, khi một ai đó muốn follow bạn, họ sẽ click vào
Trang 20nút Follow, không nhất thiết bạn phải follow ngược trở lại Bạn cũng có thể không cho phép ai đó xem các Tweet của bạn
Direct Message: Thông điệp riêng tư giữa hai người dùng Twitter,
người nhận tin nhắn phải đang follow người gửi tin nhắn
Following: Khi bạn đã click vào nút Follow một ai đó, tức là bạn
đang following người đó, và bạn sẽ luôn được cập nhật mọi Tweet
từ người đó
Handle: Để liên kết đến một tài khoản Twitter nào đó trên thông
điệp (Tweet) của bạn, bạn sẽ phải thêm ký tự @ trước tên tài khoản Twitter đó, ví dụ khi muốn liên kết đến emeraldvn, chỉ cần gõ như sau @emeraldvn, sau khi click Tweet, dòng thông điệp của bạn sẽ chứa liên kết đến emeraldvn
Hashtag: Sẽ dùng để gộp các Tweet có nội dung liên quan hoặc các
Tweet có sử dụng cùng hashtag, cú pháp sẽ là #<tag> (ví dụ
#digitalmarketing), sau khi sử dụng Hashtag thì trong mẩu tin của bạn sẽ có liên kết đế tag bạn đã viết, khi người khác click vào liên kết này, họ sẽ xem được tất cả những Tweet sử dụng hashtag digitalmarketing
List: Danh sách các nhóm và người dùng trong mỗi nhóm, nhóm có
thể do bạn tự tạo
Search: Cho phép người dùng tìm kiếm các Tweet có liên quan
hoặc chứa cụm từ mà họ đang tìm kiếm
Timeline: Giống như wall post của Facebook, Timeline hiển thị các
tweet của bạn và của những người bạn đang follow
Trending Topic: Twitter sẽ hiển thị 10 topic được cho là 'hot' trong
thời điểm hiện tại, bạn sẽ thấy các Trending Topc được hiển thị theo khu vực địa lý, tùy vào nơi ở của bạn
Trang 21Unfollow: Ngược với Follow, khi đã unfollow ai đó (bằng cách
click vào nút Unfollow), bạn sẽ không thể nhận các update từ người
đó
Hình 2.4: Mô hình phân biệt Follower và Friend trong mạng Twitter
Nguồn: Twitter.com 2.2.2 Mạng xã hội Facebook
a Giới thiệu tổng quan
Facebook là một website mạng xã hội truy cập miễn phí do công ty
Facebook, Inc điều hành Người dùng có thể tham gia các mạng lưới được
tổ chức theo thành phố, nơi làm việc, trường học và khu vực để liên kết và giao tiếp với người khác Mọi người cũng có thể kết bạn và gửi tin nhắn cho họ, và cập nhật trang hồ sơ cá nhân của mình để thông báo cho bạn bè biết về chúng Tên của website nhắc tới những cuốn sổ lưu niệm dùng để ghi tên những thành viên của cộng đồng campus mà một số trường đại học và cao đẳng tại Mỹ đưa cho các sinh viên mới vào trường, phòng ban,
và nhân viên để có thể làm quen với nhau tại khuôn viên trường (theo
định nghĩa của http://www.wikipedia.org)
Trang 22Hình 2 5: Giao diện chính của mạng Facebook
Với hơn 700 triệu người dùng thực sự, Facebook đã trở thành một mạng xã hội phổ biến trên toàn thế giới, đa dạng người dùng ở mọi độ tuổi, mọi quốc gia, mọi nền văn hóa
Facebook là nơi dễ dàng nhất để kinh doanh, kết nối với khách hàng, tạo các mối quan hệ, lấy thông tin từ mọi người cũng như là các sản phẩm hoặc dịch vụ
Hình 2.6: Lượng người truy cập Facebook trong 1 tuần từ 29/07/2012 đến
04/08/2012 (nguồn socialbakers.com)
Trang 23b Các khái niệm cơ bản trong mạng Facebook
