自动社交网络图挖掘和可视化的制作方法

专利名称：自动社交网络图挖掘和可视化的制作方法
自动社交网络图挖掘和可视化许多社交网络应用近年来在因特网上上线，以允许人们在社交上以及职业上连接。通常，这样的社交网络应用要求用户创建用户标识(ID)和口令并标识其朋友以便创建简档。然而，万维网或因特网上的诸如新闻站点、博客、评论等许多网页描述人们和其他实体的社交活动，尽管这些信息没有列在社交网络应用站点上。另外，尽管存在许多社交网络应用，但没有多少方式来容易地确定和查看人们和其他实体之间的社交连接或关系。概述提供本概述是为了以简化的形式介绍将在以下详细描述中进一步描述的一些概念。本概述并不旨在标识出所要求保护的主题的关键特征或必要特征，也不旨在用于限定所要求保护的主题的范围。

此处描述的自动社交网络图挖掘和可视化技术从一般(不必是社交应用专用的)网页挖掘社交连接，并允许对社交网络关系进行可视化。更具体而言，在一个实施例中，该自动社交网络图挖掘和可视化技术对实体的社交网络图进行自动挖掘和布局。实体可以是例如人、组织或甚至关键词。该技术使用一个或多个网页上一实体的名称和相关实体的名称之间的距离来确定各实体之间的连接以及这些连接的强度。在挖掘过程中，输入是一般的网页。人或其他实体的名称以及他们之间的社交连接被自动提取和综合。对于每一实体名称，其社交网络图被定义为在一个或多个网页中连接到该实体名称的名称集和从该Web中标识的这些连接的实体名称之间的社交连接集的结合。这些社交连接可由关系排序过程来加权。在一个实施例中，该社交网络图挖掘和可视化技术可使用一布局过程来生成围绕人或其他实体的名称的二维(2-D)社交网络图。在该技术的一个实施例中，该布局通过使用力指向模型和能量缩减过程来自动生成。在该布局中，社交连接权重由其两个端点之间的距离来表示。该距离越短，则该连接权重越大。同样，在一个实施例中，该布局过程聚集彼此紧密连接在一起的人或其他实体的名称。


参考以下描述、所附权利要求书以及附图，将更好地理解本公开的具体特征、方面和优点，附图中图I是用于采用此处描述的自动社交网络图挖掘和可视化技术的一个示例性实施例的示例性体系结构。图2描绘了用于采用自动社交网络图挖掘和可视化技术的示例性过程的流程图。图3描绘了用于根据自动社交网络图挖掘和可视化技术的一个示例性实施例来创建社交网络图的示例性过程的流程图。图4描绘了由自动社交网络图挖掘和可视化技术的一个示例性实施例创建的示例性社交网络图。
图5描绘了在自动社交网络图挖掘和可视化技术的一个示例性实施例中采用的图形用户界面。图6是可用于实现自动社交网络图挖掘和可视化技术的示例性计算设备的示意图。详细描述在对自动社交网络图挖掘和可视化技术的以下描述中，对附图作出参考，附图形成了该描述的一部分，且作为可实现此处所述的自动社交网络图挖掘和可视化技术的说明性示例示出。可以理解，可以利用其它实施例，并且可以作出结构上的改变而不背离所要求保护的主题的范围。1. O自动社夺网络图校掘和可视化抟术以下各节提供了自动社交网络图挖掘和可视化技术的综述，以及用于采用该技术的示例性体系结构、过程和用户界面。1. 1抟术综沭社交网络近来受到了更多的关注。如Facebook和Twitter这样的社交网络应用和服务允许用户增长其自己的私人社交网络。然而，因特网实际上包含了隐含于一般网页中的文本中的公共社交网络。例如，描述社交活动的网页提供了这些网页上所提到的人或实体之间的隐含社交连接。这些公共的隐含社交连接可被视为巨大的社交网络图。几乎没有进行任何工作来从并非为社交网络应用特别设计的网页中自动标识并呈现人和其他实体之间的社交连接。