社会网络分析的工具与软件

‘壹’ 有没有大神知道引文网络分析法的具体步骤还有分析工具

一般来说，引文网络分析毕拍的具体步骤如下：

选择研究的学术领域和时间段，并收集相关论文。

对论文进行解析，提取出论文的引文信神数卖息。

建立论文之间的引文关系网络。

分析游逗网络中的节点和边，了解论文之间的关系。

对网络进行可视化，通过图形更直观地展示论文之间的关系。

分析论文的影响力，比如计算论文的引用次数、引用深度、引用宽度等。

‘贰’ 社会网络分析的Gephi软件

相比于UCINET的导入数据格式，Gephi要求的原始数据更加灵活，主要分为三种：

例如以博士就业的“来源-目标”为例：(当然优势根据需要还可以加入权重weight)

将原始的列表数据转化为共现矩阵，进而导入到Gephi（亦或是UCINET、Pajek）是最为常见的数据转化方法。但是通常情况下，无论是用BibExcel还是用BICOMB2，步骤都比较繁琐。相关参考资料如下，以供参考：

在这里笔者安利一个神仙公众号，“学术点滴”。UP主做了一个CO_OC1.7软件，能够瞬间做共现及相异矩阵，同时将bibexcel、ucinet、pajek、vosviewer、gCLUTO(双聚类)、内容挖掘系统(ROSTCM6)作为插件集合于CO_OC1.7软件中，方便一体化分析及比较分析，节省时间。亲测有效，文章链接如下：

网上关于作图的教程较为详细，多结合案例讲解，容易上手。参考如下：

（1）统计功能：Gephi<UCINET

（2）作图渲染：Gephi>UCINET

但是这不是说明Gephi的作图效果一定就比UCINET好，一切都是“以图能最直观的表达观点”为直接目标。所以需要对这两种作图软件尽量上手，拿两者做的图相互比较，选择最能代表研究观点的图。如同研究一样，一切都是以表达观点为立意点，切不可成了炫技的秀方法文章。

‘叁’ 数据分析用什么软件

做数据分析，比较好用的软件有哪些？
数据分析软件有很多种，每一种都适合不同类型的人员。

简单说：

Excel：普遍适用，既有基础，又有中高级。中级一般用Excel透视表，高级的用Excel VBA。

hihidata：比较小众的数据分析工具。三分钟就可以学会直接上手。无需下载安装，直接在线就可以使用。

SPSS：专业统计软件，没有统计功底很难用的。同时包含了数据挖掘等高大功能。

SAS：专业统计软件，专业人士用的，不懂编程还是不要碰了。

MARLAB：建立统计与数学模型，但是比较难学，很难上手。

Eview：比较小众，建立一些经济类的模型还是很有用的。计量经济学中经常用到。

各种BI与报表工具：FineBI，FineReport，tableau，QlikView等。
比较好的数据分析软件有哪些？
SPSS是软件里比较简单的 ，学校里使用的比较多一些，可以采用菜单的模式 带少量的命令编辑MATLAB常常在建立统计和数学模型的时候比较好用 但是很难学 反正我学了一个学期楞是就知道个皮毛Finereport 兼顾了基本的数据录入与展现功能，一般的数据源都支持，学习成本比较低，比较适合企业级用户使用，SAS我并斗没用过
网站数据分析工具哪个好用些阿？
推荐吆喝科技的ab测试，软件分析的数据比较全面和精准
学数据分析需要熟悉哪些软件基础
软件只是一个工具 看你要从事的数据分析的方向很深度而定

一般的用excel也可以进行常规简单的数据分析

再深入一点的用spss、stata、sas

如果要搞数据挖掘的话，用spss modeler / sas

不过一般的常规数据分析用excel和spss基本上能够应付
常用的数据分析工具有哪些
数据分析的概念太宽泛了，做需要的是侧重于数据展示、数据挖掘、还是数据存储的？是个人用还是企业、部门用呢？应用的场景是制作简单的个人图表，还是要做销售、财务还是供应链的分析？

那就说说应用最广的BI吧，企业级应用，其实功能上已经涵盖了我上面所述的部分，主要用于数据整合，构建分析，展示数据供决策分析的，譬如FineBI，是能够绝漏磨”智能”分析数据的工具了。
android数据分析工具用什么软件
1. 开源大数据生态圈

Hadoop HDFS、Hadoop MapRece, HBase、Hive 渐次诞生，早期Hadoop生态圈逐步形成。

开源生态圈活跃，并免费，但Hadoop对技术要求高，实时性稍差。

2. 商用大数据分析工具

一体机数据库/数据仓库（费用很高）

IBM PureData(Netezza), Oracle Exadata, SAP Hana等等。

数据仓库（费用较高）

Teradata AsterData, EMC GreenPlum, HP Vertica 等等。

数据集市（费用一般）

QlikView、 Tableau 、国内永洪科技Yonghong Data Mart 等等。

前端展现

用于展现分析的前端开源工具有JasperSoft，Pentaho, Spagobi, Openi, Birt等等。

用于展现分析商用分析工具有Cognos,BO, Microsoft, Oracle,Microstrategy,QlikView、 Tableau 、国内永洪科技Yonghong Z-Suite等等。
数据分析软件有哪些，他们分别的特点是什么
除了搜圆EXCEL 数据分析用的多的有以下几个软件，你看看你们公司符合哪个