Wall: Trang cá nhân của bạn, nó sẽ chứa các status,
comment, hình ảnh, photo, video mới nhất mà bạn vừa chia sẻ
Status: Nó đồng nghĩa với "what's on your mind", bạn đang
nghĩ gì, muốn chia sẻ điều gì với mọi người
Note: Chỗ mà bạn sẽ viết thoải mái mọi thứ lên đó, note khác
với status là bạn có thể viết bao nhiêu tùy thích, status thì tất nhiên bạn chỉ được viết ngắn thôi
Comment: Bình luận của bạn hoặc người khác về một status,
link, note
Like: Nó là một button, ý nghĩ của nó cũng như tên gọi, khi
bạn click vào tức là bạn đã bày tỏ mình Like một status, bình luận hoặc một link nào đó từ các website khác (nếu nút Facebook Like được add vào website này)
Friends: Bạn bè của bạn trong Facebook, bạn có thể yêu cầu
kết bạn với mọi người và ngược lại, mọi người có thể yêu cầu kết bạn với bạn, Facebook cũng có thể giúp bạn suggest bạn bè cho người khác, hoặc tự tìm bạn bè cho bạn (nếu bạn mới bắt đầu sử dụng)
New Feeds: Đây là các update mới nhất (thông tin, status,
comment…) từ bạn bè và các nhóm xã hội của bạn, nó sẽ được cập nhật theo thời gian
Tag: Tính năng này giúp nhận diện một cá nhân, thương hiệu
trong một hình ảnh, video hoặc bài viết nào đó
(nguồn http://digitalmarketing.vn/)
2.3 Các khái niệm cơ bản trong việc tổ chức mạng xã hội
Trong phân tích mạng xã hội, ta xem xét mạng xã hội như là đồ thị mạng bao gồm các đỉnh (nodes), các cạnh (links) Node biểu diễn tập các tác nhân,
Trang 24thực thể, còn link biểu diễn mối quan hệ (relation) giữa các tác nhân, thực thể đó
2.3.1 Tập đỉnh
Trong lý thuyết đồ thị, tập đỉnh còn được gọi là tập nút (nodes) Trong phân tích mạng xã hội, nó còn được biết như là tập các tác nhân (actors) hay tập thực thể (entities),…Trong mạng xã hội, tập đỉnh đặc trưng cho các cấu trúc của các mạng xã hội, các thành viên hay các cộng đồng như một nhóm người, một tổ chức hay các quốc gia, các trang web, các nhãn từ khoá hay các hình ảnh, video,…
Ví dụ: ta xét tập đỉnh đặc trưng cho các phần tử trong các mạng như sau:
Hình 2.7: Biểu diễn tập đỉnh trong mô hình mạng
Nguồn http://julianhopkins.net
Mỗi đỉnh được đặc trưng cho phần tử trong mạng
Trang 252.3.2 Tập cạnh
Trong MXH, tập cạnh đặc trưng cho mối liên kết (Link) hay mối quan hệ giữa các tập đỉnh trong mạng Mỗi cạnh ta có thể hiểu là một đường đi nối hai đỉnh với nhau Dựa trên cơ sở lý thuyết đồ thị, ta chia tập cạnh ra là 2 loại:
Đối với đồ thị có hướng: Tập cạnh dạng trực tiếp, được biểu diễn bằng đường thẳng có hướng (xác định hướng theo chiều mũi tên)
Đối với đồ thị vô hướng: Tập cạnh dạng gián tiếp, được biểu diễn bằng đường thẳng vô hướng (không có chiều mũi tên)
Đồ thị có hướng Đồ thị vô hướng
Hình 2.8: Diễn tả đồ thị có hướng và đồ thị vô hướng
Ngoài ra, đối với đồ thị, một thành phần quan trọng đó là trọng số của cạnh Trọng số của cạnh được định nghĩa là đơn vị dùng để xác định mức độ hay tần suất liên kết giữa 2 đỉnh trong đồ thị Đối với các bài toán trong lý thuyết đồ thị, trọng số đóng vai trò quyết định để giải quyết bài toán tìm đường đi ngắn nhất trong đồ thị
Trang 262.4 Đường đi và đường đi ngắn nhất trong mạng
