Phân tích mạng xã hội (Analist social network)

MỤC LỤC
THÔNG TIN NHÓM…………………………………….………….………….2
I.

II.

Tổng quan………………………….……………………………………….3
1. Lí do chọn đề tài…...…………….……...…...…………………………3
2. Vấn đề............……………………….……………………………….…3
3. Mục tiêu.........……………………………………………………….…3
4. Cấu trúc báo cáo………………………………………………………3
Cơ sở lí thuyết..……………………………………………………………4
1. Phân tích mạng xã hội là gì…………………..………………………4
2. Lịch sử…………………………………………………………………5
3. Các phương pháp , phân tích liên kết……………………………….6
4. Ma trận………………………………………………………………..7
5. Mô hình và trực quan các mạng……………………………………..8
6. Ứng dụng thực tiễn……………………………………………………9

1|Page


THÔNG TIN NHÓM

HỌ VÀ TÊN
Nông Văn Vĩnh

MSSV
13024321

Nguyễn Hoàng Vũ

13029781

Tốt

Sú Lê Thanh Lâm

13045811

Tốt

13012021

Tốt
Tốt

Nguyễn Thế Long
Nguyễn Khánh Linh

PHÂN CÔNG

CHẤM ĐIỂM
Tốt

2|Page


I. Tổng quan
1. Lí do chọn đề tài
Người dùng mạng xã hội không chỉ để cập nhật thông tin về cá nhân mà

còn chia sẻ suy nghĩ, nhận xét, sự trải nghiệm về một sản phẩm hay dịch vụ
nào đó. Đây chính là mỏ vàng đối với nhiều công ty! Các chuyên gia marketing
qua đó có cơ hội tiếp cận người tiêu dùng tiềm năng và biết thêm trải nghiệm
của khách hàng. Từ đó, họ phân tích thêm cho việc kinh doanh . Dữ liệu trên
MXH trực tuyến khi được phân tích có ý nghĩa với các công ty cung cấp dịch
vụ cho người tiêu dùng ở quy mô lớn. Thông qua các trao đổi trên MXH, đội
ngũ bán hàng và marketing có thể có được thông tin về sản phẩm dịch vụ hiện
tại hay ý tưởng cho sản phẩm, chiến dịch marketing sắp tới. Càng nhiều người
nói về sản phẩm dịch vụ thì các phân tích sẽ càng có giá trị với doanh ngiệp.
2. Vẫn đề
1. Phải lấy được dữ liệu trên mạng facebook xuống, chắt lọc lựa chọn dữ
liệu phù hợp với yêu cầu đề bài.
2. Phải tổng kết được từ khóa được tìm nhiều nhất trong vô số từ khóa
trong dữ liệu vừa lấy về
3. Tất cả đều dùng Python, trong khi đó Python là một ngôn ngữ mới,
nhóm thực hiện chưa từng được tiếp cận trước đây, tuy các ngôn ngữ
giống nhau, nhưng cấu trúc các lệnh có nhiều sự khác nhau, như các dấu
ngắt lệnh, cấu trúc for, if, các dấu mở và đóng hàm…. có khác so với các
ngôn ngữ trước đây như Java, C#... Trong thời gian ngắn khó có thể
quen thuộc được
3. Mục tiêu
Thống kê từ khoá được tìm kiếm nhiều nhất trong danh sách bạn bè cả
một nick facebook.
4. Cấu trúc báo cáo
Phần 1: Tổng quan
Phần 2: Cơ sở lý thuyết
Phần 3: Phân tích và thiết kế
Phần 4: Hiện thực
3|Page