在一个实施例中，该自动社交网络图挖掘和可视化技术从一般的网页中自动标识社交网络连接，并以2-D布局提供允许查看者容易地标识该图中的人或实体之间的连接以及这些连接的强度的社交网络图。在一个实施例中，该技术创建2-D可视化布局，该布局提供了特定实体的社交网络图为一组基于该实体和其他实体之间的连接和连接强度以径向布局排列的顶点(名称)和边(社交连接)。该社交图的所有者(例如，为其生成该图的实体)被置于中心。采用上述挖掘过程和布局过程，来自web的社交网络图被自动生成并可视化。1. 2示例件体系结构图1提供了用于采用自动社交网络图挖掘和可视化技术的一个实施例的示例性体系结构100。如图I所示，体系结构100采用社交网络图挖掘和可视化模块102，该模块驻留在将参考图6更详细讨论的计算设备600上。社交网络图挖掘和可视化模块102用于挖掘社交网络图104并在显示器106上将其呈现给用户，用户108可经由用户界面110来操纵该社交网络图。网页112被输入到社交网络图挖掘和可视化模块102中。网页视觉解析器114将来自所输入的每一网页的网页内容解析成信息块116。信息块116被输入到名称提取器118中，后者从信息块中识别实体名称。这些实体可以是例如人、组织或关键词。标记了实体名称的信息块120被输入到社交连接排序器122中，后者确定所标记的信息块116中所标识的实体之间的一个或多个连接并对这些连接排序。社交连接排序器122还标识连接的强度并对其分配权重。用于确定排序的一个示例性过程将在下文中更详细讨论。社交连接排序器122输出已排序的实体名称及其连接权重124。这些连接权重124被输入到社交连接综合器126中，后者综合所有已排序的实体名称及其连接权重124，并使用力指向模型创建社交网络图104并在显示器106上输出该图。一旦在显示器106上显示了社交网络图104的各部分，用户108就能经由用户界面110操纵该社交网络图104来示出其其他部分，这将在下文中更详细讨论。I. 3.自动社交网络图挖掘和可视化技术所采用的示例性过程以下各段提供了对用于采用自动社交网络图挖掘和可视 化技术的示例性过程的描述。应当理解，在某些情况下，动作的次序可以互换，并且在某些情况下，部分动作甚至可被省略。I. 3. I自动社夺网络图校掘用于采用自动社交网络图挖掘和可视化技术的一个实施例的过程的高级流程图在图2中示出。该技术的该实施例从一般的网页中挖掘社交连接及其强度。如图2所示，在框202，将这些网页输入到该过程中。这些输入的网页可例如通过web爬行器爬行因特网来找到。每一所输入的网页的内容被解析成信息块，如框204所示。例如，标识文本块或其他邻接数据块的视觉解析器可用于解析网页的内容。可使用各种常规技术来标识并解析该文本或其他邻接数据块。然后标识在信息块中找到的人或实体的名称，如框206所示。例如，这可由常规的名称寻找器来完成。此处，常规名称寻找器指的是能够从信息块中自动寻找实体名称的任何计算机算法。如框208所示，然后对信息块中的实体名称之间的社交连接排序。在该技术的一个实施例中，排序考虑了名称的位置以及信息块中的环绕文本(例如，名称的位置以及文本中将名称隔开的特定距离或单词数)。两个名称彼此越靠近，则认为连接的强度越强。关于该技术的一个实施例所采用的排序过程的细节将在下文中给出。然后对来自所有信息块的已排序的社交连接进行综合以确定在网页上找到的实体之间的社交连接的强度，如框210所示。在社交网络图挖掘和可视化技术的一个实施例中，该综合在确定对每一信息块找到的连接的强度时，除了信息块中的名称的接近度之外，还考虑了在网页上找到同一名称集的频率。社交连接的强度然后可用于各种目的，如确定某人的朋友是谁，或用于对这些社交连接绘图以提供确定人或其他实体之间的社交连接强度的视觉帮助，如框212所示。