SPSS（StatisticalProct and Service Solutions），“统计产品与服务解决方案”软件，是数据定量分析的工具，适用于社会科学（如经济分析，市场调研分析）和自然科学等林林总总的统计分析，国内使用的最多，领域也多。

SPSS就如一个傻瓜相机，界面友好，使用简单，但是功能强大，可以编程，能解决绝大部分统计学问题，适合初学者。它有一个可以点击的交互界面，能够使用下拉菜单来选择所需要执行的命令。它也有一个通过拷贝和粘贴的方法来学习其“句法”语言，但是这些句法通常非常复杂而且不是很直观。

SPSS致力于简便易行（其口号是“真正统计，确实简单”），并且取得了成功。但是如果你是高级用户，随着时间推移你会对它丧失兴趣。SPSS是制图方面的强手，由于缺少稳健和调查的方法，处理前沿的统计过程是其弱项。

SAS是全球最大的软件公司之一，是全球商业智能和分析软件与服务领袖。SAS由于其功能强大而且可以编程，很受高级用户的欢迎，也正是基于此，它是最难掌握的软件之一，多用于企业工作之中。

SAS就如一台单反相机，你需要编写SAS程序来处理数据，进行分析。如果在一个程序中出现一个错误，找到并改正这个错误将是困难的。在所有的统计软件中，SAS有最强大的绘图工具，由SAS/Graph模块提供。然而，SAS/Graph模块的学习也是非常专业而复杂，图形的制作主要使用程序语言。SAS适合高级用户使用。它的学习过程是艰苦的，正所谓“五年入门，十年精通”，最初的阶段会使人灰心丧气。然而它还是以强大的数据管理和同时处理大批数据文件的功能，得到高级用户的青睐。

R 是用于统计分析、绘图的语言和操作环境，属于GUN系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具，多用于论文，科研领域。

R的思想是：它可以提供一些集成的统计工具，但更大量的是它提供各种数学计算、统计计算的函数，从而使使用者能灵活机动的进行数据分析，甚至创造出符合需要的新的统计计算方法。因此R有很多最新的模型和检验方法，但是非常难自学，对英语的要求很高。R与SAS的区别在于，R是开放免费的，处理更灵活，同时对编程要求较高。
大数据是什么意思？哪些软件适合大数据分析？
大数据定义什么的网络很多。个人理解：现有的互联网数据量越来越大，面对这么大的数据量，如何利用好这些数据是极具挑战性的。一方面数据量提升，数据处理的方法必须改变，才能提高数据处理速度，比如大规模，高并发的网站访问，12306，淘宝天猫什么的；另一方面从这些海量数据中挖掘出有用的信息，比如根据淘宝根据用户点击访问，反馈出用户的喜好，给用户推荐相关商品。

推荐Hadoop，适合大数据处理的。

网上学习资料很多，自己搜去！

当然你也可以自己使用数据库MYSQL等去做大数据处理，这样很多Hadoop做好的东西都需要你自己去做。要是熟悉某个数据库，并且应用明确就用数据库自己去做吧！

加油！
数据分析软件哪个好
最常用的是spss,属于非专业统计学的! sas是专业的统计分析软件,需要编程用,都是专业人士用的 数据分析中的数据挖掘,可以使用spss公司的clementine
大数据分析一般用什么工具分析
在大数据处理分析过程中常用的六大工具：

Hadoop

Hadoop 是一个能够对大量数据进行分布式处理的软件框架。但是 Hadoop 是以一种可靠、高效、可伸缩的方式进行处理的。Hadoop 是可靠的，因为它假设计算元素和存储会失败，因此它维护多个工作数据副本，确保能够针对失败的节点重新分布处理。Hadoop 是高效的，因为它以并行的方式工作，通过并行处理加快处理速度。Hadoop 还是可伸缩的，能够处理 PB 级数据。此外，Hadoop 依赖于社区服务器，因此它的成本比较低，任何人都可以使用。

HPCC

HPCC，High Performance puting and munications(高性能计算与通信)的缩写。1993年，由美国科学、工程、技术联邦协调理事会向国会提交了“重大挑战项目：高性能计算与 通信”的报告，也就是被称为HPCC计划的报告，即美国总统科学战略项目，其目的是通过加强研究与开发解决一批重要的科学与技术挑战问题。HPCC是美国 实施信息高速公路而上实施的计划，该计划的实施将耗资百亿美元，其主要目标要达到：开发可扩展的计算系统及相关软件，以支持太位级网络传输性能，开发千兆 比特网络技术，扩展研究和教育机构及网络连接能力。

Storm

Storm是自由的开源软件，一个分布式的、容错的实时计算系统。Storm可以非常可靠的处理庞大的数据流，用于处理Hadoop的批量数据。Storm很简单，支持许多种编程语言，使用起来非常有趣。

Apache Drill

为了帮助企业用户寻找更为有效、加快Hadoop数据查询的方法，Apache软件基金会近日发起了一项名为“Drill”的开源项目。Apache Drill 实现了 Google's Dremel.

