社會語義網(wǎng)分析技術(shù)研究＊

蔡國永，林 航

（桂林電子科技大學(xué)計算機(jī)科學(xué)與工程學(xué)院，廣西 桂林 541004）

1 引言

在開放的互聯(lián)網(wǎng)環(huán)境中，涌現(xiàn)出了大量不同類型的在線社會網(wǎng)絡(luò)（也稱在線社區(qū)）。在線社會網(wǎng)絡(luò)是人們以計算機(jī)和網(wǎng)絡(luò)為中介進(jìn)行交互、聯(lián)系和協(xié)作時所形成的人與人、人與物的邏輯網(wǎng)絡(luò)［1］。根據(jù)Facebook在2011年7月公布的數(shù)據(jù)，F(xiàn)acebook的全球用戶總數(shù)已達(dá)7.5億，每天的分享次數(shù)達(dá)40億。在線社會網(wǎng)絡(luò)在全球范圍內(nèi)呈爆炸式增長，與此同時，在線社會網(wǎng)絡(luò)分析成為學(xué)術(shù)界關(guān)注的熱點(diǎn)之一。

傳統(tǒng)社會網(wǎng)絡(luò)分析方法側(cè)重于研究在線社會網(wǎng)絡(luò)的網(wǎng)絡(luò)規(guī)模、中心性、聚類系數(shù)和異配性等網(wǎng)絡(luò)拓?fù)涮卣鳎?～4］。這些研究通過提取單一網(wǎng)絡(luò)服務(wù)平臺的用戶數(shù)據(jù)，分析社會網(wǎng)絡(luò)的拓?fù)涮卣?，而沒有充分考慮社會網(wǎng)絡(luò)中的語義信息［5］。

針對在線社會網(wǎng)絡(luò)資源缺少統(tǒng)一語義模型問題，國外學(xué)者提出使用語義網(wǎng)技術(shù)描述在線社會網(wǎng)絡(luò)。Mika P等［5］從語義角度將在線社會網(wǎng)絡(luò)分成三個層，即社團(tuán)層、本體層和超文本內(nèi)容層，并根據(jù)三層模型構(gòu)建了用于描述在線社會網(wǎng)絡(luò)的本體。Finin T等人［6］提出基于朋友的朋友FOAF（the Friend of A Friend）的社會語義網(wǎng)絡(luò)，利用啟發(fā)式的方法確定和發(fā)現(xiàn)網(wǎng)絡(luò)中的FOAF文檔，并從中提取參與者相關(guān)信息。Kinsellal S等［7］利用社會語義網(wǎng)描述在線用戶及其生成內(nèi)容間的顯性和隱性關(guān)系，側(cè)重研究在線社會網(wǎng)絡(luò)中用戶生成內(nèi)容的語義鏈接。這些研究表明：語義網(wǎng)技術(shù)可以為上層的應(yīng)用和分析提供一致的語義模型，便于異構(gòu)網(wǎng)絡(luò)資源的整合，也賦予資源更豐富的語義信息；語義網(wǎng)技術(shù)的推理能力，使得資源的語義可被計算機(jī)理解，并能將隱性知識轉(zhuǎn)換和共享。因此，引入語義網(wǎng)技術(shù)能更好地構(gòu)建完整、非冗余的在線社會網(wǎng)絡(luò)，并為進(jìn)一步的社會網(wǎng)絡(luò)分析提供重要支撐。

然而，現(xiàn)有研究側(cè)重于將語義網(wǎng)技術(shù)用于在線社會網(wǎng)絡(luò)的描述，在分析過程中探討利用語義信息的研究還不多。本文其余部分安排如下：第2節(jié)給出在線社會網(wǎng)絡(luò)表示與分析框架；第3節(jié)具體介紹在線社區(qū)社會語義網(wǎng)絡(luò)的構(gòu)建；第4節(jié)給出在線社區(qū)社會語義網(wǎng)絡(luò)分析的原理和實(shí)現(xiàn)技術(shù)；第5節(jié)以真實(shí)在線社會網(wǎng)絡(luò)為例，說明社會語義網(wǎng)絡(luò)分析框架的實(shí)例分析過程。

