Редактирование: Анализ дружеских связей VK

[[File:znaGfHygTsk.jpg|600px|thumb|right|Так выглядит пример  социального графа дружеских связей.Каждый квадратик - человек.Каждая линия - дружба.]]

== <big>Введение</big> == 
<big>Все мы знакомы с  теорией о шести рукопожатиях. Недавний анализ  сети Фейсбука вывел число 4,7. Мы решили проверить эти данные, только в той соцсети, в которой «живём» (а именно, ВКонтакте).
Наша задача – анализ дружеских сетей Вконтакте,разработана на языке программирования Python. Она позволяет построить социальный граф своей странички в сети Вконтакте. Социальный граф — это информация о некоторой группе людей и об отношениях между ними (в данном случае о том, кто с кем дружит). Но часто под этим словосочетанием также подразумевается и схематичное изображение этой информации — в виде точек и линий между ними. Если определенным образом переставить точки, то можно видеть, как выделяются подгруппы людей, внутри которых почти все дружат между собой — это называется кластеризацией. 

Чтобы построить социальный граф, нам надо:

1. Получить список всех друзей текущего пользователя и представить их в
виде точек на плоскости.

2. Для каждого друга из п.1 получить его друзей, общих с текущим пользователем.

3. Точку каждого друга соединить линиями с точками других друзей, которые есть у него в друзьях.</big>


<big>Для более точного понимания  можно рассмотреть пример:
у Вас есть все из перечисленных друзей (A, B, C, D, E, F H, K). В свою очередь у друга 'A' есть Ваш друг 'E' и 'F'. У друга 'B' есть Ваши друзья 'C', 'D', 'H', 'K'. Ваш друг 'C' дружит с 'D' и 'K'.</big>
[[File:2ZcCvKZC4pM.jpg|500px|thumb|left|<big>Иллюстрация к примеру</big>]]

== <big>Цель</big> ==
<big>Главной целью нашей работы является анализ дружеских связей Вконтакте с помощью построения  социального графа.</big>

== <big>Задачи </big> ==
	
<big>
1.Получение данных пользователя.

2.Обработка полученных данных.

3.Визуализация. 
 
</big>

== <big>Описание выполнения задач</big> ==

<big>1.Для получения данных пользователь мы использовали API Вконтакте. API ВКонтакте — это интерфейс, который позволяет получать информацию из базы данных vk.com с помощью http-запросов к специальному серверу. Для работы с VK API в Python есть две популярные библиотеки: vk и vk_api.
В своём проекте мы использовали библиотеку vk_api.С помощью методов этой библиотеки мы получаем списки друзей, которые далее нужно будет сортировать.


2.После получения списков друзей с помощью методов API VK,нам нужно будет их отсортировать.Делаем это следующим образом :

*Поисковым запросом находим список друзей исходного id.

*Далее заполняем словарь общих друзей. 

*Получаем ответ.

Всю полученную информацию мы сохраняем в словаре.

Таким образом,суть в том, что мы просто составляем словарь по поисковым запросам.У нас есть первоначальная таблица id друзей.Затем, c помощью цикла у каждого id мы смотрим количество общих друзей с исходным id. 

3.Для визуализации графов мы использовали библиотеку NetworkX.
Рассматриваемая  библиотека NetworkX предназначенная для создания, манипуляции и изучения структуры, динамики и функционирования сложных сетевых структур.Так же использовалась библиотека  Matplotlib.

Более подробное описание выполнения работы Вы можете найти в текстовом документе  нашей курсовой работы.</big>

== <big>Результаты работы программы</big> ==
[[File:bZipYtxHV4s.jpg]]

<big>''Полученный социальный граф дружеских связей''.</big>



== <big>Заключение</big> ==
<big>Таким образом, в ходе работы над проектом, был построен социальный граф дружеских связей в социальной сети Вконтакте. Мы смогли проанализировать информацию о некоторой группе людей и наглядно увидеть связь между ними. Из результатов программы можно увидеть, как выделяются подгруппы людей, внутри которых почти все дружат между собой —та самая кластеризация, о которой говорилось во введении.
</big>
   

== <big>Cписок литературы</big> ==

<big>

* https://ru.wikipedia.org/wiki/Анализ_социальных_сетей
 
* https://ru.wikipedia.org/wiki/Социальный_граф
 
* Документация API VK : https://vk.com/dev/manuals

* Документация NetworkX : https://networkx.readthedocs.io/en/stable/

* Документация Matplotlib: https://matplotlib.org</big>

== <big>Скачать проект</big> == 





== <big>Участники проекта</big> == 

* [http://tm.spbstu.ru/Лосева_Татьяна Лосева Татьяна]
* [http://tm.spbstu.ru/Киселёв_Лев Киселёв Лев]

== <big>См. также</big> ==
[[Кафедра "Теоретическая механика"]]
@@ Строка 54: / Строка 54: @@
 Рассматриваемая  библиотека NetworkX предназначенная для создания, манипуляции и изучения структуры, динамики и функционирования сложных сетевых структур.Так же использовалась библиотека  Matplotlib.
-Более подробное описание выполнения работы Вы можете найти в текстовом документе  нашей курсовой работы.(см. раздел "Скачать проект")</big>
+Более подробное описание выполнения работы Вы можете найти в текстовом документе  нашей курсовой работы.</big>
 == <big>Результаты работы программы</big> ==
@@ Строка 66: / Строка 66: @@
 <big>Таким образом, в ходе работы над проектом, был построен социальный граф дружеских связей в социальной сети Вконтакте. Мы смогли проанализировать информацию о некоторой группе людей и наглядно увидеть связь между ними. Из результатов программы можно увидеть, как выделяются подгруппы людей, внутри которых почти все дружат между собой —та самая кластеризация, о которой говорилось во введении.
 </big>
-== <big>Перспективы развития проекта</big> ==
-*Визуализация проекта с помощью  3D графики.
-*Использование более полной информации о пользователях(например: фотографии профилей, имена.
-*Работа в realtime.
-*Использование RAD-buildera для вывода этого проекта в конченый продукт.
-*Построение собственной рекомендательной системы на основе связей/общих интересов и тд.
 == <big>Cписок литературы</big> ==
@@ Строка 88: / Строка 82: @@
 * Документация Matplotlib: https://matplotlib.org</big>
 == <big>Скачать проект</big> ==
-* Текстовый документ  описания курсовой работы:
-[[File:Курсовая_Работа_Граф_Дружеских_Связей.docx]]
-* Код программы на языке Python :
-[[:File:Код_Программы.docx]]
 == <big>Участники проекта</big> ==