Анализ дружеских связей VK — различия между версиями
(→top) |
(→top) |
||
| Строка 1: | Строка 1: | ||
| − | [[File:Social_graph.gif|right]] | + | [[File:Social_graph.gif|500px|thumb|right|Так выглядит пример социального графа дружеских связей.]] |
== <big>Введение</big> == | == <big>Введение</big> == | ||
Версия 03:12, 2 июня 2017
Содержание
Введение
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.
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'.
Цель
Главной целью нашей работы является анализ дружеских связей Вконтакте с помощью социального графа.
Задачи
1.Получение данных пользователя.
2.Обработка полученных данных.
3.Визуализация(построения графа).
Описание выполнения задач
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 библиотеке мы получаем списки друзей, которые далее нужно будет сортировать.
2.После получения списков друзей с помощью методов API VK,нам нужно будет их отсортировать.Суть в том, что мы просто составляем таблицу по поисковым запросам, точнее даже не таблицу, а словарь. У нас есть первоначальная таблица id друзей.Затем, c помощью цикла у каждого id мы смотрим количество общих друзей с другими id.
3.Для визуализации графов мы использовали библиотеку NetworkX. Рассматривается 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 документа нашей курсовой работы.
Результаты работы программы
Полученный социальный граф дружеских связей.
Заключение
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.
Cписок литературы
- Документация API VK : https://vk.com/dev/manuals
- Документация NetworkX : https://networkx.readthedocs.io/en/stable/
- Документация Matplotlib: https://matplotlib.org
