基于Pajek软件下听歌软件中流行歌单的社会网络分析

张双

摘要：目的/意义：分析了国内三个听歌软件上排行各前20名的歌单的社会网络图，由三个听歌软件中歌曲的社会网络图可以了解当下哪些歌曲比较流行，方便听众快速选择出当下比较流行的歌曲和听歌软件更有效率的购买符合目前大致口味的歌曲。方法/过程：文中采用了社会网络分析和Pajek可视化工具，将三个软件中排名各前20名的歌单进行统计，排除重复歌曲共有38首歌曲，做成矩阵进行Pajek分析，构建了2模的社会网络图。结果/结论：酷我音乐较其他两个听歌软件来说选择推送的歌曲更加符合大众选择，与其他听歌软件推送歌曲的连通性也较高。

Abstract： Objective/significance： this paper analyzes the social network of the top 20 singles in the three music software in China， from which we can know the popular songs， thus the users can quickly choose the current popular songs and the music software can buy the songs in line with the current general taste efficiently. Method/process： with social network analysis and Pajek visualization tools， the top 20 singles in the three software are summarized， excluding a total of 38 repeated songs， and made matrix for Pajek analysis. A 2 model of the social network map is built. Results/Conclusion： Kuwo music is better than the other two software in pushing favorite songs to users， and has higher connectivity with other music softwares pushing.

关键词：听歌软件；流行歌曲；社会网络分析

Key words： music software；popular songs；social network analysis

中圖分类号：TP393.0 文献标识码：A 文章编号：1006-4311（2017）33-0170-03

0 引言

随着互联网的快速发展，各大公司开发出各种各样的软件供大家下载使用。比起几年前，我们的听歌习惯也发生了很大变化，以前先电脑下载再转成正确的格式导入手机或者听歌工具进行听歌，而现在只需要在手机下载听歌的软件，直接打开听歌软件，想听什么歌，即点即选择即可。并且现在的听歌软件都有推送的比较热的歌曲且歌词也不用管，自动匹配。但是，播放软件过多，歌曲推送也不同时。听歌软件开发商如何快速选择好的听歌软件进行版权购买以及听众如何快速选出当下比较火的歌曲进行下载就很麻烦。文中就是基于这种问题，对国内三款听歌软件的歌单进行Pajek分析，由构建的2模社会网络图进行分析，得出了哪些歌曲听歌软件推送最多，同时可以看出哪个听歌软件歌曲的社会网络更强。

社会网络分析（social network analysis，SNA）是一种研究网络结构的概念与方法[1]。它以社会行动者及其相互关系作为研究内容，通过对行动者的关系模 型进行描述，分析这些模型所蕴含的结构以及它们对行动者和整个群体的影响[2]。社会网络分析方法是由社会学家根据数学方法、图论等发展起来的定量分析方法。近年来，该方法在许多领域被广泛应用，发挥了重要作用。从社会网络的角度出发，在社会环境中的相互作用可以表达为基于关系的一种模式或规则，基于这种关系的有规律的模式反映了社会结构，这种结构的量化分析是社会网络分析的出发点[3]。社会网络分析的核心在于从“关系”的角度出发来研究社会现象和社会结构，其中，社会结构既能是政治结构、行为结构，还能是经济结构、社会结构。相应地，城市作为节点可以成为一个社会单位或者社会实体，而可以被看成是城市区域网络中的成员。关系是社会网络分析理论的基础，市之间的关系类型可以多种多样，而且可以通过网络密度、中心度、凝聚子群等社会网络分析指标来剖析区域城市网络中城市之间的关系特征。

社会网络分析包括4个方面：定义网络、处理网络数据、确定网络的结构特征、进行可视化评判。首先是定义网络。社会网络分析中的“网络”是用图论中的概念来定义的。在图论中，“图”是一系列顶点（也叫点或节点）和把各个顶点连接起来的连线组成的集合“网络”是由一张图和附加在图的点线之上的信息所构成。社会网络分析的第二个方面是处理网络数据。在社会网络分析中，经常需要对网络进行调整，比如从上万个顶点的大型网络中提取出有意义的若干中小型网络、从包含不同类型关系的网络中提取其中一种感兴趣的关系网络、比较不同关系的网络等等。社会网络分析的三个方面是计算网络的结构特征指标。在社会网络分析中，许多结构特征都可以量化计算出来。社会网络分析的第四个方面是进行可视化评判。尽管社会网络结构指标非常精确，但是由于过于抽象，不利于阅读和理解，但通过进行可视化评判，绘制网络的可视化布局图，利用人眼较强的识别各种模式的能力，有利于追踪和显示关系模式，帮助研究者更好的了解其中的关系结构。

