Nội dung

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC LẠC HỒNG  ĐỖ VĂN MẠNH NGHIÊN CỨU VÀ PHÁT TRIỂN THUẬT TỐN TÌM PHẦN TỬ CHÍNH YẾU TRONG MẠNG XÃ HỘI VÀ ỨNG DỤNG LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN Đồng Nai, năm 2013 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC LẠC HỒNG  ĐỖ VĂN MẠNH NGHIÊN CỨU VÀ PHÁT TRIỂN THUẬT TỐN TÌM PHẦN TỬ CHÍNH YẾU TRONG MẠNG XÃ HỘI VÀ ỨNG DỤNG Chuyên ngành: Công nghệ thông tin Mã số : 60.48.02.01 LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN NGƯỜI HƯỚNG DẪN KHOA HỌC PGS.TS ĐỖ PHÚC Đồng Nai, năm 2013 LỜI CAM ĐOAN Tôi cam đoan rằng, ngoại trừ kết tham khảo từ cơng trình khác số lý thuyết internet ghi rõ nguồn tham khảo luận văn, cơng việc trình bày luận văn tơi thực chưa có phần nội dung luận văn nộp để lấy cấp trường trường khác Ngày tháng năm 2013 Đỗ Văn Mạnh LỜI CẢM ƠN Tôi xin gửi lời tri ân đến Thầy Cơ, bạn bè gia đình, người hỗ trợ nhiều kiến thức chuyên môn tinh thần q trình tơi thực luận văn Xin đặc biệt cảm ơn Thầy PGS.TS Đỗ Phúc, người cung cấp truyền dạy cho tơi kiến thức hữu dụng, giúp tơi hồn thiện cách suy nghĩ tư phương pháp nghiên cứu khoa học đến công việc cụ thể luận văn Đỗ Văn Mạnh TÓM TẮT ĐỀ TÀI Luận văn tập trung nghiên cứu vấn đề mà cộng đồng khoa học quan tâm tốn tìm phần tử yếu (Key Player) mạng xã hội Bài tốn tìm phần tử yếu tốn xác định một nhóm phần tử đồ thị mà chúng làm gãy liên kết đồ thị Dựa vào toán tìm đường ngắn qua đỉnh đồ thị có hướng độ đo Centrality Mạng xã hội xem đồ thị có hướng, thực thể mạng đỉnh đồ thị, mối quan hệ thực thể mạng cạnh đồ thị Bài toán đặt xây dựng thuật tốn tìm đường ngắn qua đỉnh đồ thị, kết hợp với độ đo Centrality từ xác định thực thể quan trọng có tầm ảnh hưởng lớn tới thực thể khác mạng xã hội Luận văn tóm tắt lý thuyết khái niệm liên quan đến mạng xã hội, kỹ thuật phân tích mạng, phần tử yếu, độ đo Centrality mạng xã hội Trên sở đó, tác giả luận văn thiết kế xây dựng hệ thống để thực nghiệm thuật giải tìm tập Key player tập dự liệu thực tế DANH MỤC NHỮNG TỪ VIẾT TẮT TRONG LUẬN VĂN BFS : Breadth First Search CNTT : Công Nghệ Thông Tin JUNG : Java Universal Network / Graph Framework MXH : Mạng Xã Hội SNA : Social Network Analysis DANH MỤC HÌNH Hình 1.1: Mơ tả mạng xã hội Hình 1: Mơ hình mạng Xã hội (Social Network) Hình 2.2: Mơ hình mạng xã hội Facebook Hình 2.3: Mơ hình thành viên mạng Twitter Hình 2.4: Mơ hình phân biệt Follower Friend mạng Twitter 10 Hình 5: Giao diện mạng Facebook 11 Hình 2.6: Lượng người truy cập Facebook tuần từ 29/07/2012 đến 04/08/2012 (nguồn socialbakers.com) 11 Hình 2.7: Biểu diễn tập đỉnh mơ hình mạng 13 Hình 2.8: Diễn tả đồ thị có hướng đồ thị vơ hướng 14 Hình 2.9: Ví dụ đường mạng 15 Hình 2.10: Mơ tả thành viên mạng xã hội 18 Hình 2.11: Ví dụ đồ thị gồm đỉnh 19 Hình 2.12: Một đồ thị gồm đỉnh để tìm Degree Centrality 20 Hình 2.13: Một đồ thị gồm 10 đỉnh để tìm Degree Centrality 21 Hình 