I. 3. 2可视化社交连接图3提供了由自动社交网络图挖掘和可视化技术用来可视化社交连接的一个示例性过程300的流程图。在该技术的该实施例中，从一般的网页中提取的人/实体的名称之间的社交连接以2-D图的形式来表示，该2-D图具有一组表示名称的顶点，以及一组表示社交连接的边。使用力指向模型来表示该2-D图，并且使用能量最小化过程来充分优化或增强该2-D图的布局。如框302所示，输入已排序社交连接的列表。将社交图的所有者(为其显示该图的人)置于该2D图的中心作为中心顶点，如框304所示。表示人或其他实体的名称、且具有到社交图的所有者的社交连接的顶点被置于中心顶点周围的不同轨道中(或基于排序置于该中心顶点周围的轨道中)，如框306所示。轨道的半径越短，则该轨道中的顶点与中心顶点之间的社交连接越强。为每一社交连接创建中心顶点周围的一条轨道，其中具有到该所有者的最强社交连接的顶点(实体)最接近该中心顶点。如框308所示，顶点然后可根据顶点之间的连通性被聚集到不同聚类中(例如，根据他们之间的连接以及将在下文中更详细描述的能量最小化过程来聚集)。同一聚类中的顶点(例如，其之间具有多于一个连接的顶点)被彼此接近地放置。顶点聚类也被放置成使得顶点聚类不彼此重叠，如框310所示。如框312所示，然后使用力指向模型来充分优化2D图的布局的均一性。图4提供了由该技术的一个实施例产生的2D图布局400的一个示例。在社交网络图挖掘和可视化技术的该实施例中，力指向模型通过采用一组力和能量最小化过程将该布局充分优化为均一I)每两个顶点之间的排斥力402 (其一个示例在图4中示出)；2)沿着边的吸引力404 (例如，在顶点402之间的社交连接之间)；3)相邻轨道之间的排斥力406 ；以及
4)被建模以隔离彼此之间没有连接的聚类的不可穿透边界408。5)图中的每一对象，例如每一顶点、边、轨道和不可穿透边界，或者是径向/切向自由的，或者两个方向都是自由的，从而能够根据力指向模型的力来移动。因此，在每一顶点处在力指向模型中有四种不同的力沿着边的吸引力404 A(O) = < ;每两个顶点之间的排斥力402ZW J)=古;相邻轨道之间的排斥力4061肌) ^ ;以及
Uk'k -1
—_c^ g τ T不可穿透边界$n ) = r 6U α ,,> .
4 5+ca9Wm'其中i，j表示第i个顶点和第j个顶点；d表示距离；0k表示第k条轨道；Um表示第m条不可穿透边界；(^,2,3表示常量；Θ表示线的正交角，其穿过顶点和中心顶点以及不可穿透边界；并且τ表示常量阈值。给定以上定义，一个顶点处的聚集力为
hmm= Σ fiihj)+TJ1HJ)+/AOk^1)+Yj4(i,um)
VMiJieaJWm当力在一个顶点处平衡时，该顶点处的聚集力为零。因此，该技术寻求最小化所有顶点的聚集力的总和。布局算法然后寻找顶点的适当放置，其中
放置=arg min Y FjΣ 可被认为是该布局的能量，因此该布局算法实际上缩减力模型的总能量。在
i
该技术的一个实施例中，能量缩减过程以迭代的方式来执行。在每一次迭代中，每一顶点沿着聚集力的方向移动。该过程在能量收敛于特定水平时停止。更具体而言，当能量下降时，顶点的总位移也减小。该技术设置一常量阈值。当总位移小于该值时，迭代过程停止。在那时之前，顶点在每一次迭代中保持移动，即，其位置改变。I. 3. 3对社夺连梓棑序