据Hadoop厂商MapR Technologies公司产品经理Tomer Shiran介绍，“Drill”已经作为Apache孵化器项目来运作，将面向全球软件工程师持续推广。

RapidMiner

RapidMiner是世界领先的数据挖掘解决方案，在一个非常大的程度上有着先进技术。它数据挖掘任务涉及范围广泛，包括各种数据艺术，能简化数据挖掘过程的设计和评价。

Pentaho BI

Pentaho BI 平台不同于传统的BI 产品，它是一个以流程为中心的，面向解决方案(Solution)的框架。其目的在于将一系列企业级BI产品、开源软件、API等等组件集成起来，方便商务智能应用的开发。它的出现，使得一系列的面向商务智能的独立产品如Jfree、Quartz等等，能够集成在一起，构成一项项复杂的、完整的商务智能解决方案。

‘肆’ 社会网络的类型与功能

社会网络数据和其他相似性数据的综合性分析程序。与UCINET捆绑在一 起的还有Pajek、Mage和NetDraw等三个软件。UCINET能够处理的原始数据为矩阵格式，提供了大量数据管理和转化工具。该程序本身不包含 网络可视化的图形程序，但可将数据和处理结果输出至NetDraw、Pajek、Mage和KrackPlot等软件作图。UCINET包含大量包括探测 凝聚子群（cliques, clans, plexes）和区域（components, cores）、中心性分析（centrality）、个人网络分析和结构洞分析在内的网络分析程序

‘伍’ 学习和应用社会网络分析，为什么要选用Pajek(转自科学网)

昨日与一位朋友聊天，提到论文撰写的问题，发现这位朋友修习了社会网络分析的一些概念知识，手头又有点数据，导师又催着出论文，于是极度希望能够应用Pajek作为工具分析点结果出来，凑出一篇“像样点”的论文。当问及Pajek到底能做什么时，我给出的回答让这位朋友感到非常失望：Pajek有绘图功能，但是如果只是为了好看，那你不如用其他多媒体软件，Pajek有计算功能，但是限于对你手头网络文件进行分析，如果要出统计结果，你得要借助其他软件。于是，朋友说：那照你这么说法，这就是个废物软件了？ 在十年前，或许可选择的软件较少，现在可供网络分析使用的软件，不下上百种，如果要从中挑出适合自己需要的，倒也的确比较困难。或许所有应用这项技术的人，都会推荐自己所熟悉的软件工具。我虽然不能说可以用手头的工具解决所有问题，但谈一下为什么选用这个软件还是有必要的，当然，还真有人在网上发了论文，对一些软件进行比较。真是不好意思的是，在写这篇博文时，我搜索了一下自己的硬盘，居然没找到那篇论文。 我觉得有必要从个人角度澄清一下对这个软件应用范围的看法。 首先，Pajek是用来处理大型网络的。在目前版本中，它可以处理多达9亿个顶点的网络文件。如果你手头的网络文件顶点不超过1000个，那用Ucinet、NodeXL等软件，都不会有速度的障碍。 第二，Pajek是所有网络分析工具中，唯一配备了循序渐进教程的软件。在我个人看来，人类所创造的工具，是现有感官的延伸，是进一步创造新认识和新直觉的阶梯。所以，当我们要理解并熟练掌握甚至可以精通某种操作化的分析技能时，需要有一个逐渐训练的过程，并且在这种过程中形成对一些看似抽象的概念的直观认识。配备了循序渐进教程的Pajek软件，正好成为入门时的练手工具。 第三、Pajek提供了探索网络结构的途径，但它的统计分析功能很弱。但是，它又同时配备了R软件接口。在我看来，把Pajek的数据探索功能与R软件的统计功能结合，就已经基本符合网络分析技术的应用需求。如果超出这种基本功能的更高阶需求，那就不仅仅是应用这种技术，而是研究这种技术本身了。 总结起来，当学习社会网络分析技术时，我个人觉得应当掌握的软件有两个：Pajek和R软件（R软件里面有许多分析包，其中igraph和sna这两个包很重要，应当重点掌握）。应当熟悉的软件有Matlab和NodeXL，前者帮助你做一些矩阵转换，后者则提供了一个简单的EXCELL插件供你做网络文件制备。对于如何学习R软件的操作，我建议零起点的朋友，如果是生物医学方面的，可以选择《应用R软件和