2 在線社會網(wǎng)絡(luò)分析框架

在線社會網(wǎng)絡(luò)結(jié)構(gòu)框架包括兩部分：在線社會網(wǎng)絡(luò)的語義表示和在線社會網(wǎng)絡(luò)的語義分析，如圖1所示。

Figure 1 Social semantic network structure framework diagram圖1 社會語義網(wǎng)絡(luò)結(jié)構(gòu)框架圖

圖1中框架分為四層：最下面的第1層為數(shù)據(jù)層，它包括非資源描述框架RDF（Resource Description Framework）數(shù)據(jù)源集合和本體語言描述的實(shí)例數(shù)據(jù)集合，為框架提供原始數(shù)據(jù)；第2層為本體層，它包括用于描述網(wǎng)絡(luò)資源的各類本體，如FOAF、Relationship、SIOC和SKOS等；第3層為RDF語義圖模型，利用本體將原始數(shù)據(jù)集表示成RDF圖模型，實(shí)現(xiàn)在線社會網(wǎng)絡(luò)的語義表示；第4層為社會語義網(wǎng)分析層，在語義表示的基礎(chǔ)上，利用SPARQL（Simple Protocol And RDF Query Language）的表達(dá)能力和語義檢索引擎的推理能力實(shí)現(xiàn)對在線社會網(wǎng)絡(luò)的語義分析。

社會語義網(wǎng)絡(luò)分析的實(shí)現(xiàn)過程如圖2所示。

Figure 2 Social semantic network analysis flow diagram圖2 社會語義網(wǎng)分析流程圖

首先，需要對待分析的網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行社會語義提取，獲取基本的結(jié)構(gòu)化數(shù)據(jù)，并利用語義網(wǎng)技術(shù)對抽取的數(shù)據(jù)進(jìn)行存儲和表示。在線社會網(wǎng)絡(luò)中，用戶的信息多數(shù)以規(guī)則的網(wǎng)頁形式出現(xiàn)，且網(wǎng)頁含有明顯的區(qū)域結(jié)構(gòu)。因此，可以利用基于HTML結(jié)構(gòu)的信息抽取方法［8］，對待分析的社交網(wǎng)絡(luò)中的用戶信息進(jìn)行提取。

信息提取獲得的數(shù)據(jù)、用戶數(shù)據(jù)庫提供的數(shù)據(jù)和開放API獲取的數(shù)據(jù)都屬于結(jié)構(gòu)化非RDF數(shù)據(jù)。需要用語義網(wǎng)技術(shù)對這些數(shù)據(jù)進(jìn)行處理轉(zhuǎn)換，將其存儲為RDF或Web本體建模語言O(shè)WL（Ontology Web Language）格式。對轉(zhuǎn)換生成的RDF數(shù)據(jù)和已有的RDF數(shù)據(jù)進(jìn)行知識推理和一致性檢測，最終生成在線社會網(wǎng)絡(luò)的RDF語義圖模型。在RDF語義圖表示的基礎(chǔ)上，可進(jìn)行框架中的社會語義網(wǎng)分析。

3 在線社區(qū)社會語義網(wǎng)絡(luò)的構(gòu)建

框架中利用RDF語義圖模型將在線社區(qū)構(gòu)建成社會語義網(wǎng)絡(luò)，使用已有的本體描述在線社會網(wǎng)絡(luò)中的社會數(shù)據(jù)。社會數(shù)據(jù)包括網(wǎng)絡(luò)結(jié)構(gòu)數(shù)據(jù)和用戶生成內(nèi)容數(shù)據(jù)，其中網(wǎng)絡(luò)結(jié)構(gòu)數(shù)據(jù)包括用戶個人信息和關(guān)系信息。