如先前所讨论的，社交网络图挖掘和可视化技术的某些实施例采用了排序过程来对实体之间的社交连接排序。下节给出了关于在该技术的一个实施例中使用的排序过程的附加信息。该技术的一个实施例所采用的排序可描述如下。给定实体名称列表Χ={Χ(ι，Χι，. . . }和网页列表W= {wQ, W1, ... },每一网页具有信息块B= {bQ, b1； . . . },如果Xi, χ」出现在一个信息块中，则信息块中这两个名称之间的关系权重被定义为Rb (xi； Xj) =Rd · Rc其中Rd表示关系的距离度量，而R。表示关系的上下文度量。这两个度量的定义如下
d(x^x.) — l
Rd (Xi, X) ) 二 I--^-)Rc= (Xi, Xj) =1. OK (Xi, Xj) = ΦTlkmK(Xi^Xj) = [kj
A此处，(Kxi, Xj)表示信息块中Xi, Xj之间的字符距离。如果Xi, Xj不一起出现在信息块中，则d(Xi，Xj)是无穷的。S卩，Rd等于零。变量K(Xi，Xj)表示在该信息块中的两个名称之间发现的关系关键词集，如“妻子”、“朋友”等。变量km表示预定义关键词权重，km>1.0。在一个实施例中，每一关系关键词具有预定义权重，例如，“妻子”具有权重2.0，“朋友”具有权重1.6。K(Xi7Xj)是对应于两个名称的关系关键词的权重集。如果对于\和\没有关系关键词，则K(Xi，\)是空集，由“φ”表示。否则，K(Xi，\)将具有一个或多个值，如{I. 6，2.0，...}。在一个实施例中，关键词集是手动收集的。当来自该集合的关键词存在于具有两个实体名称的信息块中时，使用一过程来决定是否使用该关键词来描述这两个实体名称之间的关系。因而，Xi, Xj的全局关系权重被定义为，xJ) = Σ Σ Ux丨,xj)
W B该排序过程因而可计算信息块中的所有实体之间的关系权重，并且可相应地对实体及其相关联的关系权重排序。然而，应当注意，可使用其他排序过程来创建已排序的社交连接列表。注意，社交图被定义为G=(V，E)，其中V是顶点集而E是边集。从web中发现的每一独特实体/人的名称是图中的顶点，即，V= Ixtl, Xl，. . . }。在具有非零权重的每一 Xi，Xj对之间，定义边eijt)因而，E= IeijK其中R(Xi，Xj)>0。I. 4示例件用户界面图5示出了用于根据自动社交网络图挖掘和可视化技术的一个实施例来显示和操纵社交图的一个示例性用户界面500。在该实施例中，用户可通过在搜索框502中输入名称(例如，本例中的“C”)来搜索实体名称(例如，人、组织或关键词)。实体名称(例如，C)被示为中心顶点504，并且其他连接的实体被示为围绕中心顶点504的顶点506。顶点506之间的社交连接强度被示为边508。两个顶点506之间的边508越短，则由连接的顶点所表示的实体之间的关系越强。两个顶点506之间的边508越长，则由连接的顶点所表示的实体之间的关系越弱。在一个实施例中，顶点506的颜色以及可任选的其后的背景以类似彩虹的颜色序列从0°到360°变化(例如，红色510，橙色512，黄色514，绿色516，蓝色518以及紫色520)。另外，节点或顶点506越接近，则节点的颜色(以及可任选的节点后的背景)越相似。在一个实施例中，节点/顶点颜色根据从0°到360°的极坐标改变。在一个实施例中，示例性用户界面500还提供动画。例如，当用户用用户输入设备点击(例如，选择)一个顶点506时，整个社交图/地图522改变为以所点击(例如，选择)的顶点为中心的新地图。在该切换转移期间，有三种动画a)将不在新地图上的最初显示的顶点不再显示。b)将仍在新地图中的最初显示的顶点将移至新位置；以及c)曾不在原始地图中的新顶点将出现并移至位置。用户界面500还可包括光标控制524，以允许用户在地图522上移动以便显示该图的其他部分。用户还可选择各个顶点506来找出关于他们的附加信息。