Đường đi giữa hai đỉnh trong một mạng là đường đi qua các đỉnh không lặp lại trong mạng
Đường đi ngắn nhất giữa hai đỉnh trong một mạng là đường đi qua các đỉnh không lặp lại trong mạng với số đỉnh đi qua là ít nhất
Xét đỉnh số 1 và số 4 trong mô hình mạng bên, ta thấy có các đường đi giữa 2 đỉnh này như sau: {1,3,4}, {1,2,4}, {1,2,3,4},
{1,3,2,4}, {1,2,5,3,4}, {1,3,5,2,4}
Trong đó: {1,3,4}, {1,2,4} được gọi là đường đi ngắn nhất
Hình 2.9: Ví dụ đường đi trong mạng
2.5 Kỹ thuật phân tích mạng xã hội (Social Network Analysis – SNA)
Phân tích mạng xã hội (SNA) ngày càng phổ biến Quan hệ xã hội và kết nối mạng là những thành phần quan trọng của đời sống con người Nhưng Internet giảm số lượng hoặc tần số của các mối quan hệ vật lý.Tuy nhiên, sự xuất hiện của công nghệ Web 2.0 cho phép mọi người tự tổ chức vào các mạng xã hội ảo, nơi họ tự tổ chức như trong thế giới thực.Sự khác biệt là trong cách giao tiếp: mặt-đối-mặt tương tác và tương tác bằng cách
Trang 27- Mạng lưới phân tích mối quan hệ riêng của chính nó với việc xây dựng các giải pháp của những vấn đề có trong cấu trúc mạng, cấu
trúc như vậy thường được biểu diễn trong một đồ thị
- Lý thuyết đồ thị cung cấp một tập hợp các khái niệm trừu tượng
và phương pháp phân tích của đồ thị Những điều này kết hợp với các công cụ phân tích khác và các phương pháp phát triển đặc biệt cho sự hình dung và phân tích của các mạng xã hội, hình thành cơ sở của những gì chúng ta gọi là phương pháp phân tích mạng xã hội –
SNA
- Nhưng SNA không phải là một phương pháp luận, đó là một cái nhìn độc đáo về chức năng của mạng xã hội Thay vì tập trung vào cá nhân và các thuộc tính của họ hoặc trên các cấu trúc vĩ mô thì trong tâm của nó sẽ tập trung vào mối quan hệ giữa các cá nhân, nhóm
hoặc tổ chức xã hội
- Phân tích mạng xã hội (liên quan đến lý thuyết mạng) đã nổi lên như một kỹ thuật quan trọng trong xã hội học hiện đại Nó cũng đạt được một lượng đáng kể trong nhân chủng học, sinh học, nghiên cứu truyền thông, kinh tế, địa lý, khoa học thông tin, nghiên cứu tổ chức, tâm lý xã hội và đã trở thành một chủ đề phổ biến của đầu cơ và
Trang 28của truyền thông mà họ thu thập được và sau đó xác định
các đối tượng chủ chốt trong các mạng này
Các trang web mạng xã hội như facebook sử dụng các yếu tố cơ bản của SNA để xác định và giới thiệu bạn bè tiềm năng dựa vào quan hệ bạn bè của bạn bè (friends of
friends)
Nhà khai thác mạng điện thoại, điện thoại di động sử dụng phương phương pháp SNA để tối ưu hóa cấu trúc và
năng lực trong mạng lưới của họ
Các tổ chức xã hội dân sự sử dụng SNA để phát hiện ra xung đột lợi ích trong các kết nối ẩn giữa các cơ quan
chính phủ, vận động hành lang và các doanh nghiệp 2.6 Các độ đo trung tâm trong mạng