2.14: Mơ tả vị trí Betweenness Centrality 24 HÌnh 2.15: Một mạng xã hội dùng để tính Betweenness Centrality 25 Hình 2.16: Tầm ảnh hưởng độ đo trung tâm dựa trung gian 28 Hình 2.17: Hình minh họa ví dụ tìm Closeness centrality 34 Hình 2.18: Mơ tả mức độ Closeness Centrality mạng 31 Hình 2.19: Độ đo trung tâm dựa trung gian, lân cận trị vectơ đặc trưng 32 Hình 2.20: Hệ số gom cụm đỉnh đồ thị 35 Hình 2.21: Ví dụ Mạng xã hội 41 Hình 2.22: Mơ tả vị trí Key player mạng 37 Hình 3.1: Cấu trúc mạng xã hội 42 Hình 3.2: Cách thức Duyệt đỉnh thị 49 Hình 4.1: Các bước thực chương trình 53 Hình 4.2: Tập liệu Karate.xml chưa xử lý 53 Hình 4.3: Tập liệu dolphins.xml chưa xử lý 54 Hình 4.4: Danh sách Tập đỉnh Karate 55 Hình 4.5: Danh sách Tập cạnh Karate 55 Hình 4.6: Danh sách Tập đinh Dolphins 56 Hình 4.7: Danh Sách Tập Cạnh Dolphins 56 Hình 4.8: Đồ thị biểu diễn tập liệu Karate 57 Hình 4.9: Đồ thị biểu diễn tập liệu Dolphins 57 Hình 4.10: Màn hình báo cáo kết 58 Hình 11 Lưu trữ đồ thị thành ma trận kề 60 Hình 12: Lưu trữ đồ thị thành danh sách liên thuộc 61 Hình 13: Lưu trữ đồ thị thành danh sách liền kề 62 Hình 4.14: Giao diện nạp liệu 63 Hình 4.15: Giao diện Vẽ đồ thị trực quan 64 Hình 4.16: Tính Degree Centrality 64 Hình 4.17: Tính Betweenness Centrlity 65 Hình 4.18 Tính Closeness Centrality 65 Hình 4.19: Hiển thị kết chương trình 65 Hình 4.20: Mơ tả tập liệu thực nghiệm 69 Hình 4.21: Giao diện kết cuối chương trình 67 DANH MỤC BẢNG Bảng 2.1: Độ đo Degree Centrality đỉnh sau tính tốn 20 Bảng 2.2: Độ đo Degree Centrality cho đồ thị gồm 10 đỉnh 21 Bảng 2.3: Độ đo Betweenness đồ thị 25 Bảng 2.4: Các đường ngắn tất đỉnh đồ thị 26 Bảng 2.5: Độ đo Closeness Centrality Đồ thị 29 Bảng 2.6: Mức độ Closeness Centrality mạng 36 Bảng 3.1: Cách thức duyệt đường đồ thị Thuật toán BFS 51 Bảng 4.1: Cách thức lưu trữ liệu đồ thị Danh sách liên thuộc 61 Bảng 4.2: Cách thức lưu trữ liệu đồ thị Danh sách liên kề 62 MỤC LỤC * CHƢƠNG 1: TỔNG QUAN 1.1 Giới thiệu đề tài 1.2 Lý chọn đề tài 1.3 Mục tiêu đề tài .3 1.4 Phạm vi nghiên cứu đề tài CHƢƠNG 2: CƠ SỞ LÝ THUYẾT 2.1 Tổng quan mạng xã hội 2.2 Các Mạng Xã hội thông dụng 2.2.1 Mạng xã hội Twitter 2.2.2 Mạng xã hội Facebook 10 2.3 Các khái niệm việc tổ chức mạng xã hội 12 2.3.1 Tập đỉnh 13 2.3.2 Tập cạnh 14 2.4 Đường đường ngắn mạng 15 2.5 Kỹ thuật phân tích mạng xã hội (Social Network Analysis – SNA) 15 2.5.1 Bối cảnh 15 2.5.2 Ứng dụng thực tế 16 2.6 Các độ đo trung tâm mạng 17 2.6.1 Độ đo trung tâm theo bậc - Degree Centrality .18 2.6.2 Độ đo trung tâm dựa trung gian 22 2.6.3 Độ đo trung tâm theo lận cận - Closeness Centrality 28 2.6.4 Độ đo trung tâm dựa trị vectơ đặc trưng 32 2.6.5 Hệ số gom cụm mạng – Clustering Coefficient 32 2.7 Phần tử yếu .35 CHƢƠNG 3: BÀI TỐN TÌM PHẨN TỬ CHÍNH YẾU TRONG MXH 39 3.1 Giới thiệu 39 3.2 Bài tốn tìm phần tử yếu mạng xã hội .39 3.2.1 Phát biểu toán 39 3.2.2 Ứng dụng tốn tìm phần tử yếu 41 3.2.3 