Phần 5: Tổng kết
II. Cơ sở lí thuyết
1. Phân tích mạng xã hội là gì?
Phân tích mạng xã hội (SNA) là quá trình điều tra các cấu trúc xã hội
thông qua việc sử dụng các mạng lưới và đồ thị lý thuyế, nó đặc trưng bởi cấu
trúc mạng của các nút ( các nhân, con người, hay những vật bên trong mạng) và
các mối quan hệ hoặc các cạnh (mối quan hệ hay tương tác) kết nối chúng. Ví
dụ về các cấu trúc xã hội thường được hình dung thông qua phân tích mạng xã
hội bao gồm các mạng truyền thông xã hội , mạng lưới bạn bè và người
quen , biểu đồ cộng tác , quan hệ họ hàng , trong đó các nút được biểu diễn như
điểm và mối quan hệ được biểu diễn như là dòng.
2. Lịch sử
Phân tích mạng xã hội có nguồn gốc lý thuyết của nó trong công việc
của nhà xã hội học đầu tiên như Georg Simmelvà Émile Durkheim , người đã
viết về tầm quan trọng của việc nghiên cứu mô hình của các mối quan hệ kết
nối tác nhân xã hội. các nhà khoa học xã hội đã sử dụng khái niệm "mạng xã
hội" kể từ đầu thế kỷ 20 để bao hàm bộ phức tạp của các mối quan hệ giữa các
thành viên của hệ thống xã hội ở tất cả các quy mô, từ cá nhân đến quốc tế.
 Trong những năm 1930 Jacob Moreno và Helen Jennings giới thiệu các
phương pháp phân tích cơ bản.
 Năm 1954, John Arundel Barnes bắt đầu sử dụng thuật ngữ có hệ thống
để biểu thị mô hình quan hệ, bao gồm các khái niệm truyền thống được
sử dụng bởi công chúng và những người sử dụng bởi các nhà khoa học
xã hội: các nhóm ( ví dụ, các bộ lạc, gia đình) và loại xã hội (ví dụ, giới
tính, dân tộc). Các học giả như Ronald Burt , Kathleen Carley , Mark
Granovetter , David

Krackhardt , Edward

Laumann , Anatol

Rapoport , Barry Wellman , Douglas R. trắng , và Harrison trắng mở
rộng việc sử dụng các phân tích mạng xã hội có hệ thống. Ngay cả
trong nghiên cứu văn học , phân tích mạng đã được áp dụng bởi
Anheier,

Gerhards

và

Romo,

Wouter

De

Nooy, và

Burgert

Senekal. ứng dụng thực tế, phân tích mạng xã hội đã được tìm thấy
4|Page


trong các môn học khác nhau, cũng như các ứng dụng thực tế như
chống rửa tiền và khủng bố .
3. Các phương pháp , phân tích liên kết
Các phương pháp
* phương pháp truyền thống nghiên cứu cá nhân về biến(hạn chế:mất bối

cảnh/quan hệ đằng sau các cá nhân)
*phương pháp nghiên cứu mạng lưới theo nhóm(hạn chế: mất đi nhiều
mối quan hệ trong khác 1 chuỗi)
*Cần sự tiếp cận kết hợp từ 2 phương pháp trên
Phân tích liên kết
*Họ hàng xa
*phân tích liên kết = định tính
*phân tích mạng lưới = định tính

4. MA TRẬN
• Các kết nối
o Homophily : Mức độ mà các “actor” hình thành các mối quan hệ

với những người khác. Có thể được xác định bởi giới tính, chủng
tộc, tuổi tác, nghề nghiệp, trình độ học vấn, tình trạng, giá trị hay
bất cứ đặc điểm nổi bật khác. Homophily cũng được gọi
là assortativity .
o Multiplexity:. Số lượng các nội dung hình thức chứa trong một

sự liên kết Ví dụ, hai người là bạn bè và cũng làm việc với nhau
sẽ có một multiplexity . Multiplexity đã kết hợp các sức mạnh của
các mối quan hệ.
o Phụ thuộc/ Tương hỗ: Mức độ mà “ actor” đáp lại tình bạn hay

tương tác khác nhau

5|Page


o Đóng Mạng : Một thước đo về tính đầy đủ của quan hệ 3

chiều. giả định của một cá nhân đóng cửa mạng (tức là các bạn bè
của bạn của bạn cũng là những người bạn của bạn) được gọi
transitivity. Transitivity là một kết quả của các đặc điểm cá nhân
hoặc tình huống của sự nhân thức mối quan hệ 3 chiều.
o Propinquity : Các xu hướng cho các “ actor” có quan hệ nhiều