‘陆’ 社会计算--研究点

研究内容

    1 、社交网络服务 （Social NetworkService，SNS）

    谈到社交网络服务，就会让人想起时下最热门的Facebook。社交网络服务研究的是利用信息技术构建虚拟空间，实现社会性的交互和通信。SNS还有一种解释是社会网络软件（Social Network Software），电子邮件、网络论坛等许多传统网络工具都可以视为一种社会软件。

    在社交网络服务的网站上，人们以认识朋友的朋友的方式，扩展自己的人脉。国内最有名的社交网络服务网站是“人人网”，他们从实践中总结出以下值得重点关注的研究点：社会关系强度、信息的绝对价值和相对价值、新鲜事排序算法、隐私性以及社会化搜索。 

    2 、群体智慧 （CollectiveIntelligence）

    群体智慧的典型应用是“维基网络”和“网络知道”。这些互联网平台系统不仅帮助用户相互沟通联系，更重要的是将用户组织起来，发挥他们的群体智慧，以协作的方式一起创造、加工和分享知识。

    2005年，美国卡耐基梅隆大学的路易斯·冯·安（Luis Von Ahn）提出“人本计算（Human Computation）”的思想，用验证码、游戏等方式调动网民的热情，使众多的人脑自觉不自觉地参与到计算任务中，轻松地解决了本来非常耗时耗力的问题。这也是群体智慧的体现。

    知识获取是一切智能系统的瓶颈，传统的依靠专家编辑知识的方式效率太低，无法满足大规模真实信息处理的需求。在网络社会的大背景下，群体智慧的出现为知识获取提供了一条崭新的充满希望的道路。如何巧妙地设计用户界面以激发用户的参与热情，如何克服人脑计算的不精确性，如何将人脑和电脑最佳地结合起来，都是值得深入研究的问题。

3.  社会网络分析 （Social NetworkAnalysis）

    社会网络分析依据网络理论看待社会，节点是网络中的独立角色，边是社会关系，社会网络就是由节点和边构成的一张图，这张图往往非常复杂，节点之间的关系类型多种多样。

    社会网络分析的典型例子是社区计算。中科院计算技术研究所的研究工作指出：社区是社会信息网络的普遍现象，大规模信息网络中的一些社会化特征在全局层面往往具有稳定的统计规律。如何度量、发现和利用这些规律是大规模社会信息网络分析与处理的一个基础问题。一般而言，社区结构是度量和利用这些特性的基本单元。因此，发现一个网络中有意义的、自然的、相对稳态的社区结构，对网络信息的搜索与挖掘、信息的推荐以及网络演化与扩散的预测具有重要价值。

4.  内容计算 （Content Computing）

    除社会网络外，社会媒体也是分析理解社会的重要素材，如新闻、论坛、博客、微博等。由于它们都以语言文字为主要展示形式，因此从事内容计算研究的学者需要掌握语言分析技术。当前内容计算的热点包括舆情分析、人际关系挖掘、微博应用等。

     舆情分析 ：传统上，对舆情的研究主要有两种方法：一是观察思辨，，二是问卷调查。前者缺乏数据支持，后者采集的数据量亦有限。互联网技术为舆情分析提供了全新的技术路线，通过对各种社会媒体的跟踪与挖掘，结合传统的舆论分析理论，可以有效地观察社会的状态，并能辅助决策，及时发出预警。

     基于内容的人际关系挖掘 ：互联网中蕴含着大量公开的人名实体和人际关系信息。利用文本信息抽取技术可以自动地抽取人名，识别重名，自动计算出人物之间的关系，进而找出关系描述词，形成一个互联网世界的社会关系网。微软亚洲研究院的“人立方”就是一个典型系统。

     微博应用 ：如果说“人人网”是中国的Facebook，那么“新浪微博”则是中国的Twitter。近来“新浪微博”迅猛发展，2010年11月，其用户数为5000万，2011年3月，其用户数突破1亿，在四个月内翻了一倍。“微博”同时具有“社会网络”和“媒体平台”的属性，它催生了信息生产和传播方式的革命，对社会事件和人们的意识已然产生了很大影响。“微博”明确地定位为平台，它提供开放的API接口，积极支持第三方应用的发展，基于“微博”的研究与开发必将成为未来一段时期互联网学术界和产业界的热点。

5.  人工社会 （Artificial Society）

    社会计算的一个重要使命是对复杂社会问题建立计算模型，进行实验分析并提供决策支持。利用计算机模拟手段测试和验证社会经济政策的效果，已成为一个公共政策领域的迫切需求，这些需求催生了“人工社会”、“平行社会”等诸多相关领域的研究。