Trong phạm vi của lý thuyết đồ thị và phân tích mạng , có nhiều biện pháp để nghiên cứu mô hình thông tin liên lạc cũng như cấu trúc của một mạng xã hôi Trong đó biện pháp Centrality là một trong các biện pháp được nghiên cứu nhiều nhất nhằm xác định tầm quan trọng tương đối của một đỉnh trong đồ thị (ví dụ như thế nào xác định ảnh hưởng của một cá thể trong một mạng xã hội , hoặc tìm ra nhân vật trọng yếu có tầm ảnh hưởng nào đó trong cộng đồng mạng xã hội) Hay nói một cách khác, Centrality mô tả vị trí tương đối của một tác nhân trong bối cảnh của mạng xã hội của mình [4] Ví dụ: Trong mạng xã hội ở hình 2.10, để xác định ra ai là người quan trọng nhất (most central actor), chúng ta phải dựa vào một số tiêu chí
Trang 29Hình 2.10: Mô tả các thành viên trong mạng xã hội
Một trong số các tiêu chuẩn được sử dụng để phát hiện các node trung tâm trong việc phân tích mạng đó là dựa vào các loại độ đo: degree centrality, betweenness centrality, closeness centrality và eigenvector centrality
2.6.1 Độ đo trung tâm theo bậc - Degree Centrality
Trang 30Công thức tính degree centrality theo dạng chuẩn của đỉnh v:
Trang 31- Ta tính toán Degree Centrality cho từng node như sau:
Bảng 2.1: Độ đo Degree Centrality của các đỉnh sau khi tính toán
Node Degree centrality Normalised
- Số bậc ra của đỉnh (Out Degree Centrality)= 2
- Số bậc vào của đỉnh (In Degree Centrality)= 0
Xét node B:
- Số bậc ra của đỉnh (Out Degree Centrality)= 1
- Số bậc vào của đỉnh (In Degree Centrality)= 2
Trang 32 Xét node C:
- Số bậc ra của đỉnh (Out Degree Centrality)= 2
- Số bậc vào của đỉnh (In Degree Centrality)= 1
Xét node D:
- Số bậc ra của đỉnh (Out Degree Centrality)= 1
- Số bậc vào của đỉnh (In Degree Centrality)= 2
Xét node E:
- Số bậc ra của đỉnh (Out Degree Centrality)= 0
- Số bậc vào của đỉnh (In Degree Centrality)= 1
Trang 33 Một thực thể có giá trị degree centrality cao:
Là người hoạt động tích cực hoặc nổi tiếng nhất (active player, most popular person)
Là một đầu nối quan trọng (connnector)
Có một vị trí thuận lợi
Có tầm ảnh hưởng quan trọng trong mạng
2.6.2 Độ đo trung tâm dựa trên trung gian
Trang 34- Công thức tính betweenness centrality của đỉnh v theo dạng
chuẩn:
Miền giá trị:
Độ đo này có miền giá trị nằm trong khoảng [0 1], node có giá trị càng lớn thì node đó sẽ có sự ảnh hưởng tới việc phân bổ cấu trúc của các cụm hay nhóm trong mạng càng lớn Một tác nhân có vai trò trung tâm càng lớn trong mạng thì sẽ có tầm ảnh hưởng lớn trong việc kiểm soát mọi thông tin trao đổi giữa các tác nhân khác trong mạng
2
1)( ) / (
) ( )
v C v
B
Trang 35 Xác định vị trí của một node trong mạng có khả năng kết nối được với các cặp node khác hay nhóm các node khác
Điều khiển luồng thông tin trong mạng: khi một node nằm giữa (between) các node khác bị mất đi thì các node còn lại không thể tiếp tục kết nối được và trao đổi thông tin với nhau
o Một node có độ đo Betweenness Centrality càng cao thì:
Giữ một vị trí đặc biệt quan trọng và một tầm ảnh hưởng rất lớn trong mạng
Nếu node này bị loại bỏ thì sẽ gây ra sự tan rã cấu trúc của mạng, tức là các node sẽ không còn có thể trao đổi thông tin liên lạc với nhau
Hình dưới đây cho thấy Rafael nằm giữa Alice và Aldo, Alice và Aldo nằm giữa các thực thể khác Nhưng Rafael có độ
đo Betweenness Centrality cao nhất bởi vì:
Hình 2.14: Mô tả vị trí Betweenness Centrality
Nếu xóa Alice thì mạng không bị tách rời