框架中使用本體FOAF描述用戶信息，F(xiàn)OAF是基于OWL的詞匯表，定義了用于描述用戶個人信息、網(wǎng)絡(luò)賬戶和社會關(guān)系的元數(shù)據(jù)。其中，family name、nick、interest等屬性集合用來描述用戶個人信息；knows屬性用來建立用戶的社會網(wǎng)絡(luò)。在社會網(wǎng)絡(luò)中，F(xiàn)OAF中的“knows”可以根據(jù)關(guān)系特征和親密程度具體化為不同的社會關(guān)系，如家庭關(guān)系、朋友關(guān)系或職業(yè)關(guān)系等。使用Relationship本體具體化FOAF中的knows屬性，如rel：friendOf屬性表示一種具體的foaf：knows屬性。Relationship中還定義了關(guān)系的屬性特征，如傳遞性、對稱性等。此外，框架使用SIOC本體具體化FOAF中的onlineAccount和HasOnlineAccout屬性，用于描述用戶的賬號信息及對應(yīng)賬戶所生成的內(nèi)容。利用這些本體能完整描述在線社會網(wǎng)絡(luò)中的用戶信息，信息包括同一用戶的不同SNS賬戶、不同服務(wù)平臺上發(fā)布的內(nèi)容以及用戶通過不同網(wǎng)絡(luò)服務(wù)建立的社會關(guān)系等。

然而，在社會網(wǎng)絡(luò)中，大部分用戶數(shù)據(jù)可能是以非RDF格式存在的，這些數(shù)據(jù)需要轉(zhuǎn)換或封裝成RDF格式才能被社會語義網(wǎng)分析框架使用。本文利用語義檢索引擎CORESE［9］將非RDF數(shù)據(jù)轉(zhuǎn)換為RDF語義圖模型中的實(shí)例數(shù)據(jù)。CORESE是基于SPARQL的語義搜索引擎，支持內(nèi)嵌的SQL和XPATH查詢，能將SQL和XPATH查詢的結(jié)果與SPARQL查詢中的變量相互綁定。通過內(nèi)嵌SQL和XPATH查詢，CORESE可以從多個不同類型的數(shù)據(jù)源獲取數(shù)據(jù)，并轉(zhuǎn)換為RDF形式。

CORESE中利用函數(shù)sql（）實(shí)現(xiàn)對關(guān)系型數(shù)據(jù)庫的查詢，sql（）的參數(shù)包括：連接數(shù)據(jù)庫服務(wù)的URL、JDBC驅(qū)動類名、數(shù)據(jù)庫用戶名、用戶密碼和SQL查詢。sql（）查詢的結(jié)果將與SPARQL查詢中的變量相綁定。

假設(shè)需要從一個關(guān)系型數(shù)據(jù)庫中檢索出friendOf關(guān)系，并用查詢結(jié)果構(gòu)建RDF圖。在CORESE中可以使用construct塊、函數(shù)sql（）和函數(shù)getIdUrl（）實(shí)現(xiàn)上述要求，其中函數(shù)getI－dUrL（）用于將sql（）查詢的結(jié)果轉(zhuǎn)換為URL形式。具體的實(shí)現(xiàn)過程如下：

PREFIX rel：＜http：／／purl.org／vocab／relationship／＞

construct｛？url＿user1rel：friendOf？url＿user2｝

select sql（′jdbc：mysql：／／localhost：3306／SNA′，′com.mysql.jdbc.Driver′，′userName′，′pwd′，′SELECT user1，user2from relations where rel＝2′）as（？id1，？id2）

fun：genIdUrl（？id1，′http：／／semsni.fr／people／′）as？url＿user1

fun：genIdUrl（？id2，′http：／／semsni.fr／people／′）as？url＿user2

where｛｝

與之類似，對XML數(shù)據(jù)的查詢可以通過內(nèi)嵌函數(shù)XPATH（）實(shí)現(xiàn)。函數(shù)XPATH（）的參數(shù)包括：XML數(shù)據(jù)源的URL和需匹配的XPATH表達(dá)式。函數(shù)xpath（）將返回XML數(shù)據(jù)源中與xpath表達(dá)式相匹配的元素。將結(jié)果與SPARQL查詢中的變量相綁定，生成RDF圖。

