基于社交网络的高校学生群体关系特征挖掘与分析

发布时间：2017-07-26 01:15

  本文关键词：基于社交网络的高校学生群体关系特征挖掘与分析

  更多相关文章： 社交网络 社团发现 大学生群体 思想政治

【摘要】：学生在进入大学会后通过学习、生活相互接触和交流,形成了不同的学生群体。如何对大学生进行科学有效的分类,是做好高校学生工作的基础。高校中主要通过学生的构成特点、地域、经济基础、性格、综合因素等标准来进行学生群体的划分。然而,随着互联网的快速发展,社交网络在高校大学生中呈现出了空前的发展势态,高校学生也因此产生了更加紧密的社交活动,出现了具有新型社交特征的大学生群体,传统的大学生群体分类已无法满足互联网时代下对学生管理工作的要求。因此,根据社交网络对大学生群体进行新分类,在互联网条件下研究学生的关系特征,有助于科学化学生的教育与管理工作,提高大学生的思想政治工作成效,是目前互联网+时代下高校组织和管理学生所关心和探索的热点问题。复杂网络的理论与社交网络分析密不可分,其中社团结构更是反映了社交网络中连接关系的本质,通过分析社团结构的特点,了解和掌握网络的拓扑结构,分析学生群体行为特点,科学管理高校学生。本文首先分析了社交网络对高校学生群体的影响,探索在互联网时代下基于社交网络的学生群体新分类,通过设计调查问卷获得高校学生真实的社交网络关系数据；基于复杂网络理论,采用改进的社团划分算法对学生的QQ好友、微信好友连接关系进行社团划分,得到了相应的学生活动社团结构,发现具有特殊关系的学生群体,并对学生出现的社团特征进行分析与验证,为高校管理者进行学生的引导与教育工作提供帮助和指导,具体创新工作和特色工作如下：(1) 由于人与人间的现实联系关系会反应在社交网络中的交互上,反之,可通过高校学生在社交网络中的交互行为,挖掘出学生在现实中的连接本质,进而得到高校学生管理中无法获得的学生连接隐关系及特征：(2) 采用调查问卷的形式获得学生私人社交网络信息,建立学生基本社交网络数据库,对数据库中的数据进行评估,挖掘出对于特定研究贡献较大的数据,对整个过程进行理论分析。(3) 通过采用改进的连边相似度算法对学生的社交网络进行社团划分,通过图分析得出多种学生隐关系,通过对学生社团的分析,得到特殊学生群体的行为特征和表象特征,与现有特殊学生的理论研究相结合,探索出学生管理的新方法,以便于高校管理者能够高效、准确地掌握学生信息。本文将复杂网络理论与高校实际管理工作相结合,创新性地提出了基于社交网络的学生群体新分类,并对真实高校学生社交网络数据进行了社团关系挖掘,分析并验证了在社交网络环境下的特殊学生群体特征,有助于在互联网+时代下科学化管理学生工作,为高校管理者进行学生引导与教育工作提供了帮助。
【关键词】：社交网络 社团发现 大学生群体 思想政治
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP393.09;G645.5
【目录】：