    通过建立各种人工社会，构造相应的平行系统，为“全面、综合、可持续的科学发展观”提供了一种可行的分析和评估方法，并应用于复杂社会系统的管理与控制，可以为将要到来的数字化社会和数字化政府管理奠定基础。中科院自动化所是“人工社会”这一研究课题的积极倡导者和实践者。

     社会计算面临的挑战

    社会计算方兴未艾，生机勃勃，却也面临诸多挑战：

1. 个人数据整合：同一个人在不同场合、不同终端上留下的各种行为记录目前都散落在不同的存储节点上，要整合这些信息，不但涉及技术问题，更涉及复杂的管理问题。

2. 巨量数据存储：为大规模人类行为进行全面实时的记录，需要巨大的数据存储和管理能力，当前的计算机系统还无法满足这一需求。

3. 个人隐私保护：出于隐私保护方面的考虑，大型互联网公司往往不敢向学术界公开用户日志，致使学术界对社会计算的研究遇到用户数据采集方面的严重困难。匿名化处理是一种解决方案，但好事者依然可以从匿名后的数据中发现个人行为的轮廓，使匿名化处理失效。

4. 研究成果保密：如果揭示出某种社会关系或某个组织的运行规律，是否会受到相关个人和组织的质疑或反对呢？对研究成果要达到何等保密程度呢？

5. 学术队伍组织：由于背景各异，如何使计算机专家和社会科学领域的专家相互理解，密切配合，一道推进社会计算的研究，并非易事。同时，如何建设社会计算学科，培养既懂计算科学，又懂社会科学的人才，也是亟待探索的话题。

    结语

    社会计算是一个方兴未艾的多学科交叉领域，网络科学、复杂系统、数据挖掘、社会学、管理科学、语言处理、信息检索等不同背景的学者从不同的角度对社会计算进行了研究。社会计算的研究横跨文理，为社会科学提供了一条革命性的计算之路，其研究成果对于社会管理、社会生活都将产生重大影响。随着学术界、产业界和政府对社会计算的认识不断加深，关注度不断提高，社会计算正逐步进入蓬勃发展的阶段。

‘柒’ 如何构建知识图谱

自己建吗可以下载图谱软件构建
http://www.cnblogs.com/R0b1n/p/5224065.html可以参考一下这个

SPSS: 大型统计分析软件，商用软件。具有完整的数据输入、编辑、统计分析、报表、图形绘制等功能。常用于多元统计分析、数据挖掘和数据可视化。
Bibexcel: 瑞典科学计量学家Persoon开发的科学计量学软件，用于科学研究免费软件。具有文献计量分析、引文分析、共引分析、耦合分析、聚类分析和数据可视化等功能。可用于分析ISI的SCI、SSCI和A&HCI文献数据库。
HistCite: Eugene Garfield等人于2001年开发的科学文献引文链接分析和可视化系统，免费软件。可对ISI的SCI、SSCI和SA&HCI等文献数据库的引文数据进行计量分析，生成文献、作者和期刊的引文矩阵和实时动态引文编年图。直观的反映文献之间的引用关系、主题的宗谱关系、作者历史传承关系、科学知识发展演进等。
CiteSpace: 陈超美博士开发的专门用于科学知识图谱绘制的免费软件。国内使用最多知识图谱绘制软件。可用于追踪研究领域热点和发展趋势，了解研究领域的研究前沿及演进关键路径，重要的文献、作者及机构。可用于对ISI、CSSCI和CNKI等多种文献数据库进行分析。
TDA: Thomson Data Analyzer（TDA）是Thomson集团基于VantagePoint开发文献分析工具。商用软件。具有去重、分段等数据预处理功能；可形成共现矩阵、因子矩阵等多种分析矩阵；可使用Pearson、Cosine等多种算法进行数据标准化；可进行知识图谱可视化展示。
Sci2 Tools: 印第安纳大学开发的用于研究科学结构的模块化工具可从时间、空间、主题、网络分析和可视化等多角度，分析个体、局部和整体水平的知识单元。
ColPalRed: Gradnada大学开发的共词单元文献分析软件。商用软件。结构分析，在主题网络中展现知识（词语及其关系）；战略分析，通过中心度和密度，在主题网络中为主题定位；动态分析，分析主题网络演变，鉴定主题路径和分支。
Leydesdorff: 系类软件。阿姆斯特丹大学Leydesdorff开发的这对文献计量的小程序集合。处理共词分析、耦合分析、共引分析等知识单元体系。使用“层叠图”实现可视化知识的静态布局和动态变化。
Word Smith: 词频分析软件。可将文本中单词出现频率排序和找出单词的搭配词组。
NWB Tools: 印第安纳大学开发的对大规模知识网络进行建模、分析和可视化工具. 数据预处理；构建共引、共词、耦合等多种网络；可用多种方法进行网络分析；可进行可视化展示.
Ucinet NetDraw: Ucinet是社会网络分析工具。包括网络可视化工具Net Draw。用于处理多种关系数据，可通过节点属性对节点的颜色、形状和大小等进行设置。用于社交网络分析和网络可视化。
Pajek: 来自斯洛文尼亚的分析大型网络的社会网络分析免费软件。Pajek基于图论、网络分析和可视化技术，主要用于大型网络分解，网络关系展示，科研作者合作网络图谱的绘制。
VOSviewer: 荷兰莱顿大学开发的文献可视化分析工具。使用基于VOS聚类技术技术实现知识单元可视化工具。突出特点可视化能力强，适合于大规模样本数据。四种视图浏览：标签视图、密度视图、聚类视图和分散视图。

