1成果簡介 
社會網(wǎng)絡(luò)已經(jīng)成為覆蓋用戶最廣、傳播影響最大、商業(yè)價值最高的Web2.0業(yè)務(wù)，在世
界范圍內(nèi)，最著名的社會網(wǎng)絡(luò)代表是Facebook、Twitter，用戶量分別達(dá)到12億、5億；國
內(nèi)使用人數(shù)最多的社會網(wǎng)絡(luò)工具是新浪微博和騰訊微博，其中新浪微博用戶達(dá)到5億，騰訊
微博用戶超過8億。社會網(wǎng)絡(luò)中的巨大用戶群每天產(chǎn)生海量的用戶數(shù)據(jù)、關(guān)系數(shù)據(jù)和信息數(shù)
據(jù)，若能夠?qū)Ａ繑?shù)據(jù)進(jìn)行準(zhǔn)確、及時的分析，則會在精確營銷、輿情探測以及網(wǎng)絡(luò)安全等
方面創(chuàng)造巨大價值。然而由于社會網(wǎng)絡(luò)的大數(shù)據(jù)特性以及分析方面要求準(zhǔn)確、及時，目前缺
乏融合多項社會網(wǎng)絡(luò)分析技術(shù)的、成熟的社會網(wǎng)絡(luò)大數(shù)據(jù)分析系統(tǒng)。 
社會網(wǎng)絡(luò)分析技術(shù)是一項關(guān)鍵技術(shù)，也是一項熱門的研究，涵蓋了社會學(xué)、人類學(xué)、社
會語言學(xué)、地理、社會心理學(xué)、通信研究、資訊科學(xué)、社會網(wǎng)絡(luò)分析與探勘、組織研究、經(jīng)
濟學(xué)以及生物學(xué)等多個領(lǐng)域，是一項多學(xué)科交叉技術(shù)。社會網(wǎng)絡(luò)大數(shù)據(jù)分析系統(tǒng)要求具有堅
實的數(shù)據(jù)支撐，即數(shù)據(jù)獲取全面、更新及時、獲取數(shù)量大，也強調(diào)多維度、多粒度的分析手
段相結(jié)合，并對分析速度、可視化以及人機交互等方面都提出很高的要求。  
基于上述現(xiàn)狀和挑戰(zhàn)，在國家科技支撐項目的資助下，實現(xiàn)基于新浪微博、Twitter等
主要社會網(wǎng)絡(luò)交流工具的大數(shù)據(jù)分析系統(tǒng)，系統(tǒng)完成從數(shù)據(jù)獲取、數(shù)據(jù)預(yù)處理、數(shù)據(jù)存儲、
消息中心、數(shù)據(jù)分析、結(jié)果可視化展示的閉環(huán)處理流程，支持多種社會網(wǎng)絡(luò)（Twitter、新浪
微博等）的數(shù)據(jù)實時、不間斷獲取，獲取數(shù)據(jù)量在國內(nèi)外同研究領(lǐng)域處于領(lǐng)先地位；實現(xiàn)整
體、個體、群體以及事件的多層次、多粒度分析模式；同時具備良好的人機交互操作界面以
及優(yōu)秀的分析展示效果。 
系統(tǒng)的特點如下： 
? 多手段數(shù)據(jù)獲取模式融合：采用網(wǎng)絡(luò)流量分析、API/非API爬蟲、元搜索以及增量
式爬蟲等多手段數(shù)據(jù)獲取模式相結(jié)合的方式進(jìn)行數(shù)據(jù)實時、不間斷獲取，保證數(shù)據(jù)
獲取全面、更新及時、獲取量大； 
? 多維度、多粒度數(shù)據(jù)分析手段結(jié)合：系統(tǒng)對社會網(wǎng)絡(luò)整體、個體、群體、事件四個
維度的對象進(jìn)行分析，并結(jié)合基礎(chǔ)分析、深度挖掘的多粒度分析手段共同完成社會
網(wǎng)絡(luò)的數(shù)據(jù)分析； 
? 多種關(guān)鍵技術(shù)支撐：系統(tǒng)融合機器學(xué)習(xí)、分布式并行處理、數(shù)據(jù)挖掘、自然語言處
理等多種關(guān)鍵技術(shù)，共同保證系統(tǒng)各項功能的穩(wěn)定、快速實現(xiàn)； 