hơn với những người khác về mặt địa lý gần.
• Phân phối
o Cầu nối: Một cá nhân có mối quan hệ kết nối yếu sẽ được lấp đầy
vào khoảng trống . Nó cũng bao gồm các tuyến đường ngắn nhất
khi không khả thi do nguy cơ cao của sự biến dạng tin nhắn hoặc
gửi thất bại.
o Trung tâm: trung tâm dùng để chỉ một nhóm các số liệu mà mục
đích là để định lượng "tầm quan trọng" hoặc "ảnh hưởng" (trong
một loạt các giác quan) của một nút cụ thể (hoặc nhóm) trong một
mạng Ví dụ về các phương pháp phổ biến để đo "centrality" bao
gồm khoảng giữa trung tâm, sự gần gũi trung tâm, eigenvector
trung tâm, trung tâm alpha và mức độ trung tâm.
o Mật độ: Tỷ lệ các quan hệ trực tiếp trong một mạng lưới tương
đối so với tổng số có thể
o Khỏang cách: Số lượng tối thiểu của các mối quan hệ cần thiết
để kết nối hai “actor” đặc biệt, như thí nghiệm nhỏ trên thế giới
phổ biến bởi “Stanley Milgram” và ý tưởng về sáu cấp độ khác
nhau.
o Lỗ kết cấu: Sự vắng mặt của các mối quan hệ giữa hai phần của
một mạng. Tìm kiếm và khai thác một lỗ hổng cấu trúc có thể
cung cấp cho một doanh nghiệp có lợi thế cạnh tranh. Khái niệm
này được phát triển bởi nhà xã hội học Ronald Burt, và đôi khi
được gọi là một quan niệm thay thế của vốn xã hội.

o Kết hợp sức mạnh: Được xác định bởi sự kết hợp tuyến tính của
thời gian, cường độ cảm xúc, sự thân mật và có đi có lại (nghĩa là
phụ thuộc lẫn nhau) quan hệ mạnh được kết hợp với homophily,
quan hệ bà con gần, trong khi quan hệ yếu có liên quan đến cầu
nối.
6|Page


• Phân đoạn, chia nhỏ
o Các nhóm được xác định là " nhóm liên kết " nếu mỗi cá nhân

được gắn trực tiếp vào mỗi cá nhân khác, " vòng tròn xã hội " nếu
có ít nghiêm ngặt của tiếp xúc trực tiếp đó là không chính xác,
hoặc là cấu trúc gắn kết khối
o Hệ số Clustering : Một thước đo về khả năng hai cộng sự của một

nút là liên kết. Một hệ số phân nhóm cao hơn cho thấy một
'cliquishness' lớn hơn.
o Sự gắn kết: Mức độ mà các “actor” được kết nối trực tiếp với

nhau bằng sự gắn kết . Kết cấu gắn kết . Đề cập đến số lượng tối
thiểu của các thành viên, nếu bị xóa khỏi nhóm, sẽ ngắt kết nối
nhóm

2.5 Mô hình và trực quan các mạng
• Tiềm năng của mạng xã hội
Ngày càng nhiều các công ty, thương hiệu lớn muốn vận dụng tài nguyên
ảo để làm cầu nối hiệu quả mà ít tốn kém giữa doanh nghiệp và khách hàng
nhất là trong thời buổi kinh tế khó khăn. Mạng xã hội với độ phổ biến rộng rãi,
tính liên kết cao đang ngày càng trở nên phổ biến và gần gũi với mọi người.