[4]陈悦, 刘则渊, 陈劲等. 科学知识图谱的发展历程[J]. 科学学研究, 2008, (03): 449-460.

[5]Shiffrin, R.M., and Katy Börner. Mapping Knowledge Domains[C]. Proc. Proceedings of the National Academy of Sciences of the United States of America pp. 5183-5185.

[6]Börner, K., Chen, C.和Boyack, K.W. Visualizing knowledge domains[J]. Annual review of information science and technology, 2003, 37, (1): 179-255.

[7]CM, C. CiteSpace II: Detecting and visualizing emerging trends and transient patterns in scientific literature[J]. Journal of the American Society for Information Science and Technology, 2006, 57, (3): 359-377.

[8]陈悦和刘则渊. 悄然兴起的科学知识图谱[J]. 科学学研究, 2005, (02): 149-154.

[9]邱均平. 信息计量学[M]. (武汉大学出版社, 2007. 2007).

[10]沙勇忠和牛春华. 信息分析[M]. (科学出版社, 2009. 2009).

[11]塞沃尔, 建军和煦. 链接分析: 信息科学的研究方法[M]. (东南大学出版社, 2009. 2009).

[12]Egghe, L.和Rousseau, R. Introction to informetrics: Quantitative methods in library, documentation and information science[J]. 1990

[13]韩家炜, 坎伯, 裴健等. 数据挖掘: 概念与技术[M]. (机械工业出版社, 2007. 2007).

[14]Wasserman, S. Social network analysis: Methods and applications[M]. (Cambridge university press, 1994. 1994).

[15]Persson, O., R. Danell, J. Wiborg Schneider. How to use Bibexcel for various types of bibliometric analysis[C]. Proc. International Society for Scientometrics and Informetrics., Leuven, Belgium2009 pp. 9–24.

[16]Yang, Y., Akers, L., Klose, T.等. Text mining and visualization tools–impressions of emerging capabilities[J]. World Patent Information, 2008, 30, (4): 280-293.

[17]Börner, K., Huang, W., Linnemeier, M.等. Rete-netzwerk-red: analyzing and visualizing scholarly networks using the Network Workbench Tool[J]. Scientometrics, 2010, 83, (3): 863-876.

[18]廖胜姣. 科学知识图谱绘制工具:SPSS和TDA的比较研究[J]. 图书馆学研究, 2011, (05): 46-49.

[19]Scott, M. WordSmith tools[M]. (Oxford: Oxford University Press, 1996. 1996).

[20]Batagelj, V.和Mrvar, A. Pajek - Program for Large Network Analysis[M]. (1998. 1998).

[21]Borgatti, S.P., Everett, M.G.和Freeman, L.C. Ucinet for Windows: Software for social network analysis[J]. 2002

[22]Van Eck, N.J.和Waltman, L. VOSviewer: A computer program for bibliometric mapping[J]. 2009

‘捌’ 社会网络分析工具netdraw和UCINET，请问，哪位高手会使用，会使用的高手能否给予帮助。

文章的话你可以看下【姜春林, 陈玉光. CSSCI数据导入Bibexcel实现共现矩阵的方法及实证研究. 图书馆杂志. [G250.7]. 2010 2010-05-31(4):58-63.】，里面有些介绍和步骤。
如果你构建矩阵有困难，可以使用我新作的软件生成共现矩阵，然后直接导入两个可视化软件，会自动生成知识图谱，当然你也可以自行进行相关设置。
我在博客里直接把基本步骤也写了，希望对你有帮助：
http://hi..com/liuqiyuan/blog/item/054d4aed316297ccb21cb147.html

‘玖’ 大数据分析一般用什么工具分析

大数据分析是一个含义广泛的术语，是指数据集，如此庞大而复杂的，他们需要专门设计的硬件和软件工具进行处理。该数据集通常是万亿或EB的大小。这些数据集收集自各种各样的来源：传感器，气候信息，公开的信息，如杂志，报纸，文章。大数据分析产生的其他例子包括购买交易记录，网络日志，病历，军事监控，视频和图像档案，及大型电子商务。