Thuật giải tìm phần tử yếu .42 a Thuật giải tìm Degree Centrality .42 b Thuật giải tìm Betweenness Centrality 44 c Thuật giải tìm Closeness Centrality 47 -59-  Cấu trúc danh sách Bên cạnh đó, phương pháp tổ chức sở liệu đồ thị nghiên cứu ứng dụng như: mơ hình cở dữ liệu đồ thị RDF xử lý theo định dạng XML, mơ hình cở sở liệu đồ thị GRACE, mơ hình sở liệu đồ thị Drupal, 4.2.2 Các phƣơng pháp lƣu trữ liệu a Cấu trúc ma trận kề o Biểu diễn đồ thị G=(V, E) ma trận kề |V| với N hàng, N cột với giá trị [0,1] o Hệ số ma trận: tồn cạnh nối vivj không tồn cạnh nối vivj [V] = o Đối với đồ thị có trọng số giá trị ma trận kề gồm trọng số cạnh  Ví dụ1: Xét đồ thị sau: A B C D E A 1 0 B 1 C 1 D 1 E 0 Biểu diễn theo ma trận kề đồ thị vô hƣớng -60- A B C D E A 1 0 B 0 C 1 D 0 0 E 0 0 Biểu diễn theo ma trận kề đồ thị có hƣớng Hình 11 Lƣu trữ đồ thị thành ma trận kề  Nhận xét: việc lưu trữ đồ thị theo cấu trúc liệu ma trận cho phép xử lý liệu nhanh phải tính tốn với đồ thị có số lượng đỉnh cạnh lớn phương pháp lưu trữ hạn chế mặt khơng gian lưu trữ => khơng thích hợp cho việc xử lý toán mạng xã hội b Danh sách liên kết  Dạng lưu trữ 1: o Cho đồ thị G (V , E) V tập đỉnh E tập cạnh Việc lưu trữ Dữ liệu tổ sau: o Mỗi đỉnh có danh sách cạnh nối với nó,các cạnh đồ thị lưu trữ danh sách riêng (tổ chức dạng mảng (array) hay danh sách liên kết động (linked list)) o Mỗi phần phần tử lưu trữ thông tin cạnh bao gồm: cặp đỉnh mà cạnh nối (cặp có thứ tự đồ thị có hướng), trọng số liệu khác Danh sách liên thuộc đỉnh chiếu tới vị trí cạnh tương ứng danh sách cạnh -61- Ví dụ: Xét đồ thị sau: Hình 12: Lƣu trữ đồ thị thành danh sách liên thuộc Biểu diễn danh sách liên thuộc: Bảng 4.1: Cách thức lƣu trữ liệu đồ thị Danh sách liên thuộc Đỉnh A B C D E Tập cạnh c1, c2 c1 c3, c4 c2, c3, c5 c4, c5, c6 c6 Tập cạnh Đỉnh bắt đầu c1 A c2 A c3 B c4 C c5 C c6 D Đỉnh kết thúc B C D B D E Các thơng tin khác (nếu có) … … … … … … -62-  Dạng lưu trữ 2: Cho đồ thị G (V , E) V tập đỉnh E tập cạnh Tổ chức lưu trữ sau: đỉnh có danh sách đỉnh kề với Xét đồ thị sau: Hình 13: Lƣu trữ đồ thị thành danh sách liền kề Biểu diễn danh sách liền kề: Bảng 4.2: Cách thức lƣu trữ liệu đồ thị Danh sách liền kề Đỉnh Đỉnh liền kề A B, C B A, C, D C A, B, D D B, C, E E D Dạng lưu trữ Đỉnh bắt Đỉnh kết đầu thúc A B A C B D C B C D D E Dạng lưu trữ  Nhận xét: so với việc lưu trữ đồ thị theo cấu trúc liệu ma trận phương pháp dùng danh sách liên kết cho phép lưu trữ mặt không gian lưu trữ lớn > phù hợp với toán mạng xã hội Tuy nhiên, cần phải tối ưu hoá thuật giải để cao hiệu thời gian xử lý phương pháp lưu trữ Cần phát huy ưu điểm phương pháp cách sử dụng tối đa không gian thừa liệt kê quan hệ kề cạnh lần -63- 4.3 Xây dựng hệ thống giải tốn tìm phần tử yếu Như trình bày chương 3, tốn tìm phần tử yếu có nhiều cơng trình nghiên cứu đưa thuật giải dựa tảng độ đo Centrality thuật tốn tìm đường nhắn lý thuyết đồ thị Về mặt ý