Chúng ta có thể tưởng tượng mạng xã hội như một khối Rubic khổng lồ và luôn
luôn xoay chuyển để tạo những nền tảng phát triển theo nhiều hướng. Những
lợi ích của mạng xã hội sẽ đem lại cho chúng ta rất nhiều và tác động tích cực
nếu chúng ta biết cách sử dụng chúng một cách hợp lí.
Mạng xã hội (còn được gọi là social network) là một dịch vụ kết nối các
thành viên có cùng sở thích lại với nhau trên mạng Internet, tạo dựng nên một
không gian mang tính tập thể và thông thái, giúp người dùng có thể dễ dàng nói
chuyện, cập nhật, chia sẻ, trao đổi thông tin, hình ảnh... một cách nhanh chóng.
Mạng xã hội đang ngày càng trở thành một phần không thể thay thế trong cuộc
sống thường ngày của hàng trăm triệu người dân trên toàn thế giới. Và vì thế,
nó cũng trở thành một thị trường đầy tiềm năng để các doanh nghiệp hướng tới.
7|Page


Số liệu thống kê năm 2010, lượng quảng cáo qua tivi chiếm tới 45% thì năm
2011 giảm còn 35%, qua radio từ 16% giảm còn 10%, chỉ riêng qua Internet
tăng từ 23% lên 34%. Và một trong những khác biệt lớn nhất, tạo lợi thế cho
mạng xã hội chính là khả năng tương tác – đối thoại 2 chiều giữa doanh nghiệp
và khách hàng. Có tới 90% khách hàng từng bày tỏ ý kiến của mình trên, 50%
khách hàng có thông tin phản hồi về sản phẩm trên Facebook. Các mạng xã hội
là môi trường rất tốt để doanh nghiệp tham gia đồng thời cạnh tranh lẫn nhau.
Sự phát triển của quảng cáo trên mạng xã hội phần nhiều do tiện ích mà chúng
mang lại, như cung cấp nhiều công cụ hữu ích giúp người dùng có thể chuyển
tải video, tăng khả năng kết nối rộng và xa, tìm kiếm những người tưởng chừng
khó có thể tìm được trong đời thực, tạo thị trường chung trên mạng… Tất cả
những điều đó giúp cho các đơn vị kinh doanh có thể gửi trực tiếp các thông
điệp cho khách hàng. Các nhà quảng cáo ưa chuộng nền tảng truyền thông xã
hội bởi chúng có thể thu thập dữ liệu về tuổi tác, thói quen tiêu dùng, sở thích…
của người dùng. Điều này giúp nhắm tới mục tiêu chính xác hơn nhiều so với
các phương tiện truyền thông tương tự

Mua sắm online từ lâu đã trở thành một thói quen của hàng triệu người
tiêu dùng. Với những cá nhân/hộ gia đình tổ chức bán hàng qua mạng, chỉ cần
một căn phòng không quá lớn để sản phẩm cùng với một máy tính kết nối mạng
Internet, một người đã có thể tạo dựng một shop online rất dễ dàng. Không cần
tới một trang web trả phí, vẫn có thể tạo dựng một shop bán hàng trên Facebook
và thông qua bạn bè để bán hàng. Việc kinh doanh qua mạng đã giúp dễ dàng
tương tác với khách hàng, có thể trả lời comment (phản hồi) của khách ở bất cứ
đâu, lại thêm việc không mất tiền thuê địa điểm, nhân công nên giá bán rẻ hơn
giá thị trường.
Trên thế giới, Facebook thống trị số lượng truy cập mạng xã hội với 45%
trong quý 1 năm 2012, tiếp theo là Google với 31%. (theo báo cáo của Janrain).

8|Page


Những điển hình sử dụng hiệu quả Facebook trên thế giới cho công việc
không phải là ít.Tổng thống Mỹ Obama cũng sử dụng sức mạnh của mạng xã
hội trong việc thu hút sự chú ý của hàng chục nghìn fan hâm mộ, để đánh bóng
tên tuổi, quảng bá thương hiệu.
Tóm lại, mạng xã hội đem lại phương tiện truyền thông miễn phí, có thể
tương tác với khách hàng, cải thiện sự hiện diện trực tuyến của một thương
hiệu, kết nối thương hiệu với cộng đồng…, với những lợi ích như vậy, các
doanh nghiệp và cả những người sử dụng bình thường sẽ không thể bỏ qua
mạng xã hội trong cuộc sống hàng ngày, do đó, mạng xã hội sẽ sống, và tiếp tục
phát triển và không thể bị đánh bại.