大数据分析，他们对企业的影响有一个兴趣高涨。大数据分析是研究大量的数据的过程中寻找模式，相关性和其他有用的信息，可以帮助企业更好地适应变化，并做出更明智的决策。

一、Hadoop

Hadoop是一个开源框架，它允许在整个集群使用简单编程模型计算机的分布式环境存储并处理大数据。它的目的是从单一的服务器到上千台机器的扩展，每一个台机都可以提供本地计算和存储。

Hadoop 是一个能够对大量数据进行分布式处理的软件框架。但是 Hadoop 是以一种可靠、高效、可伸缩的方式进行处理的。Hadoop
是可靠的，即使计算元素和存储会失败，它维护多个工作数据副本，确保能够针对失败的节点重新分布处理。Hadoop是高效的，它采用并行的方式工作，通过并行处理加快处理速度。Hadoop
还是可伸缩的，能够处理 PB 级数据。此外，Hadoop 依赖于社区服务器，因此它的成本比较低，任何人都可以使用。

Pentaho BI 平台，Pentaho Open BI
套件的核心架构和基础，是以流程为中心的，因为其中枢控制器是一个工作流引擎。工作流引擎使用流程定义来定义在BI
平台上执行的商业智能流程。流程可以很容易的被定制，也可以添加新的流程。BI
平台包含组件和报表，用以分析这些流程的性能。目前，Pentaho的主要组成元素包括报表生成、分析、数据挖掘和工作流管理等等。这些组件通过
J2EE、WebService、SOAP、HTTP、Java、JavaScript、Portals等技术集成到Pentaho平台中来。
Pentaho的发行，主要以Pentaho SDK的形式进行。

Pentaho
SDK共包含五个部分：Pentaho平台、Pentaho示例数据库、可独立运行的Pentaho平台、Pentaho解决方案示例和一个预先配制好的
Pentaho网络服务器。其中Pentaho平台是Pentaho平台最主要的部分，囊括了Pentaho平台源代码的主体;Pentaho数据库为
Pentaho平台的正常运行提供的数据服务，包括配置信息、Solution相关的信息等等，对于Pentaho平台来说它不是必须的，通过配置是可以用其它数据库服务取代的;可独立运行的Pentaho平台是Pentaho平台的独立运行模式的示例，它演示了如何使Pentaho平台在没有应用服务器支持的情况下独立运行;

Pentaho解决方案示例是一个Eclipse工程，用来演示如何为Pentaho平台开发相关的商业智能解决方案。

Pentaho BI 平台构建于服务器，引擎和组件的基础之上。这些提供了系统的J2EE
服务器，安全，portal，工作流，规则引擎，图表，协作，内容管理，数据集成，分析和建模功能。这些组件的大部分是基于标准的，可使用其他产品替换之。

七、Druid

Druid是实时数据分析存储系统，Java语言中最好的数据库连接池。Druid能够提供强大的监控和扩展功能。

八、Ambari

大数据平台搭建、监控利器;类似的还有CDH

1、提供Hadoop集群

Ambari为在任意数量的主机上安装Hadoop服务提供了一个逐步向导。

Ambari处理集群Hadoop服务的配置。

2、管理Hadoop集群

Ambari为整个集群提供启动、停止和重新配置Hadoop服务的中央管理。

3、监视Hadoop集群

Ambari为监视Hadoop集群的健康状况和状态提供了一个仪表板。

九、Spark

大规模数据处理框架(可以应付企业中常见的三种数据处理场景：复杂的批量数据处理(batch data
processing);基于历史数据的交互式查询;基于实时数据流的数据处理，Ceph:Linux分布式文件系统。

十、Tableau Public

1、什么是Tableau Public - 大数据分析工具

这是一个简单直观的工具。因为它通过数据可视化提供了有趣的见解。Tableau
Public的百万行限制。因为它比数据分析市场中的大多数其他玩家更容易使用票价。使用Tableau的视觉效果，您可以调查一个假设。此外，浏览数据，并交叉核对您的见解。

2、Tableau Public的使用

您可以免费将交互式数据可视化发布到Web;无需编程技能;发布到Tableau
Public的可视化可以嵌入到博客中。此外，还可以通过电子邮件或社交媒体分享网页。共享的内容可以进行有效硫的下载。这使其成为最佳的大数据分析工具。