利用CORESE的上述功能，可將XML格式和關(guān)系型數(shù)據(jù)庫存儲的社會數(shù)據(jù)封裝為RDF格式的數(shù)據(jù)。使用add子句代替construct子句，可以將封裝好的RDF數(shù)據(jù)加入已有的社會網(wǎng)RDF語義圖模型中。

4 在線社區(qū)社會語義網(wǎng)絡(luò)分析

在在線社區(qū)社會語義網(wǎng)絡(luò)表示的基礎(chǔ)上，首先根據(jù)社會網(wǎng)絡(luò)分析指標(biāo)的定義，使用SPARQL語言描述待檢索的社會網(wǎng)絡(luò)分析指標(biāo)，然后通過CORESE搜索引擎完成對在線社會網(wǎng)絡(luò)RDF圖的檢索分析。在分析過程中，可以利用社會數(shù)據(jù)屬性的層次結(jié)構(gòu)實(shí)現(xiàn)對分析粒度的控制，利用屬性路徑的檢索實(shí)現(xiàn)整體網(wǎng)分析。

4.1 社會語義數(shù)據(jù)的屬性層次結(jié)構(gòu)

在線社會網(wǎng)絡(luò)中，社會數(shù)據(jù)含有豐富的類型信息，如用戶類型、關(guān)系類型和生成內(nèi)容類型等。這些類型存在語義上的層次結(jié)構(gòu)，不同層次的類型具有不同的分析粒度。使用SPARQL描述網(wǎng)絡(luò)分析的查詢語句時，可以利用社會數(shù)據(jù)的屬性層次結(jié)構(gòu)控制分析的粒度。如圖3所示，用戶Jack所在的社會網(wǎng)絡(luò)中存在多種類型的關(guān)系屬性。關(guān)系屬性的層次結(jié)構(gòu)可以用樹狀結(jié)構(gòu)表示。根節(jié)點(diǎn)know屬性具有最大分析粒度，層次越高的屬性具有的分析粒度越小。分析粒度不同將得到不同的分析結(jié)果。根據(jù)示例中的關(guān)系層次和圖結(jié)構(gòu)，如果分析網(wǎng)絡(luò)中的know屬性，Jack的節(jié)點(diǎn)度為5；若僅考慮家族關(guān)系，Jack的節(jié)點(diǎn)度則為3。

Figure 3 Combination of type hierarchy structure and the graph structure圖3 類型層次結(jié)構(gòu)和圖結(jié)構(gòu)的結(jié)合

4.2 社會語義數(shù)據(jù)的屬性路徑檢索

對在線社會網(wǎng)絡(luò)的RDF圖模型進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)分析需要借助于圖的路徑信息。在RDF圖模型中，節(jié)點(diǎn)通過屬性進(jìn)行鏈接，所以節(jié)點(diǎn)間的路徑取決于屬性。由一組屬性序列構(gòu)成的路徑稱為屬性路徑。RDF圖的路徑檢索通過屬性路徑匹配實(shí)現(xiàn)。屬性路徑匹配可形式化表示為：

其中，G＝（EG，RG，nG，lG）表示RDF圖模型；EG表示實(shí)體的點(diǎn)的集合；RG表示關(guān)系的集合；nG：RG→E＊G表示關(guān)聯(lián)函數(shù)，將關(guān)系與有限實(shí)體相關(guān)聯(lián)；若nG（r）＝（e1，…，ek），則niG（r）＝ei表示關(guān)系r的第i個參數(shù)；lG：EG∪RG→L表示實(shí)體和關(guān)系的標(biāo)簽函數(shù)；reli，i＋1表示屬性序列中的第i＋1個屬性。

本文使用CORESE語法規(guī)定的正則表達(dá)式來描述屬性路徑。在CORESE語法中定義了描述路徑的正則表達(dá)式操作符，正則表達(dá)式操作符及其含義如表1所示。