2.6 Ứng dụng thực tiễn
 Phân tích mạng xã hội được sử dụng rộng rãi trong một loạt các ứng dụng và

kỷ luật. Một số ứng dụng phân tích mạng lưới phổ biến bao gồm tập hợp dữ

liệu và khai thác mỏ, xây dựng mô hình tuyên truyền mạng, mô hình mạng và
lấy mẫu, người sử dụng thuộc tính và phân tích hành vi, hỗ trợ nguồn lực cộng
đồng duy trì, phân tích tương tác dựa trên địa điểm, chia sẻ xã hội và lọc, người
tiến cử phát triển hệ thống, và dự đoán liên kết và độ phân giải thực thể. Trong
khu vực tư nhân, các doanh nghiệp sử dụng phân tích mạng xã hội để hỗ trợ
9|Page


các hoạt động như tương tác khách hàng và phân tích, phân tích thông tin phát
triển hệ thống, tiếp thị và kinh doanh thông minh nhu cầu. Một số khu vực
công cộng sử dụng bao gồm phát triển các chiến lược tham gia lãnh đạo, phân
tích sự tham gia của cá nhân và nhóm và sử dụng phương tiện truyền thông, và
giải quyết vấn đề dựa vào cộng đồng.
 Phân tích mạng xã hội cũng được sử dụng trong tình báo, phản gián và thực thi

pháp luật các hoạt động. Kỹ thuật này cho phép các nhà phân tích để ánh xạ
một bí mật hoặc tổ chức bí mật như một gián điệp chiếc nhẫn, một gia đình tội
phạm có tổ chức hay một băng đảng đường phố. Các Cơ quan An ninh Quốc
gia (NSA) sử dụng của nó bí mật khối giám sát điện tử chương trình để tạo ra
các dữ liệu cần thiết để thực hiện kiểu phân tích này trên các tế bào khủng bố
và các mạng khác được coi là có liên quan đến an ninh quốc gia. NSA tìm kiếm
ba nút sâu trong phân tích mạng lưới này. Sau khi lập bản đồ ban đầu của mạng
xã hội là hoàn chỉnh, phân tích được thực hiện để xác định cấu trúc của mạng
và xác định, ví dụ, các nhà lãnh đạo trong hệ thống. Điều này cho phép quân
đội hoặc thực thi pháp luật tài sản để khởi động chụp-hay-kill tấn công chém
đầuvào mục tiêu có giá trị cao ở các vị trí lãnh đạo để phá vỡ chức năng của
mạng.
 Phần mềm phân tích mạng thông thường bao gồm hai gói dựa trên giao diện

người dùng đồ họa (GUI), hoặc các gói được xây dựng cho các ngôn ngữ kịch

bản lập trình /. Nói chung, các gói giao diện được dễ dàng hơn để tìm hiểu,
trong khi kịch bản công cụ mạnh hơn và mở rộng. Sử dụng rộng rãi và được tài
liệu các gói giao diện bao gồm NetMiner, UCINet, Pajek (freeware), GUESS,
ORA, Cytoscape , GEPHI và muxViz (mã nguồn mở). Riêng gói giao diện
hướng vào khách hàng doanh nghiệp bao gồm: Orgnet, cung cấp đào tạo về sử
dụng phần mềm của nó, Polinode, Keyhubs, KeyLines, KXEN và
Keynetiq. Nền tảng SNA khác, chẳng hạn như Idiro SNA Plus, đã được phát
triển đặc biệt cho các ngành cụ thể như viễn thông và chơi game trực tuyến,
nơi tập hợp dữ liệu lớn cần được phân tích.
 Thường được sử dụng và được tài liệu kịch bản công cụ sử dụng để phân tích

mạng bao gồm: NetMiner với động cơ trình Python, bộ statnet các gói cho R
ngôn ngữ lập trình thống kê , igraph , trong đó có các gói cho R và
10 | P a g e


