社会网络分析的三个研究方向：可视化技术、链接挖掘和社会应用

从切入的角度不同，我们认为社会网络分析可以分为以下三个研究方向：可视化技术、链接挖掘和社会应用。以下分别就这三个研究方向进行介绍[66]。

1.可视化技术

可视化技术研究各种信息的可视化问题，复杂网络的结构非常复杂，如果仅用数据表格或文字来表示网络，理解上非常困难，从而导致网络所包含的信息无从体现。将其直观地表现出来的最好方法是进行可视化，同时，这种可视化还可以帮助挖掘网络内部的有用信息。复杂网络可视化研究中受关注程度最多的一个问题是可视化算法，包括布点算法和可视化压缩算法，其中布点算法以P.Eades所提出的力导引算法最为重要，而可视化压缩算法则使得可视化技术用于复杂网络成为可能。

2.链接挖掘

传统的数据挖掘处理的对象是单独的数据实例，而在社会中，人与人不是简单的独立点，他们之间必然存在着各种联系。一个社会网络由很多节点和连接这些节点的链接所组成。节点往往表示了个人或团体，而链接则表示了他们之间存在的各种关系。与传统的数据挖掘只关注数据实例不同，社会网络分析对链接同样关注。链接挖掘包括了很广泛的内容，基于链接的节点排序、基于链接的节点分类、节点聚类、链接预测、子图发现、图分类、图的产生式模型等。

3.社会应用

从社会应用方面而言，社会网络能够帮助组织获取非结构化的默认知识（tacit knowledge），因而，挑战变成了如何从其他的一些内容中提取有意义的、能够重用的知识，比如博客、在线社区和维基。这些社会软件使得用户更容易获得功效，同时提供更多适合的东西给用户，进而节省了时间。就企业社会软件的功能性而言，用于企业的社会软件的良好运作必须遵循以下功能：(www.xing528.com)

搜索：允许用户搜索其他用户或内容；

连接：分组相似的用户或内容在一起；

创作：包括博客和维基；

标签：允许用户标签内容；

扩展：用户推荐或基于用户特性的内容推荐；

信号：允许人们通过RSS订阅跟踪用户或内容。