Table 1 Regular expression operator in CORESE表1 CORESE中的正則表達(dá)式操作符

屬性路徑是正則表達(dá)式操作符與待檢索屬性的組合，例如表達(dá)式“foaf：knows＊／rel：works－With”表示以零個或以上的foaf：know屬性開始且以rel：works屬性結(jié)束的屬性路徑。屬性路徑的長度計算通過函數(shù)length（）實(shí)現(xiàn)，路徑的長度可以作為檢索的過濾條件，如使用“filter（path－Length（＄path）＜＝5）”表示所查詢的路徑長度不超過5。CORESE中定義了描述路徑特征的可選參數(shù)，其中，‘i’表示路徑的可逆屬性；‘s’表示一條最短路徑；‘sa’表示所有最短路徑。這些參數(shù)用于表示路徑的正則表達(dá)式前。例如，在上述例子加入路徑特征，檢索所有滿足正則表達(dá)式所描述屬性的可逆最短路徑，其表達(dá)式為“i sa foaf：knows＊／worksWith？y”。

4.3 參數(shù)化社會語義網(wǎng)分析

通過參數(shù)可以實(shí)現(xiàn)社會網(wǎng)絡(luò)分析指標(biāo)的語義約束，參數(shù)化社會網(wǎng)絡(luò)分析指標(biāo)形式化表示為：SNA＿Indice〈properties，contants〉（object）＝｛description｝其中，SNA＿Indice表示待分析指標(biāo)的名稱；〈properties，constants〉表示參數(shù)集合，包括用戶的類型、社會關(guān)系等屬性參數(shù)和常數(shù)參數(shù)；object表示待分析的對象；description表示對該指標(biāo)的詳細(xì)描述。

根據(jù)參數(shù)化社會網(wǎng)絡(luò)分析指標(biāo)設(shè)計相應(yīng)的SPARQL查詢語句，可以直接實(shí)現(xiàn)在線社會語義網(wǎng)絡(luò)分析。下面以計算中間中心度為例，簡述語義網(wǎng)分析的過程。根據(jù)Freeman的定義［10］，假設(shè)節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的最短路徑數(shù)用gij表示，經(jīng)過第三點(diǎn)k的最短路徑數(shù)用gij（k）表示，則節(jié)點(diǎn)k對節(jié)點(diǎn)對（i，j）的中介能力用中間度bij（k）表示。bij（k）為k處于i和j的最短路徑上的概率，用參數(shù)化網(wǎng)絡(luò)分析指標(biāo)可將節(jié)點(diǎn)k的中間度表示為：

其中，〈type〉表 示 指 定 的 網(wǎng) 絡(luò) 類 型，gcount〈type〉（k，from，to）是最短路徑數(shù)gij（k）的參數(shù)化表示，gcount〈type〉（from，to）是最 短 路 徑 數(shù)gij的 參 數(shù) 化 表示。可以使用相應(yīng)的SPARQL查詢計算出節(jié)點(diǎn)k的中間度值。

節(jié)點(diǎn)k的中間中心度CB（k）等于節(jié)點(diǎn)k相應(yīng)于圖中所有的點(diǎn)對的中間度之和，可表示為：

最后，將SPARQL檢索結(jié)果中的非0值相加，便得到參數(shù)化的中間中心度Cb〈type〉（b）。后期處理的算法如下：

5 社會語義網(wǎng)分析示例

本節(jié)以朋友網(wǎng)部分用戶構(gòu)成的社會網(wǎng)絡(luò)為例，演示社會語義網(wǎng)分析具體情況。實(shí)驗(yàn)數(shù)據(jù)集取自朋友網(wǎng)，通過網(wǎng)絡(luò)爬蟲工具收集了含有用戶個人信息和用戶網(wǎng)絡(luò)關(guān)系信息的網(wǎng)頁，并從中提取用戶相關(guān)數(shù)據(jù)進(jìn)行語義處理。獲取的數(shù)據(jù)集包含了3 566個參與者，參與者組成的網(wǎng)絡(luò)中存在179 592個關(guān)系。關(guān)系類型分為三種：家庭關(guān)系類型、朋友關(guān)系類型和其他關(guān)系類型。本文詳細(xì)考察的家庭關(guān)系包括：父子關(guān)系、兄弟關(guān)系和配偶關(guān)系等；朋友關(guān)系中考慮relationship本體中定義的密友關(guān)系和熟人關(guān)系；其他關(guān)系中包括了除上述家庭和朋友關(guān)系以外的關(guān)系類型，如師生關(guān)系、雇傭關(guān)系等。