tưởng, thuật giải tìm phần tử yếu thực thơng qua bước sau:  Bước 1: Tính tốn tìm tất đường ngắn từ đỉnh đến tất đỉnh lại đồ thị cho tất đỉnh  Bước 2: Tính tốn độ đo trung tâm theo bậc tất đỉnh đồ thị  Bước 3: Tính tốn tìm độ đo trung tâm theo trung gian tất đỉnh đồ thị  Bước 4: Tính tốn độ đo trung tâm theo lân cận đỉnh đồ thị  Bước 5: Dựa vào độ đo trung tâm -> Đưa kết Để thực thuật giải Tìm phần tử yếu mạng xã hội, đề tài xây dựng hệ thống thực nghiệm môi trường NET sử dụng ngôn ngữ VB.Net Hệ thống xây dựng bao gồm chức sau:  Nạp liệu: Dữ liệu thực nghiệm thu thập từ nguồn thực tế mạng Internet Cấu trúc lưu trữ ban đầu file kiểu XML, sau chuyển sang file dạng Excel XLS, tinh lọc cho phù hợp theo chương trình: Hình 4.14: Giao diện nạp liệu -64- Người sử dụng chọn liệu (database) cách click chương trình dẫn đường tới file xls để nạp vào nút liệu vào hệ thống  Hiển thị đồ thị trực quan: Sau nạp liệu vào hệ thống, Chương trình hiển thị Đồ thị trực quan: Hình 4.15: Giao diện đồ thị trực quan  Xử lý, tính tốn độ đo Centrality: Khi click chọn nút , hệ thống tính tốn độ đo centrality sau: o Tính Degree Centrality: Hình 4.16: Tính Degree Centrality o Tính Betweenness Centrality: -65- Hình 4.17: Tính Betweenness Centrlity o Tính Closeness Centrality Hình 4.18: Tính Closeness Centrality  Hiển thị kết tập phần tử yếu tìm được: Hình 4.19: Hiển thị kết chƣơng tr nh So sánh tập phần tử yếu tìm với tập liệu thực nghiệm (hình 4.20) thấy rằng:  Các nodes 1, 34, 33 có mức Degree Centrality cao nhất, nodes có cạnh kết nối nhiều Các nodes người hoạt động tích cực nhất, tiếng nhất, đầu nối quan trọng hay có vị trí thuận lợi  Các nodes 3, 32, có mức Betweenness Centrality cao nhất, nodes có khả kết nối với cặp node khác, -66- đồng thời có khả điều khiển luồng thơng tin chảy mạng  Các nodes 5, 6, có mức độ Closeness Centrality cao nhất, nodes có khả truyền đạt, tiếp nhận thông tin từ nodes khác mạng nhanh it tốn thời gian Hình 4.20: Mô tả tập liệu thực nghiệm Karate.xml 4.4 Kết thực nghiệm Đề tài chọn tập liệu sau để thực nghiệm kiểm tra hệ thống:  Tập liệu karate.net tập liệu lưu trữ thông tin trao đổi thành viên mạng câu lạc karate (tập liệu cung cấp tác giả Zachary)  Tập liệu dolphins.net: tập liệu mạng xã hội vô hướng thường xuyên thể mối liên quan 62 cá heo cộng đồng sống nhờ ngờ vực âm (tập liệu biên soạn Lusseau et al (2003)  Tập liệu polbooks.net: tập liệu lưu trữ mối liên hệ sách viết trị nước Mỹ bán website -67- amazon.com với sách bán đồng thời (được cung cấp tác giả Newman) Sau thực nghiệm liệu karate.xml hệ thống, kết thu nhóm phần tử yếu sau: Hình 4.21: Giao diện kết cuối chƣơng tr nh Dựa vào độ đo Centrality, hệ thống tìm danh sách phần tử (node) yếu quan trọng: 34, 1, 33, 3, 32, 9, 5, 6, Thời gian thực tìm phần tử yếu hệ thống tỉ lệ thuận với số lượng kết nối phần tử liệu Do phải tính tốn tất đường ngắn tất cặp đỉnh đồ thị nên liệu có số lượng cạnh lớn thời