例如，在一个实施例中，如果用户用鼠标或其他输入设备选择一顶点，则将显示具有关于与所选顶点相关联 的实体的附加信息的弹出窗口或显示屏幕。2. O计算环塏自动社交网络图挖掘和可视化技术被设计成在计算环境中操作。以下描述旨在提供其中可实现自动社交网络图挖掘和可视化技术的合适计算环境的简明、概要描述。该技术可用各种通用或专用计算系统环境或配置来操作。可能合适的公知的计算系统、环境、和/或配置的示例包括但不限于，个人计算机、服务器计算机、手持式或膝上型设备(例如，媒体播放器、笔记本计算机、蜂窝电话、个人数字助理、语音记录器)、多处理器系统、基于多处理器的系统、机顶盒、可编程消费电子产品、网络PC、微型计算机、大型计算机、包括任何以上系统或设备的分布式计算环境等等。图6示出合适的计算系统环境的示例。计算系统环境只是合适的计算环境的一个示例，而非意在对本发明的技术的使用范围或功能提出任何限制。也不应将该计算环境解释为对示例性操作环境中示出的任一组件或其组合有任何依赖性或要求。参考图6，用于实现自动社交网络图挖掘和可视化技术的示例性系统包括诸如计算设备600等计算设备。在其最基本的配置中，计算设备600通常包括至少一个处理单元602和存储器604。取决于计算设备的确切配置和类型，存储器604可以是易失性的(如RAM)、非易失性的(如ROM、闪存等)或是两者的某种组合。该最基本配置在图6中由虚线606来例示。另外，设备600还可具有附加特征/功能。例如，设备600还可包含附加存储(可移动和/或不可移动)，包括但不限于磁盘、光盘或磁带。这些其它存储在图6中由可移动存储608和不可移动存储610示出。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息的任何方法或技术来实现的易失性和非易失性、可移动和不可移动介质。存储器604、可移动存储608和不可移动存储610都是计算机存储介质的示例。计算机存储介质包括但不限于，RAM、R0M、EEPR0M、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光存储、磁带盒、磁带、磁盘存储或其他磁存储设备、或者可用于存储所需信息并且可由设备600访问的任何其他介质。计算机可读介质包括瞬态的传播信号和计算机(可读)存储介质。任何这样的计算机存储介质都可以是设备600的一部分。设备600还可包含允许该设备与其它设备以及网络通信的通信连接612。通信连接612是通信介质的一个示例。通信介质通常以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据，并包括任意信息传送介质。术语“已调制数据信号”指的是其一个或多个特征以在信号中编码信息的方式被设定或更改，从而改变了信号的接收设备的配置或状态的信号。作为示例而非限制，通信介质包括有线介质，诸如有线网络或直接线连接，以及无线介质，诸如声学、RF、红外线和其他无线介质。如此处所使用的术语“计算机可读介质”包括存储介质和通信介质两者。设备600可具有各种输入设备614，如显示器、键盘、鼠标、笔、照相机、触摸输入设备等。还可包括诸如显示器622、扬声器、打印机等输出设备616。所有这些设备在本领域中是公知的并且不必在此详细讨论。自动社交网络图挖掘和可视化技术可在由计算设备执行的诸如程序模块等的计算机可执行指令的通用上下文中描述。一般而言，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。自动社交网络图挖掘和可视化技术可以在任务由通过通信网络链接的远程处理设备执行的分布式计算环境中实现。在分布式计算环境中，程序模块可以位于包括存储器存储设备在内的本地和远程计算机存储介质中。
