第四章 實驗結果與討論
4.5 限制
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
55
圖 4-23 分享路徑視覺化的意見領袖評估結果
最後是測試受測者是否能區分出不同意見領袖的影響力，其結果如圖 4-23，
推測理由同上，顏色漸層有助於不同的階層的辨識，而階層的產生原因即是來自 意見領袖，因此受測者仍能透過不同顏色來判別不同的意見領袖。因此，我們透 過使用者測試的結果得知，顏色漸層變化以及線條寬度有助於表達圖形的方向性 以及層次性。
4.5 限制
目前圖形所能顯示的資料規模有限，當資料規模過大時會導致無法在瀏覽器 上顯示圖形，造成資料規模過大的原因可能有：查詢的時間區間過長、粉絲專頁 發布的文章數量過多以及臉書使用者在粉絲專頁上的互動次數頻繁，簡而言之，
當查詢頗具規模的粉絲專頁(例如 CNN、BBC News)，並且查詢時間區間過長時，
總和以上因素更容易導致資料規模過大，促使圖形無法在瀏覽器上顯示出資料；
經實際測試圖形所能顯示的最大數量約為 2500 個資料點(即外圍的文章節點數 量)，該次測試對象為 CNN，時間區間為 5 天，共 225 位積極留言者以及 2517 篇文章。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
56
圖 4-24 是臉書粉絲專頁懶人時報發佈的一篇文章的分享情形視覺化，圖中 有多條邊線和懶人時報這個節點相連，再根據節點位置是依照順時針排序，表示 大部分的分享文章都是直接分享自懶人時報。事實上，圖中的全部節點應該都要 和懶人時報相連，不管是透過直接關係還是間接關係，但由於臉書使用者的隱私 設定緣故，我們只能取得部分的使用者資料，無法得知完整的分享傳播路徑，也 導致部分的分享路徑和原創者之間沒有連線，各自形成一個新的群體。
圖 4-24 文章分享路徑中斷現象
隨著臉書 2.0 改版，基於保護個人隱私關係，Graph API 所提供的資料也有所 改變，其中對本研究影響較大的部分是臉書使用者的分享文章資料，臉書使用者 從粉絲專頁分享後的文章屬於個人資料，因此 Graph API 不再提供分享後文章的 細部資料，因此，在積極分享者的模式下，圓環外圍的文章來源指的是粉絲專頁 所發佈的文章，而非積極分享者分享後的文章；由於粉絲專頁大多是屬於公開性 質，其發佈的文章亦屬於公開資料，故外部節點文章取自粉絲專頁發佈之文章。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
57
當觀察的粉絲專頁規模大、發佈文章的頻率高加上查詢的時間區間長的時候，
容易使資料量規模過大，在圖形佈局空間有限的情形下，容易使圖形上的臉書使 用者文字、文章節點產生重疊，如圖 4-25，導致視覺混亂現象。
圖 4-25 積極留言者的視覺混亂
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
58
第五章 結論與未來工作
5.1 結論
本篇論文針對社群使用者在社群網路上的文章互動情形做整理與分析，提出 一種針對社群使用者在臉書(Facebook)的文章互動的視覺化，首先以單一篇文章 為觀察對象，藉由分享者與意見領袖之間的關係，以意見領袖為核心建立具有階 層式的關係結構，以階層式邊線捆綁佈局呈現，顯示出該篇文章的分享行為活動 情形，藉由著色分類、互動等機制幫助使用者發掘促使訊息擴散的意見領袖。
本論文提供三種模式呈現：粉絲專頁視覺化、積極分享者、積極留言者，根 據 Graph API 所取得的多篇文章資料進行整合，接著以整合資料做分析，定義出 積極分享者以及積極留言者，從原本大量的文章資料，經分析篩選後進行繪製，
呈現積極活動的社群使用者群以及他們所關心的文章議題，使用者可從粉絲專頁 的佈局提示中，發掘具有間接分享行為之文章，再進一步到單一篇文章視覺化進 行探索；本研究藉由視覺化幫助使用者以廣度、深度層面觀察資料，廣度層面為 期間內該社群網路中積極活動的社群使用者以及相關熱門的議題，深度層面為呈 現文章的分享傳播路徑，以助於了解社群網路上促使訊息擴散之關鍵人物以及其 影響後續擴散的程度。
‧
標，針對社群網路活動視覺化之研究如 Google+Ripples[1]、Whisper[3]以及 WeiboEvents[4]等都有提供時間軸顯示事件的發生之先後順序，呈現社群網路活 動在時序上的長期變化，本研究目前只提供即時性的資料，沒有針對某特定對象 進行定時的資料蒐集，因此目前缺乏時序性的資料，本研究希望未來針對時序性 的資料進行蒐集，呈現出使用者在社群平台上之互動行為在時間上的變化。目前 Shareflow 能呈現的資料規模有限，即使已經只針對原資料中的百分之 一作為輸入資料，但是，當查詢的粉絲專頁的文章互動資料過大、發佈文章的頻
‧
[1] F. Viégas, M. Wattenberg, J. Hebert, G. Borggaard, A. Cichowlas, J. Feinberg, J.
