万小军教授详解：社交网络分析的深度综述与应用

北京大学万小军教授在计算机与互联网挖掘领域具有深厚的学术造诣，他在2014年的《互联网数据挖掘》本科生课程中对社交网络分析进行了深入的综述和讲解。该课程重点关注了社交媒体的兴起和发展，如Blogs（如Blogger和Wordpress）、Wikis（如Wikipedia和Wikiversity）、社交网络服务网站（如Facebook、Myspace和Orkut）以及数字媒体分享平台（如YouTube和Flickr）等。社交媒体的特性被详细探讨，强调了用户生成内容的多样性和观点性、群体智慧的展现、强烈的用户交互性和异构网络结构。 社交网络分析是核心内容之一，它围绕社交关系和网络结构进行深入挖掘，包括社区检测（识别网络中的子集，如兴趣群体）、链接预测（预测潜在的联系人）和影响力分析（评估个体在网络中的影响力）。同时，社交内容挖掘也不容忽视，通过对文本（如微博）进行摘要、关键词提取和情感分析，以理解用户的情绪和意见倾向。这两种方法可以互相补充，以提供更全面的信息解读。 以微博为例，万小军教授的团队利用这一平台进行深入研究，探讨微博关键词的提取，以及用户相似性网络的构建，这对于个性化推荐和社会关系的发现具有重要意义。社会网络分析进一步阐述了社会网络的定义，它是由相互关联的个体或机构组成，通过好友关系、亲属关系等不同类型的边（关系）连接起来。社交矩阵是社会网络的一种可视化工具，用来展示节点（成员）之间的复杂关系。 课程中还可能涉及实际应用案例，如如何利用这些分析技术优化用户体验，提升广告精准投放，或者在舆情监控、市场研究等领域发挥作用。万小军教授的讲座为学生和研究者提供了深入理解社交网络分析理论和实践的宝贵资源，展示了其在该领域的权威性和实用性。