首先，根據(jù)類型的不同，實(shí)驗(yàn)分析了三類網(wǎng)絡(luò)的規(guī)模、密度和直徑等網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn)。原始網(wǎng)絡(luò)、家庭關(guān)系網(wǎng)絡(luò)、朋友關(guān)系網(wǎng)絡(luò)和其他關(guān)系網(wǎng)絡(luò)的參與者數(shù)量、關(guān)系數(shù)量以及網(wǎng)絡(luò)密度、直徑等分析數(shù)據(jù)如表2所示。

Table 2 Parameter contrast of different networks表2 不同類型網(wǎng)絡(luò)的參數(shù)對比

從實(shí)驗(yàn)數(shù)據(jù)可以發(fā)現(xiàn)，家庭關(guān)系網(wǎng)絡(luò)參與者僅占整體網(wǎng)絡(luò)參與者的13%，家庭網(wǎng)絡(luò)密度小且網(wǎng)絡(luò)直徑大。這是因?yàn)樵诰€社會網(wǎng)絡(luò)中年輕人的比例大，而家庭親屬網(wǎng)絡(luò)需要通過年長的參與者進(jìn)行聯(lián)系。與家庭關(guān)系網(wǎng)絡(luò)相比，朋友關(guān)系網(wǎng)絡(luò)和其他關(guān)系網(wǎng)絡(luò)具有較高的密度和較小的直徑。數(shù)據(jù)反映了不同類型的網(wǎng)絡(luò)具有不同的特征。因此，通過SPARQL查詢的語義約束，可以分析出不同粒度的網(wǎng)絡(luò)特征。

實(shí)驗(yàn)對家庭網(wǎng)絡(luò)和朋友網(wǎng)絡(luò)的度數(shù)中心度分布進(jìn)行了對比分析，這兩種類型網(wǎng)絡(luò)的度數(shù)中心度分布如圖4所示。

Figure 4 Degree centrality distribution diagram圖4 度數(shù)中心度分布圖

圖4中縱坐標(biāo)N（K）表示度值為K的節(jié)點(diǎn)的數(shù)量，橫坐標(biāo)表示度數(shù)。結(jié)果表明，兩種網(wǎng)絡(luò)的度數(shù)中心分布都服從冪律分布特性，且大部分節(jié)點(diǎn)的度值集中于［1，200］，但朋友網(wǎng)絡(luò)中存在多個高中心度節(jié)點(diǎn)，最高度值可達(dá)701，而家庭網(wǎng)絡(luò)中最高度值僅為216。實(shí)驗(yàn)證明，兩種網(wǎng)絡(luò)的度數(shù)中心度分布存在差異，使用基于語義網(wǎng)技術(shù)的分析方法能很好地區(qū)分出不同類型的網(wǎng)絡(luò)，使得分析更精細(xì)。

最后，實(shí)驗(yàn)對網(wǎng)絡(luò)的中間中心性進(jìn)行了分析。整體網(wǎng)絡(luò)的中間中心度分布如圖5所示。

Figure 5 Betweenness centrality distribution diagram of the overall network圖5 整體網(wǎng)絡(luò)的中間中心度分布圖

圖5中縱坐標(biāo)N（Dc）表示中間中心度值為Dc的節(jié)點(diǎn)數(shù)量，橫坐標(biāo)表示中間中心度值。整體網(wǎng)絡(luò)中有3 365個節(jié)點(diǎn)中間中心度值在［0，523 499］內(nèi)，其中有46個節(jié)點(diǎn)的中間中心度值大于100 000，這些點(diǎn)在網(wǎng)絡(luò)中起著重要的中介作用。借助于本文的語義分析方法，可以對這些節(jié)點(diǎn)做進(jìn)一步的分析。經(jīng)實(shí)驗(yàn)分析，朋友網(wǎng)絡(luò)中1 004個節(jié)點(diǎn)的中間中心度值分布在［0，148 225］內(nèi)，其中有5個節(jié)點(diǎn)的中間中心度值大于100 000，如圖6所示。