Nếu xóa Aldo, mạng chia cắt mất 2 thực thể là Stefan
và Pieree
Trang 36 Nhưng nếu xóa Rafael, mạng chia cắt mất 3 thực thể Aldo, Stefan và Pierre Do đó, Rafael là node quan trọng nhất trong mạng
Bảng độ đo của 3 node Rafael, Alice và Aldo:
Bảng 2.3: Độ đo Betweenness của đồ thị
Betweenness Centrality
Ví dụ: Cho một mạng xã hội có các tác nhân: v1, v2, v3, v4, v5, v6
và các link: (v1,v2); (v1,v3); (v2,v4); (v3,v2); (v3,v4); (v4,v5); (v4,v6)
Ta coi Mạng xã hội trên như là một đồ thị như sau:
Hình 2.15: Một mạng xã hội dùng để tính Betweenness Centrality
Để tìm Betweenness Centrality ta áp dụng công thức 2.3 như sau:
Trong đó:
v1
v2 v3
v4
Trang 37 : Tổng số đường đi ngắn nhất từ đỉnh s đến t
và có qua đỉnh v (s ≠ v ≠ t)
: Tổng số các đường đi ngắn nhất từ đỉnh s đến t (s ≠ v ≠ t)
Ban đầu ta tìm tất cả các đường đi ngắn nhất của tất cả các cặp node trong mạng:
Bảng 2.4: Các đường đi ngắn nhất của tất cả các cặp node trong đồ thị
Shortest Path (s,t) Path Length
SP(1,2) {1,2} Length(SP(1,2))=1 SP(1,3) {1,3} Length(SP(1,3))=1 SP(1,4) {1,2,4};
{1,3,4}
Length(SP(1,4))=2 Length(SP(1,4))=2 SP(1,5) {1,2,4,5}
{1,3,4,5}
Length(SP(1,5))=3 Length(SP(1,5))=3 SP(1,6) {1,2,4,6}
{1,3,4,6}
Length(SP(1,6))=3 Length(SP(1,6))=3 SP(2,4) {2,4} Length(SP(2,4))=1 SP(2,5) {2,4,5} Length(SP(2,5))=2 SP(2,6) {2,4,6} Length(SP(2,6))=2 SP(3,2) {3,2} Length(SP(3,2))=1 SP(3,4) {3,4} Length(SP(3,4))=1 SP(3,5) {3,4,5} Length(SP(3,5))=2 SP(3,6) {3,4,6} Length(SP(3,6))=2 SP(4,5) {4,5} Length(SP(4,5))=1 SP(4,6) {4,6} Length(SP(4,6))=1
SP ( s , t ) hay st 17
Trang 38Vậy st = 17
Việc tiếp theo ta tính tổng đường đi ngắn nhất từ đỉnh s tới đỉnh t
có qua đỉnh v:
Xét đỉnh v1: ta thấy không có bất kỳ đường đi từ đỉnh s bất
kỳ tới đỉnh t mà đi qua v1 Như vậy st( v 1 ) 0
Xét đỉnh v2: ta thấy có 3 đường đi có đi qua đỉnh v2, vậy
v v
C
) (
17 0 17
3 2
v v
C
17 0 17
3 3
v v
C
47 0 17
8 4
v v
C
0 17
0 5
v v
C
) (
0 17
0 6
v v
C
) (
Trang 39Dựa vào các độ đo Betweenness Centrality của từng đỉnh ở trên
ta thấy đỉnh v4 có độ đo cao nhất đồng nghĩa với việc đỉnh v4 này là đỉnh có tầm ảnh hưởng cao nhất đối với các đỉnh khác Bên cạnh đỉnh v4 có 2 đỉnh v2, v3 cũng có độ đo cao nhưng kém phần quan trọng hơn vì nếu mất một trong hai đỉnh này thì cấu trúc mạng không thay đổi Thay vào đó nếu mất đỉnh v4 thì cấu trúc mạng thay đổi rất lớn vì sẽ mất đi 2 đỉnh v5 và v6
Giá trị các độ đo Betweenness
Centrality của từng đỉnh trong
Trang 40- Có thể chọn một trong hai công thức sau đây để tính Closeness centrality của một đỉnh:
Công thức (I) : Closeness centrality được tính bằng trị nghịch đảo của tổng số khoảng cách ngắn nhất từ một đỉnh đến tất cả các đỉnh còn lại của đồ thị
Công thức (II) : Closeness centrality được tính bằng bình quân của tổng số khoảng cách ngắn nhất từ một đỉnh đến tất
cả các đỉnh còn lại
Với dG(v,t) là khoảng cách ngắn nhất từ đỉnh v đến t của đồ thị
- Công thức tính closeness centrality của đỉnh v theo dạng chuẩn :
- Ví dụ 1:Xét đồ thị sau
Bảng 2.5: Độ đo Closeness Centrality của Đồ thị
Node Closeness centrality
* ) ( ) (