还应当注意，可以按所需的任何组合来使用此处所述的上述替换实施例的任一个或全部以形成另外的混合实施例。尽管用结构特征和/或方法动作专用的语言描述了本主题，但可以理解，所附权利要求书中定义的主题不必限于上述具体特征或动作。上述具体特征和动作是作为实现权利要求的示例形式公开的。
权利要求
1.一种用于标识实体之间的社交连接的计算机实现的过程，包括 使用计算设备来 接收标识实体之间的社交连接的一组网页； 将每一网页的内容解析成信息块； 标识信息块中实体的名称； 考虑所述信息块中名称的位置以及环绕文本来对所述信息块中的实体名称之间的社交连接排序；以及 综合来自所有信息块中的已排序社交连接来确定与所述实体名称相关联的实体之间的连接的强度。
2.如权利要求I所述的计算机实现的过程，其特征在于，还包括基于与所述实体名称相关联的实体之间的连接的强度创建社交网络图。
3.如权利要求I所述的计算机实现的过程，其特征在于，对所述实体名称之间的社交连接排序还包括使连接权重与实体名称相关联。
4.如权利要求I所述的计算机实现的过程，其特征在于，解析每一网页的内容包括使用视觉解析器来将所述内容解析成信息块。
5.一种以创建2-D图的形式来显示从一般的网页中提取的实体名称之间的社交连接的系统，所述2-D图具有一组表示名称的顶点以及一组表示社交连接的边，所述系统包括 通用计算设备； 包括能由所述通用计算设备执行的程序模块的计算机程序，其中所述计算设备由所述计算机程序的程序模块来引导以便 输入社交图所有者和附加实体之间的已排序的社交连接列表； 将所述社交图所有者置于所述2D图的中心作为中心顶点； 对所述已排序列表中的每一实体，将表示已排序列表中的实体的名称的顶点置于所述中心顶点周围的不同轨道中，其中轨道半径越短，所述轨道中的顶点与所述中心顶点之间的社交连接越强； 根据所述顶点之间的连通性，将所述顶点聚集到不同的聚类中； 使用力指向模型来优化所述2D布局的均一性，其中所述力指向模型包括 每两个顶点之间的排斥力； 所述边之间的吸引力； 相邻轨道之间的排斥力；以及 隔离彼此之间没有连接的聚类的不可穿透边界。
6.如权利要求5所述的系统，其特征在于，每一顶点、边、轨道和不可穿越边界或者是径向或切向自由的，或者是径向和切向均自由的，以便允许根据力来移动。
7.如权利要求5所述的系统，其特征在于，还包括用于在显示器上显示2D图并允许用户操纵所述2D图的图形用户界面。
8.如权利要求5的系统，其特征在于，所述图形用户界面还彩色显示所述2D图的顶点，其中彼此接近的顶点以类似颜色显示。
9.如权利要求5所述的系统，其特征在于，所述顶点的颜色根据所述顶点的位置的从0°到360°的极坐标改变。
10.如权利要求5所述的系统，其特征在于，所述图形用户界面还包括动画，所述动画包括当用户选择顶点时所述2D图将改变成新2D图。
全文摘要
此处描述的自动社交网络图挖掘和可视化技术从一般(不必是社交应用专用的)网页挖掘社交连接并允许创建社交网络图。该技术使用一个或多个网页上一人/实体的名称和相关人/实体的名称之间的距离来确定各人/实体之间的连接以及这些连接的强度。在一个实施例中，该技术通过使用力指向模型对这些连接进行布局，然后将这些连接聚集在表示相关的人或实体的名称之间的Web连接强度的社交网络图的2-D布局中。
文档编号G06F17/27GK102893275SQ201180023860
公开日2013年1月23日 申请日期2011年5月10日 优先权日2010年5月14日
发明者聂再清, 曹涌, 罗刚, 张若驰, 刘晓江, 马云霄, 张波, 徐迎庆, 文继荣 申请人:微软公司