Python, muxViz (dựa trên R ngôn ngữ lập trình thống kê và octave ) để phân
tích và trực quan của mạng đa lớp, các NetworkXthư viện cho Python, và gói
SNAP để phân tích mạng quy mô lớn trong C ++ và Python. Mặc dù rất khó để
tìm hiểu, một số các phần mềm mã nguồn mở được phát triển nhanh hơn nhiều
về mặt chức năng và các tính năng hơn so với phần mềm tư nhân duy trì, và tài
liệu phong phú và các hướng dẫn có sẵn.
 Hình ảnh đại diện của các mạng xã hội rất quan trọng để hiểu dữ liệu mạng và

truyền đạt các kết quả phân tích. Hình ảnh thường cũng tạo điều kiện cho việc
giải thích về chất lượng của dữ liệu mạng. Đối với hình dung với các công cụ
phân tích mạng được sử dụng để thay đổi bố cục, màu sắc, kích thước và các
đặc tính khác của các đại diện mạng. Tất cả các công cụ ở trên chứa khả năng
hình dung. NetMiner, igraph, Cytoscape, muxViz và NetworkX có mức cao
nhất của chức năng về sản xuất đồ họa chất lượng cao.

 Công nghệ trực quan dữ liệu tương tác thường bao gồm khả năng phân tích

mạng xã hội. Trong công nghệ này, các hình thức trực quan dữ liệu được sử
dụng để tương tác với đồ thị mạng xã hội. Những hình thức trực quan bao gồm
một loạt các hình tượng biểu đồ, bảng biểu, dòng thời gian và bản đồ và khả
năng hiển thị dữ liệu trong bất kỳ các hình thức trong khi cũng áp dụng các
chức năng để khám phá dữ liệu trong một kinh nghiệm người dùng tương
tác. Ví dụ, biểu đồ mạng xã hội phức tạp có thể được lọc bằng hình tượng biểu
đồ tóm tắt hoặc thời hạn để cô lập các phần của đồ thị mạng xã hội đang quan
tâm đến các nhà phân tích. Hình ảnh dữ liệu tương tác cũng có thể bao gồm
khả năng tích hợp dữ liệu và công bố biểu đồ hay các mẫu báo cáo kết quả.
 Cũng đáng nhắc đến là sự đa dạng của các công cụ được xây dựng chủ yếu để

hình dung mạng, một số trong số đó cũng có mạng xã hội tính năng phân
tích. Chúng bao gồm các công cụ trực quan mục đích chung như SocNetV và
Tulip; công cụ được thiết kế cho các ứng dụng y tế như SocioMetrica; công cụ
được thiết kế cho các tổ chức thực thi pháp luật và tình báo như i2 Notebook
Chuyên viên phân tích của , SilentRunner Sentinel, KeyLines bởi Cambridge
Intelligence, SVAT và Sentinel Visualizer; công cụ được thiết kế cho các tập
đoàn, doanh nghiệp như NodeXL, RapidNet, Keyhubs, Idro, Ipoint, Polinode
và Sonamine.
11 | P a g e


Bộ sưu tập các công cụ phân tích mạng xã hội và thư viện
Sản phẩm

Chức

năng Định

chính

dạng

Định dạng Nền tảng Giấy
đầu ra

phép

đầu vào
Hashkat aka Đại
'# k @'

lý

dựa nhập

xã

hội

Đầu ra cho Mac

tuyến

OS Phần

X, GNU / mềm

rõ NetworkX Linux

trực (người

và

chi phí

trên mô phỏng khẩu từ GEPHI,
của các mạng bản

Ghi chú

công cụ
mô

miễn phí phỏng
(GPLv3) mạng

dùng

động lực

định giá

được

và hồ sơ

thiết

đại lý)