3、Tableau Public的限制

所有数据都是公开的，并且限制访问的范围很小;数据大小限制;无法连接到[R ;读取的唯一方法是通过OData源，是Excel或txt。

十一、OpenRefine

1、什么是OpenRefine - 数据分析工具

以前称为GoogleRefine的数据清理软件。因为它可以帮助您清理数据以进行分析。它对一行数据进行操作。此外，将列放在列下，与关系数据库表非常相似。

2、OpenRefine的使用

清理凌乱的数据;数据转换;从网站解析数据;通过从Web服务获取数据将数据添加到数据集。例如，OpenRefine可用于将地址地理编码到地理坐标。

3、OpenRefine的局限性

Open Refine不适用于大型数据集;精炼对大数据不起作用

十二、KNIME

1、什么是KNIME - 数据分析工具

KNIME通过可视化编程帮助您操作，分析和建模数据。它用于集成各种组件，用于数据挖掘和机器学习。

2、KNIME的用途

不要写代码块。相反，您必须在活动之间删除和拖动连接点;该数据分析工具支持编程语言;事实上，分析工具，例如可扩展运行化学数据，文本挖掘，蟒蛇，和[R
。

3、KNIME的限制

数据可视化不佳

十三、Google Fusion Tables

1、什么是Google Fusion Tables

对于数据工具，我们有更酷，更大版本的Google Spreadsheets。一个令人难以置信的数据分析，映射和大型数据集可视化工具。此外，Google
Fusion Tables可以添加到业务分析工具列表中。这也是最好的大数据分析工具之一。

2、使用Google Fusion Tables

在线可视化更大的表格数据;跨越数十万行进行过滤和总结;将表与Web上的其他数据组合在一起;您可以合并两个或三个表以生成包含数据集的单个可视化;

3、Google Fusion Tables的限制

表中只有前100,000行数据包含在查询结果中或已映射;在一次API调用中发送的数据总大小不能超过1MB。

十四、NodeXL

1、什么是NodeXL

它是关系和网络的可视化和分析软件。NodeXL提供精确的计算。它是一个免费的(不是专业的)和开源网络分析和可视化软件。NodeXL是用于数据分析的最佳统计工具之一。其中包括高级网络指标。此外，访问社交媒体网络数据导入程序和自动化。

2、NodeXL的用途

这是Excel中的一种数据分析工具，可帮助实现以下方面：

数据导入;图形可视化;图形分析;数据表示;该软件集成到Microsoft Excel
2007,2010,2013和2016中。它作为工作簿打开，包含各种包含图形结构元素的工作表。这就像节点和边缘;该软件可以导入各种图形格式。这种邻接矩阵，Pajek
.net，UCINet .dl，GraphML和边缘列表。

3、NodeXL的局限性

您需要为特定问题使用多个种子术语;在稍微不同的时间运行数据提取。

十五、Wolfram Alpha

1、什么是Wolfram Alpha

它是Stephen Wolfram创建的计算知识引擎或应答引擎。

2、Wolfram Alpha的使用

是Apple的Siri的附加组件;提供技术搜索的详细响应并解决微积分问题;帮助业务用户获取信息图表和图形。并有助于创建主题概述，商品信息和高级定价历史记录。

3、Wolfram Alpha的局限性

Wolfram Alpha只能处理公开数字和事实，而不能处理观点;它限制了每个查询的计算时间;这些数据分析统计工具有何疑问?

十六、Google搜索运营商

1、什么是Google搜索运营商

它是一种强大的资源，可帮助您过滤Google结果。这立即得到最相关和有用的信息。

2、Google搜索运算符的使用

更快速地过滤Google搜索结果;Google强大的数据分析工具可以帮助发现新信息。

十七、Excel解算器

1、什么是Excel解算器

Solver加载项是Microsoft Office Excel加载项程序。此外，它在您安装Microsoft
Excel或Office时可用。它是excel中的线性编程和优化工具。这允许您设置约束。它是一种先进的优化工具，有助于快速解决问题。

2、求解器的使用

Solver找到的最终值是相互关系和决策的解决方案;它采用了多种方法，来自非线性优化。还有线性规划到进化算法和遗传算法，以找到解决方案。

3、求解器的局限性

不良扩展是Excel Solver缺乏的领域之一;它会影响解决方案的时间和质量;求解器会影响模型的内在可解性;

十八、Dataiku DSS

1、什么是Dataiku DSS

这是一个协作数据科学软件平台。此外，它还有助于团队构建，原型和探索。虽然，它可以更有效地提供自己的数据产品。

2、Dataiku DSS的使用

Dataiku DSS - 数据分析工具提供交互式可视化界面。因此，他们可以构建，单击，指向或使用SQL等语言。

3、Dataiku DSS的局限性

有限的可视化功能;UI障碍：重新加载代码/数据集;无法轻松地将整个代码编译到单个文档/笔记本中;仍然需要与SPARK集成

以上的工具只是大数据分析所用的部分工具，小编就不一一列举了，下面把部分工具的用途进行分类：

1、前端展现

用于展现分析的前端开源工具有JasperSoft，Pentaho, Spagobi, Openi, Birt等等。

用于展现分析商用分析工具有Style Intelligence、RapidMiner Radoop、Cognos, BO, Microsoft
Power BI, Oracle,Microstrategy,QlikView、 Tableau 。

国内的有BDP，国云数据(大数据分析魔镜)，思迈特，FineBI等等。

2、数据仓库

有Teradata AsterData, EMC GreenPlum, HP Vertica 等等。

3、数据集市

有QlikView、 Tableau 、Style Intelligence等等。