• 摘要5-7
• ABSTRACT7-14
• 第一章 绪论14-20
• 1.1 研究背景14-15
• 1.2 研究意义15-17
• 1.3 研究现状17-18
• 1.4 本文研究内容18
• 1.5 论文章节安排18-20
• 第二章 社交网络与大学生群体关系的分析研究20-26
• 2.1 社交网络的概念及特征20-22
• 2.1.1 社交的多元性21
• 2.1.2 社交的自由性21
• 2.1.3 社交的网络性21-22
• 2.2 社交网络下的高校学生工作22-24
• 2.2.1 大学生群体分类22-23
• 2.2.2 社交网络对高校的影响23-24
• 2.3 社交网络在高校学生工作中的应用价值分析24-25
• 2.4 本章小结25-26
• 第三章 基于社交网络的学生群体识别与分析体系研究26-40
• 3.1 复杂网络概述26-33
• 3.1.1 网络的表示方法及其特点26-30
• 3.1.2 复杂网络的社团结构30-32
• 3.1.3 复杂网络的社团发现方法概述32-33
• 3.2 复杂网络下的高校学生群体本质关系研究33-37
• 3.2.1 高校学生群体关系的现实表现形式33-34
• 3.2.2 高校学生群体关系在复杂网络中的表现形式34-35
• 3.2.3 高校学生群体本质关系与现实表现的关联分析研究35-37
• 3.3 基于社交网络的学生群体识别与分析体系研究37-39
• 3.3.1 基于关系反演的高校学生群体关系识别分析体系研究37-38
• 3.3.2 基于社交网络的学生群体识别与分析方法概述38
• 3.3.3 基于社交网络的高校学生群体新分类38-39
• 3.4 本章小结39-40
• 第四章 基于学生群体关系挖掘的连边检测算法研究40-53
• 4.1 传统连边社团检测算法概述40-42
• 4.2 学生群体关系特征分析42-43
• 4.3 基于学生群体关系挖掘的连边检测算法分析43-44
• 4.3.1 加权连边检测算法概述43
• 4.3.2 连边检测算法的划分密度与社团数量选择分析研究43-44
• 4.4 实验结果分析44-52
• 4.5 本章小结52-53
• 第五章 基于社交网络的学生群体识别及分析53-75
• 5.1 基于社交网络的学生群体划分流程概述53-54
• 5.2 高校学生社交网络关系基础数据集的获取与成图分析54-57
• 5.2.1 高校学生QQ、微信连接关系数据集获取55-56
• 5.2.2 高校学生网络社交关系图的生成方法与分析56-57
• 5.3 基于社交网络关系图的高校学生班级划分57-59
• 5.4 基于社交网络分析的高校学生特殊群体挖掘与分析59-60
• 5.5 实验结果分析60-74
• 5.5.1 高校学生特殊群体挖掘结果分析60-64
• 5.5.2 高校学生班级划分结果分析64-74
• 5.6 本章小结74-75
• 第六章 结论75-77
• 6.1 工作总结75-76
• 6.2 工作展望76-77
• 致谢77-78
• 参考文献78-79
• 个人简历79

【相似文献】

中国期刊全文数据库 前10条

1 吕寒;沈艳;;社交网络视角下创意产业价值链发展研究[J];学术评论;2012年Z1期

2 陈星汶;;发现社交网络的招聘魅力[J];人力资源管理;2013年04期

3 修春民;;德国限制社交网络在中小学校的使用[J];世界教育信息;2013年18期

4 张希平;;关于图书馆与社交网络的设想[J];普洱学院学报;2013年06期

5 周国健;刘璐;邵攸悠;;高校校园社交网络系统实现设计研究[J];电子技术与软件工程;2014年10期

6 武会;;浅谈社交网络对高校大学生的影响及若干建议[J];科技致富向导;2013年05期

7 钱炜;;人体的“社交网络”[J];教师博览;2013年04期

8 代安楠;;大学生校园社交网络的使用与建设[J];青年文学家;2013年24期

9 余剑来;;社交网络化的发展方向[J];世界科学;2011年01期

10 詹馥榕;;浅议俄罗斯网络发展现状及其社交网络语汇特征[J];西北民族大学学报(哲学社会科学版);2012年02期

中国重要会议论文全文数据库 前10条

1 赵云龙;李艳兵;;社交网络用户的人格预测与关系强度研究[A];第七届（2012）中国管理学年会商务智能分会场论文集（选编）[C];2012年

2 宫广宇;李开军;;对社交网络中信息传播的分析和思考——以人人网为例[A];首届华中地区新闻与传播学科研究生学术论坛获奖论文[C];2010年

3 杨子鹏;乔丽娟;王梦思;杨雪迎;孟子冰;张禹;;社交网络与大学生焦虑缓解[A];心理学与创新能力提升——第十六届全国心理学学术会议论文集[C];2013年

4 毕雪梅;;体育虚拟社区中的体育社交网络解析[A];第九届全国体育科学大会论文摘要汇编(4)[C];2011年

5 杜p，

本文编号：574124