一种垂直细分社交网络信息建模存储方法

刘成满 陶皖 穆争 李春

摘要：各种垂直细分社交网络应用已帮助人们创建和收集了丰富的信息，但由于各类信息无法表述成机器可直接处理的形式，网站间缺乏信息共享和交流机制。在总结垂直社交网站信息特征的基础上，分析FOAF、DC、SIOC等本体的信息表述能力，以音乐论坛类社交网站为例设计信息表示本体，以实现信息的有效建模存储。

关键词：社交网站；垂直细分；本体技术；信息建模存储

中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2014）22-5170-03

社交网络是Web 2.0时代的代表性技术，它以人为核心，以关系链为基础，利用各种服务维护和巩固用户之间的链接，与博客维系的“以话题或事件为中心”的一维空间相比，它维系了“以人为中心”的多维空间，有信息传递、信息产生与共享的一套协议和规则。社交网络的应用呈现综合性与垂直性。综合性的大而全的社交网络以Facebook等巨头为代表，而专注于一个行业，服务于不同用户人群的垂直细分社交网络亦成为热点发展领域。分析垂直细分社交的信息特点，以音乐类垂直细分社交网络为例，通过建立OMSN本体完成信息的建模与存储，为信息分析、共享及交互奠定基础。

1 垂直细分社交网络信息特点

1） 垂直细分社交网络以特定的专题领域为目标，发挥专业化特点，能满足不同人群的各种需求；2） 社交网络信息中80%是非结构化数据，即：各种格式的文本、图片、XML、HTML、各类报表、图像和音频/视频信息等；3） 社交网络中的节点往往代表多种不同类型的实体、不同类型的实体之间存在的关系类型不同，即“多模”性；4） 不同社交网站的信息存在异质性[1，3-4]。

本体（Ontology）是共享概念模型的明确的形式化规范说明[2]。针对垂直细分社交网络信息特点，引入专业领域的本体，通过提供机器可理解的信息，规范信息的建模与存储，并为社交网站中的信息共享及网站间的协作提供帮助。

2 音乐论坛社交网站信息建模与存储

垂直细分社交网络的领域特征强，以音乐论坛类社交网站为例，如：百事高音乐论坛（http：//bbs.besgold.com）现有会员118万人，分论坛、群组、家园、上传等板块；清风音乐论坛（http：//bbs.breezecn.com）有会员52万多人，有音乐交流、朋友圈等板块。这些在线音乐论坛具有明显垂直细分社交网络的特征：主题单一、音乐价值链完整、专业性强、活跃会员的关系稳定。因此，建立音乐论坛社会网络信息的本体OMSN（Ontology for Music Social Network）[5]，通过恰当定义论坛用户以及各个主题之间的社会网络关系，设计易于存储的数据模型。

2.1 信息特征分析

音乐论坛中形成主题社会网络和会员（用户）社会网络。1） 会员（用户）社会网络蕴含着具有相近兴趣爱好的用户群体，可用RDF三元组表示：（member A，member B，relation Value），含义是：“member B”回复或者引用“member A”的次数是“relation Value”；如需要用户的权威度，可通过记录出度、入度，再结合精华、威望、级别值等表示。2） 论坛中的关键用户是论坛中影响力大的会员，关键用户发起的话题或者关键用户关注的主题一般具有典型的代表性，往往会引起论坛其他会员的共鸣。通过主题社会网络分析可通过找寻关键用户发现具有一定相似性的时下热点主题群。

2.2 音乐本体设计

FOAF（Friend-of-a-Friend）和SIOC（Semantically-Interlinked Online Communities）是使用广泛的本体框架，具有共享应用的基础。可借助这些本体进行音乐论坛中用户信息的建模。采用FOAF本体描述论坛中人的概貌信息，SIOC本体分两部分：一是记录论坛内容；二是记录FOAF等词汇间的映射关系。部分本体词汇如表2所示，音乐论坛的本体结构如图3所示[5]。

2.3 信息存储设计

使用关系数据库存储OMSN本体，如表2，表3所示。

3 结束语

本体可表示网络间需要共享的计算机可读的信息，通过建立共享的垂直细分社交网络本体可针对不同专业领域完成共享信息的建模存储。通过设计的OMSN本体，完成音乐论坛类社交网站中部分信息建模及存储，但对于社交网站中动态变化信息（如：在线用户的变迁、发布信息的更新等）的处理还不完善，这将是下一步需研究的工作。

参考文献：

[1] Fatalian A，Nayeri Z A，Azadnia M.Impact of using semantic social networks on organizations[C].In Proceedings of the 2009 international Conference on Advances in Social Network Analysis and Mining. Washington USA： IEEE Computer Society，2009：47-52.

[2] Muhammad Shoaib，Amna Basharat.Ontology based knowledge representation and semantic profiling in personalized semantic social networking framework[C]. Proceeding of the 3rd International Conference on Computer Science and Information Technology， ChengDu China： IEEE Computer Society，2010：95-99.

[3] David Sánchez，Montserrat Batet，Aida Valls，et al. Ontology-driven web-based semantic similarity[J]. Journal of Intelligent Information Systems. 2010，35（3）：383-413.

[4] Ilaria Torre.Adaptive systems in the era of the semantic and social web， a survey[J].User Modeling and User-Adapted Interaction，2009，19（5）：433-486.

[5] 陶皖，徐京，刘成满.本体技术在社交网站信息表示中的应用[J].长江大学学报，2013，10（30）：86-87.