Orwant and C. Wren, 'Google+Ripples: a native visualization of information flow', Proceedings of the 22nd international conference on World Wide Web, pp.
1389-1398, 2013.
[2] C. Ho, C. Li and S. Lin, 'Modeling and Visualizing Information Propagation in a Micro-blogging Platform', 2011 International Conference on Advances in Social Networks Analysis and Mining, 2011.
[3] N. Cao, Y. Lin, X. Sun, D. Lazer, S. Liu and H. Qu, 'Whisper: Tracing the Spatiotemporal Process of Information Diffusion in Real Time', IEEE Trans.
Visual. Comput. Graphics, vol. 18, no. 12, pp. 2649-2658, 2012.
[4] D. Ren, X. Zhang, Z. Wang, J. Li and X. Yuan, 'WeiboEvents: A Crowd Sourcing Weibo Visual Analytic System', 2014 IEEE Pacific Visualization Symposium, 2014.
[5] N. Wong, S. Carpendale and S. Greenberg, 'Edgelens: an interactive method for managing edge congestion in graphs', IEEE Symposium on Information
Visualization 2003 (IEEE Cat. No.03TH8714), 2003.
[6] N. Wong, S. Carpendale, 'Interactive Poster: Using Edge Plucking for Interactive Graph Exploration', Poster in the IEEE Symposium on Information Visualization, 2015.
[7] T. Fruchterman and E. Reingold, 'Graph drawing by force-directed placement', Softw: Pract. Exper. , vol. 21, no. 11, pp. 1129-1164, 1991.
[8] D. Phan, L. Xiao, R. Yeh, P. Hanrahan and T. Winograd, 'Flow map layout', IEEE Symposium on Information Visualization, 2005. INFOVIS 2005.
[9] D. Holten, 'Hierarchical Edge Bundles: Visualization of Adjacency Relations in Hierarchical Data', IEEE Trans. Visual. Comput. Graphics, vol. 12, no. 5, pp.
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
61
741-748, 2006.
[10] W. Cui, H. Zhou, H. Qu, P. C. Wong and X. Li, 'Geometry-Based Edge
Clustering for Graph Visualization', IEEE Trans. Visual. Comput. Graphics, vol.
14, no. 6, pp. 1277-1284, 2008.
[11] D. Holten and J. van Wijk, 'Force-Directed Edge Bundling for Graph
Visualization', Computer Graphics Forum, vol. 28, no. 3, pp. 983-990, 2009.
[12] E. Gansner, Y. Hu, S. North and C. Scheidegger, 'Multilevel agglomerative edge bundling for visualizing large graphs', 2011 IEEE Pacific Visualization
Symposium, 2011.
[13] D. Selassie, B. Heller and J. Heer, 'Divided Edge Bundling for Directional Network Data', IEEE Trans. Visual. Comput. Graphics, vol. 17, no. 12, pp.
2354-2363, 2011.
[14] E. Reingold and J. Tilford, 'Tidier Drawings of Trees', IEEE Transactions on Software Engineering, vol. SE-7, no. 2, pp. 223-228, 1981.
[15] https://developers.facebook.com/docs/graph-api/advanced/rate-limiting