Figure 6 Betweenness centrality distribution diagram of friend network圖6 朋友網(wǎng)絡(luò)的中間中心度分布圖

圖6中縱坐標(biāo)N（Dc）表示中間中心度值為Dc的節(jié)點(diǎn)數(shù)量，橫坐標(biāo)表示中間中心度值。這5個節(jié)點(diǎn)恰好包含于整體網(wǎng)絡(luò)中中間中心度值較高的46個節(jié)點(diǎn)中。因此，可以推斷這5個節(jié)點(diǎn)是利用家庭關(guān)系的鏈接為網(wǎng)絡(luò)提供中介作用。

6 結(jié)束語

本文根據(jù)已有研究成果，利用RDF圖模型和已有的本體描述在線社會網(wǎng)絡(luò)，并利用CORESE的內(nèi)嵌函數(shù)對非RDF數(shù)據(jù)進(jìn)行語義封裝，為在線社會網(wǎng)絡(luò)的語義分析提供基礎(chǔ)數(shù)據(jù)。利用SPARQL對在線社會網(wǎng)絡(luò)的語義數(shù)據(jù)進(jìn)行檢索，設(shè)計了基于SPARQL的參數(shù)化在線社會網(wǎng)絡(luò)分析語句。在分析過程中利用社會數(shù)據(jù)的屬性層次結(jié)構(gòu)實(shí)現(xiàn)分析粒度的控制，并通過數(shù)據(jù)的屬性路徑檢索實(shí)現(xiàn)整體網(wǎng)絡(luò)分析。最后，利用真實(shí)網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，說明了所提框架的可行性和適用性。將語義網(wǎng)技術(shù)引入在線社會網(wǎng)絡(luò)表示分析過程中，有利于表達(dá)的準(zhǔn)確性，有利于對在線社區(qū)作深入的分析理解。

［1］ Bai Yu，Hong Lei.Multi－scale analysis and modeling of user session traffic in social networks［C］∥Proc of the 11th IEEE International Conference on Communication Technology，2008：85－88.

［2］ Freeman L C，White D R，Romney A K.Research methods in social network analysis［M］.Iroince：Transaction Publishers，1989.

［3］ Adamic L A，Buyukkokten O，Adar E.A social network caught in the Web［J］.New York：First Monday，2003，8（6）：1－22.

［4］ Mislove A，Marcon M，Gummadi P K，et al.Measurement and analysis of online social networks［C］∥Proc of the 7th ACM SIGCOMM Conference on Internet Measurement，2007：29－42.

［5］ Mika P.Social network and the sematic Web［M］.New York：Springer Press，2007.

［6］ Finin T，Sleeman J.Computing FOAF co－reference relations with rules and machine learning［C］∥Proc of the 3rd International Workshop on Social Data on Web，2010：595－608.

［7］ Kinsella S，Breslin J，Passant A，et al.Applications of semantic web methodologies and techniques to social networks and social websites［C］∥Proc of Reasoning Web 2008，2008：171－199.

［8］ Liu Ling，Pu Calton，Han Wei.XWRAP：An XML－enabled wrapper construction system for Web information sources［C］∥Proc of the 16th International Conference on Data Engineering，2000：611－621.

［9］ Corby O，Dieng－kuntz R，F(xiàn)aron－zucker.Querying the semantic web with the CORESE search engine［C］∥Proc of the 15th ECAI／PAI，2004：1－5.

［10］ Freeman L C.Centrality in social network：Conceptual clarification［J］.Social Networks，1979，1（3）：215－239.

［11］ Kochut K J，Janik M.SPARQLeR：Extended sparql for semantic association discovery［C］∥Proc of ESWC’07，2007：145－159.