để

kế
mô

hình tăng
trưởng
và

lan

truyền
thông tin
trong
một
mạng xã
hội trực
tuyến.Nó
là

một

tác nhân
có trụ sở,
động cơ
Monte
Carlo có

khả năng
mô
phỏng
12 | P a g e


Sản phẩm

Chức

năng Định

chính

dạng
đầu vào

Định dạng Nền tảng Giấy
đầu ra

phép

Ghi chú
và

chi phí
mạng
trực
tuyến
như

Faceboo
k,
Twitter,
LinkedIn
, vv Nó
kết

hợp

tất cả các
yếu

tố

của

các

mạng xã
hội trực
tuyến
bao gồm
nhiều hồ
sơ người
dùng (ví
dụ

như

người

dùng
chuẩn, tổ
chức,
người
nổi tiếng,
và

các

chương
13 | P a g e


Sản phẩm

Chức

năng Định

chính

dạng

Định dạng Nền tảng Giấy
đầu ra

phép

đầu vào

Ghi chú
và

chi phí
trình)

,

người
dùng
nhắn tin,
chủ

đề

xu
hướng,
và quảng
cáo.
AllegroGraph Biểu đồ cơ sở RDF

RDF

Linux,

Miễn phí AllegroG

dữ

Mac,

và thương raph

liệu.RDF với

Windows mại

là

một

cơ

công cụ trực

sở

dữ

quan Gruff

liệu

đồ

thị. Đó
là, cơ sở
dữ

liệu

OLTP
đầy

đủ

giao dịch
dựa trên
đĩa

mà

các

cửa

hàng dữ
liệu

có

cấu trúc
trong đồ
thị

chứ

14 | P a g e

Sản phẩm

Chức

năng Định

chính

dạng

Định dạng Nền tảng Giấy
đầu ra

phép

đầu vào

Ghi chú
và

chi phí
không
phải
trong các
bảng. All
egroGrap
h

bao

gồm một
thư viện
Mạng xã
hội
Analytic
s.
AutoMap

máy phát điện tài

liệu .csv

và cửa sổ

Thương

AutoMa

mạng văn bản văn bản DyNetML

mại

khai thác mỏ có

Sinh viên dụng

thể

và p

sử

đọc

việc gắn

được

thẻ

bài

phát biểu
và phân
tích gần
để

thực

hiện
phân tích
văn bản
mạng để
tạo

ra

các liên
kết mạng
15 | P a g e

Sản phẩm

Chức

năng Định

chính

dạng

Định dạng Nền tảng Giấy
đầu ra

Ghi chú

phép

đầu vào

và

chi phí
giữa các
từ trong
văn bản.

EgoNet

phân

tích Tiến

mạng

Ego- hành

centric

Đầu ra cho Bất kỳ hệ Nguồn
CSV

và thống

hỗ mở,

Egonet là
tìm một

phỏng

chuyển đổi trợ Java

kiếm

chương

vấn

sang

hầu

những

trình cho

hoặc có hết các định

người

việc thu

bất

kỳ dạng khác

đóng góp thập

tập

tin

và

phân tích

XML

các

hợp lệ

liệu

dữ

mạng ích
kỷ. Egon
et

chứa

cơ sở để
hỗ

trợ

trong
việc tạo
ra

các

câu hỏi,
thu thập
dữ

liệu

và cung
cấp

nói

chung
toàn cầu
biện
16 | P a g e


Sản phẩm

Chức

năng Định

chính

dạng

Định dạng Nền tảng Giấy
đầu ra

đầu vào

phép

Ghi chú

và

chi phí
pháp
mạng và
ma

trận

dữ

liệu

có

thể

được sử
dụng
trong
phân tích
sâu hơn
bởi

các

chương
trình
phần
mềm

khác.

III.Tổng kết
- Kết luận , tổng kết kết quả thực hiện so với mục tiêu ban đầu :
+Lấy dữ liệu trên mạng xã hội facebook

17 | P a g e


+Thống kê từ khoá được tìm kiếm nhiều nhất trong danh sách bạn bè
trên 1 tài khoản facebook.

18 | P a g e