本文利用Pajek软件。以沃特·德·诺伊的《蜘蛛：社会网络分析技术》一书为基础，尝试把社会网络分析技术应用与多款听歌软件中歌曲关系的网络分析，这里重点介绍了它的可视化功能。并以合作关系为例，系统地阐述了网络的建立、网络图的绘制以及分析过程。在此基础上对其中有代表性的子网络进行了具体的分析，说明了听歌软件中的歌单之间的合作，反应出当前哪些听歌软件较为流行。Pajek软件作为社会网络分析一种软件，其优势在于图象处理和数据处理。Pajek软件可以提供社会网络分析和可视化操作。本文以三款听歌软件中的歌单为例，对里面的歌单和听歌软件的网络进行了数据分析和可视化分析，其目的在于说明哪些歌单比较流行，以及哪款听歌软件比较大众话，借助Pajek这个社会网络分析工具，利用社会网络图以及社会网络分析的数据，分析了这些软件中歌单的互动关系。endprint

1 数据来源与处理

数据来源：数据来源与三个听歌软件，“酷狗音乐”、“小米音乐”（小米手机自带的）、“酷我音乐”。其中“酷狗音乐”选择了乐库中的酷狗TOP500中前20首的歌曲，“小米音乐”中选择了榜单中的小米热歌榜的前20首歌曲，“酷我音乐”中选择了排行中的酷我热歌榜前20首歌曲。

数据处理：把收集的60首歌放进Excel里面，筛选出重复的歌曲删掉，三个软件中排名前20的60首歌中共有38首歌曲。把这些数据整理成矩阵，转换成.net文件，利用Pajek软件进行分析。

2 网络图形分析

图1是三个听歌软件以及歌曲的分区网络图。图中三个玫红色的点表示的是三个听歌软件，黄色的点表示三个歌单里面包含的各自独有的歌曲。红色代表三个听歌软件都有的歌曲，共有6首，分別是：“刚好遇见你”、“你还要我怎样”、“三生三世”、“童话镇”、“演员”、“成都”。青色是代表一个歌曲在两个听歌软件上都有的。其中“酷狗音乐”和“酷我音乐”共有12首歌相同，“小米音乐”和“酷我音乐”有10首歌相同，“小米音乐”和“酷狗音乐”有6首歌相同。这说明“酷我音乐”与其他两个听歌听歌软件相比，它推送的歌更具有大众性、流行性。当然因为选择歌曲较少，也不排除有误差存在。

图3另外一种表示方法。点大小代表连接相邻点的数量，三个最大的是三个听歌软件，各与其他20个最小点相连接，最小的点就是每个软件中自身只有的歌曲。点越大说明与其他相邻点连接越密切。

图4是阈值筛选后的社会网络图，由图可以看出分为三部分：阈值低于2的是单独的点，图中圈起来的1就是在各个听歌软件中独立存在的歌，圈起来的2是在两个软件中都存在的歌，圈3是三个软件都有的歌曲。

3 结论

文章采用了社会网络分析和Pajek可视化工具分析了国内三个听歌软件上排行各前20名的歌单的社会网络图，由三个听歌软件中歌曲的社会网络图可以可以了解当下哪些歌曲比较流行，方便听众快速选择出当下比较流行的歌曲和听歌软件更有效率的购买符合目前大致口味的歌曲。得出了三个软件上歌曲的连通性以及歌曲之间的连通性。发现了酷我音乐较其他两个听歌软件来说选择推送的歌曲更加符合大众选择，与其他听歌软件推送歌曲的连通性较高。当然，文中由于选择的数据样本较少，可能存在一定误差。希望后续可以扩大样本，完善研究缺陷。

参考文献：

[1]SCOTT J.Social network analysis： a handbook[M].2nd ed.London： SAGE，2000.

[2]WASSERMAN S，FAUST K. Social network analysis： methods and applications[M].Cambridge： Cambridge University Press，1994：35-40.

[3]王陆.典型的社会网络分析软件工具及分析方法[J].中国电化教育，2009（04）：95-100.

[4]张勉.在线社会网络可视化分析应用的设计与实现[D].华东师范大学，2012.

[5]吴高波，廖先玲，许世翔.社会网络分析在高新企业核心员工识别中的应用研究[J].东岳论丛，2013（08）：176-180.

[6]李敏娜，王铁男.董事网络、高管薪酬激励与公司成长性[J]. 中国软科学，2014（04）：138-148.

[7]孟微，庞景安.Pajek在情报学合著网络可视化研究中的应用[J].情报理论与实践，2008（04）：573-575.

[8]张凯.基于网络结构的在线社交网络用户行为研究[D].山东师范大学，2016.endprint