gian thực nhiều Thêm vào đó, việc tổ chức liệu đồ thị có hướng hay vô hướng yếu tố quan trọng ảnh hưởng đến thời gian thực Nếu đồ thị có hướng việc tính tốn tìm -68- đường ngắn cặp đỉnh tính chiều theo chiều hướng mũi tên, ngược lại với đồ thị vơ hướng ta phải tính tốn chiều Độ phức tạp thuật tốn tìm phần tử yếu chịu ảnh hưởng thuật tốn tìm đường ngắn BFS đồ thị với độ phức tạp O(n2) -69- CHƢƠNG 5: KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN 5.1 Những đóng góp đề tài Chương trình “Tìm phần tử yếu MXH ứng dụng khai phá liệu dùng để tìm nhóm phần tử quan trọng mạng, hỗ trợ doanh nghiệp hay tổ chức tìm phát nhân tố đặc biệt quan trọng hệ thống sở liệu mạng Đứng sở doanh nghiệp Chương trình giúp họ Xây dựng chiến lược quảng bá thương hiệu quảng giới thiệu sản phẩm thông qua nhân vật quan trọng, yếu mà chương trình tìm Đứng sở Cơ sở giáo dục trường Đại học, Cao đẳng hay Trung học chuyên nghiệp, họ áp dụng chương trình để tìm phần tử có mức độ ảnh hưởng lớn nhất, có độ lan tỏa thơng tin nhanh xác tới phần tử khác mạng xã hội, từ họ tập trung để quảng bá chương trình đào tạo, hay thông tin tuyển sinh,… Đứng sở quan an ninh, quốc phịng, chương trình giúp họ phát nhóm tội phạm, phần tử khủng bố quan trọng thông qua liệu mà họ thu thập mạng xã hội tin nhắn, email liên lạc họ Đứng ý tưởng đó, chương trình tìm kiếm liệu thu thập mạng, đưa phần tử, nhóm phần tử yếu nhằm giúp họ xây dựng chiến lược thực hay đối phó ngăn chặn kịp thời hoạt động tội phạm -70- 5.2 Hạn chế đề tài, cách khắc phục Đề tài tìm hiểu, phân tích loại độ đo Centrality, phương pháp phát phần tử yếu (Key player) mạng xã hội dựa độ đo Bên cạnh đó, đề tài xây dựng hệ thống thực nghiệm bản, đơn giản Hệ thống làm việc tốt cho Đồ thị có hướng hệ thống tính tốn đường ngắn cho nodes theo chiều hướng, với đồ thị vơ hướng có phần hạn chế thời gian chạy hệ thống lâu phải tính tốn đường ngắn cho toàn nodes đồ thị chiều Các hạn chế cần có thời gian (tìm hiểu, phân tích đánh giá lại thuật giải đã), kinh phí (các kho liệu có giá trị cần thiết phải đầu tư, phải xây dựng thuật toán hệ thống song song) nhân lực (để triển khai hệ thống nghĩa) 5.3 Hƣớng phát triển Đề tài chủ yếu tập trung tìm hiểu nghiên cứu thuật giải tìm phần tử yếu khai phá liệu mạng xã hội Do thời gian có hạn, đề tài triển khai thuật giải sở chương trình đơn giản, chương trình làm việc hệ thống đơn lẻ nên thời gian thực vấn đề cần phải giải Trong tương lai, cần xây dựng thuật giải theo hướng xử lý song song để việc tính tốn tất đường ngắn thực nhanh chóng giải vấn đề thời gian thực Việc sưu tầm liệu tự động hệ thống chưa cài đặt Dữ liệu thực nghiệm hệ thống chủ yếu lấy từ trang web cung cấp sẵn tập mẫu liệu thực tế sau xử lý làm theo nhu cầu thuật giải Trong tương lai, hệ thống cần tích hợp sẵn module dị tìm xử lý liệu tự động (web crawnling) áp dụng mạng Internet -71- Bên cạnh đó, việc tổ chức liệu theo hướng sở liệu đồ thị cần