? 優(yōu)秀的分析展示效果和友好的人機交互操作：借助Gephi工具進(jìn)行群體、事件等分
析效果的可視化展示，可視化效果清晰；操作便捷，實現(xiàn)用戶與系統(tǒng)、系統(tǒng)與數(shù)據(jù)
庫的無縫連接。 
上述優(yōu)點表明該系統(tǒng)能夠?qū)崿F(xiàn)從數(shù)據(jù)獲取、數(shù)據(jù)預(yù)處理、數(shù)據(jù)存儲、消息中心、數(shù)據(jù)分
析、結(jié)果可視化展示的處理流程，達(dá)到完善的功能實現(xiàn)目標(biāo)和優(yōu)秀的系統(tǒng)運行效果。查新表
明，國內(nèi)外目前尚未發(fā)現(xiàn)有如此功能全面與性能優(yōu)越的社會網(wǎng)絡(luò)大數(shù)據(jù)分析系統(tǒng)。 
  
性能參數(shù)：  
? 能有效獲取社會網(wǎng)絡(luò)平臺的用戶數(shù)據(jù)、關(guān)系數(shù)據(jù)和信息數(shù)據(jù)，獲取覆蓋率不低于
85%； 
? 分布式爬蟲支持不少于10個節(jié)點，分布式數(shù)據(jù)庫支持不少于5個節(jié)點； 
? 數(shù)據(jù)庫讀/寫操作不少于并發(fā)1000次，數(shù)據(jù)預(yù)處理效率不小于1000條/秒； 
? 數(shù)據(jù)存儲規(guī)模不小于7TB； 
? 熱點信息(個體、群體、事件)發(fā)現(xiàn)準(zhǔn)確率不低于75%，關(guān)鍵路徑發(fā)現(xiàn)準(zhǔn)確率不低于
75%； 
? 熱點話題發(fā)現(xiàn)準(zhǔn)確性不低于80%，傾向性言論的發(fā)布主體發(fā)現(xiàn)準(zhǔn)確率不低于75%； 
? 信息傳播壽命預(yù)測準(zhǔn)確率不低于80%。 
2應(yīng)用說明 
2013年9月，利用社會網(wǎng)絡(luò)大數(shù)據(jù)分析系統(tǒng)進(jìn)行數(shù)據(jù)獲取以來，獲取Twitter用戶數(shù)據(jù)
2.2億，用戶關(guān)系數(shù)據(jù)11.5億，推文1.2億，目前數(shù)據(jù)量仍處于不斷高速增長階段；著重獲
取社會網(wǎng)絡(luò)上中國人全集的數(shù)據(jù)，主要采用基于用戶屬性、用戶關(guān)系、用戶信息3層過濾機
制，通過特定團體獲取方式進(jìn)行獲取，中國人用戶數(shù)據(jù)達(dá)到63萬，用戶關(guān)系數(shù)據(jù)510萬，
推文數(shù)據(jù)1740萬，目前中國人用戶數(shù)據(jù)已趨于穩(wěn)定，推文數(shù)據(jù)仍處于快速增長階段。在獲
取到的數(shù)據(jù)基礎(chǔ)上，對網(wǎng)絡(luò)中個體、群體、事件以及整體進(jìn)行基礎(chǔ)分析以及深度挖掘，能夠
快速識別關(guān)鍵個體、關(guān)鍵群體、熱點信息、熱點話題，并實現(xiàn)對信息、話題的情感分析、趨
勢預(yù)測等功能，同時也保證分析效果優(yōu)秀的可視化展示。 
3效益分析 
由于目前國內(nèi)外尚無同標(biāo)準(zhǔn)產(chǎn)品，而社會網(wǎng)絡(luò)大數(shù)據(jù)分析的需求比較迫切，因此本系統(tǒng)
具有較大的推廣空間。本系統(tǒng)價格每套150萬元。而本系統(tǒng)數(shù)據(jù)積累深厚、運行穩(wěn)定、分析
功能全面、處理速度快、響應(yīng)時間短?？傮w上，系統(tǒng)成本低、功能全、速度快，運行費每月
在3000元左右，具有明顯的經(jīng)濟和技術(shù)優(yōu)勢。 
 
清華大學(xué)科技成果重點推廣項目 
32 
4合作方式 
轉(zhuǎn)讓或者聯(lián)合推廣。 
5項目所屬行業(yè)領(lǐng)域 
電子信息。