phải nghiên cứu để tăng thêm tích hiệu cho toán -72- TÀI LIỆU THAM KHẢO   TÀI LIỆU TIẾNG VIỆT [1] Lê Minh Hồng, “Giáo trình Lý thuyết Đồ thị” [2] Đỗ Phúc (2010), “Tài liệu slide học tập môn khai phá liệu” [3] Đỗ Phúc (2009), Giáo trình Khai thác liệu Nxb Đại học Quốc gia TP Hồ Chí Minh [4] Lê Minh Tiến (2006), “Tổng quan phương pháp phân tích mạng xã hội nghiên cứu xã hội” Tạp chí khoa học xã hội Số  TÀI LIỆU TIẾNG ANH [5] Andrew Y Wu, Michael Garland, Jiawei Han (2004), Mining scale-free networks using geodesic clustering, published by ACM [6] Derek L Hansen, Ben Shneiderman, Marc A Smith (2011) “Analyzing social media networks with NodeXL” [7] Dr Giorgos Cheliotis (2010) “Social network analysis (sna) including a tutorial on concepts and methods”, National University of Singapore [8] Linton C Freeman (1978), “Centrality in Social Networks, Conceptual Clarification, Social Network”, 215 – 239 [9] D.A Bader, S Kintali, K Madduri, and M Mihail (2007), “Approximating Betweenness Centrality”, The 5th Workshop on Algorithms and Models for the Web-Graph, WAW2007 [10] M Girvan and M E J Newman (2002), “Community structure in social and biological networks”, Proc Natl Acad Sci USA 99, 7821–7826 [11] M E J Newman (2004), “Fast algorithm for detecting community structure in networks”, Phys Rev E 69, 066133 [12] Ovelgönne, Michael, Geyer-Schulz, Andreas and Stein, Martin (2010) “Randomized Greedy Modularity Optimization for Group Detection in Huge Social Networks”, ACM -73- [13] Stephen P Borgatti (2006), “Identifying sets of key players in a social network”, Comput Math Organiz Theor 12: 21–34 [14] Daniel Ortiz-Arroyo and Akbar Hussain, An Information Theory Approach to Identify Sets of Key Players, Electronics Department Aalborg University, Niels Bohrs Vej 8, 6700 Esbjerg Denmark [15] Ulrik Brandes, “A Faster Algorithm for Betweenness Centrality”, Department of Computer & Information Science, University of Konstanz, Germany  CÁC ĐỊA CHỈ INTERNET [16] The Social Network (2010) http://en.wikipedia.org/wiki/The_Social_Network [17] Graph Theory http://en.wikipedia.org/wiki/Graph_theory [18] Centrality http://en.wikipedia.org/wiki/Centrality [19] Clustering coefficient http://en.wikipedia.org/wiki/Clustering_coefficient [20] Breadth First Search http://en.wikipedia.org/wiki/Breadth-first_search ... internet ghi rõ nguồn tham khảo luận văn, cơng việc trình bày luận văn tơi thực chưa có phần nội dung luận văn nộp để lấy cấp trường trường khác Ngày tháng năm 2013 Đỗ Văn Mạnh LỜI CẢM ƠN Tôi... liên kết websites  Thử nghiệm, phân tích đánh giá giải thuật liệu thực tế Cụ thể, đề tài thực nội dung sau:  Nghiên cứu mô hình mạng xã hội truyền thơng  Tìm hiểu phương pháp phân tích mạng... click Tweet, dịng thơng điệp bạn chứa liên kết đến emeraldvn Hashtag: Sẽ dùng để gộp Tweet có nội dung liên quan Tweet có sử dụng hashtag, cú pháp # (ví dụ #digitalmarketing), sau sử dụng