社会网络信息可视化是信息可视化的重要分支。社会网络信息可视化能够直观、形象地表现社会网络信息,是社会网络分析工作的重要辅助手段,它在社会网络信息分析中的应用日益广泛,已成为当前信息可视化领域的热门研究点。虽然社会网络信息可视化技术发展迅速,但仍然存在着可视化方法缺乏社会网络分析领域知识支持的问题,本体论应用缺乏统一的领域模型的问题,可视化布局算法显示内容贫乏,显示结果局部密集、难以识别的问题,布局压缩算法压缩效果不佳、对应性差、可能丢失有用信息等问题。针对社会网络信息可视化中存在的问题和需求,本文从本体论角度对社会网络分析与可视化领域内的概念、方法、任务等知识进行深入研究与分析,建立了一个社会网络分析与可视化领域本体模型,基于该领域本体模型,深入研究了社会网络信息分析方法、显示布局算法和布局压缩算法,设计实现了基于本体论的社会网络信息可视化原型系统。论文的主要工作和贡献如下:1.提出了社会网络分析与可视化领域本体模型-DOSNAV模型。与社会网络信息可视化领域现有的本体模型相比较,DOSNAV模型能够概括、抽象社会网络分析与可视化领域的各类问题和各项工作,实现了领域内的知识共享与复用,从而解决了社会网络信息可视化技术缺乏社会网络分析领域知识支持的问题以及本体论应用缺乏统一的领域模型的问题。2.提出了一种社会网络子群分析方法-SA方法。SA方法在DOSNAV模型的框架下,针对布局算法和布局压缩算法的需求,引入并改进了社会网络分析方法,对社会网络信息分别进行子群内的角色分析、基于规则对等组的子群分析、基于关键属性的子群分析和子群内的相对中心性分析。SA方法的分析结果比已有的社会网络分析方法更加完备,不但为SAL算法和SALC算法的实现提供了基础,而且还可以帮助用户更加深刻、透彻地理解社会网络信息。3.提出了一种有效支持社会网络信息二维和三维显示的子群分析布局算法-SAL算法。该算法利用SA方法的分析结果,对传统力导引布局算法进行了改进。SAL算法与现有的力导引布局算法相比,显示、展现了更加丰富的社会网络分析结果,从而克服了社会网络信息可视化算法显示内容贫乏的问题。4.提出了一种子群分析布局压缩算法-SALC算法。SALC算法在SAL算法的基础上,从子群内的规则对等组、子群、子群间的规则对等组这三个层次来简化信息可视化结果。SALC算法与现有的基于集群的布局压缩算法和缩减图元素算法相比,克服了这两种算法存在的压缩效果不佳、对应性差、可能丢失有用信息等问题。5.设计实现了基于本体论的社会网络信息可视化原型系统-OIVSSN,对本文提出的领域本体模型、分析方法、布局算法和布局压缩算法进行了实现,建立了一套模块化的自动机制,用于分析、计算以及显示社会网络信息,并具有良好的扩展性。本文研究成果对于社会网络信息可视化技术的模型化、共享和复用起到了良好的作用,本文提出的本体模型、分析方法和算法对社会网络信息可视化技术的发展具有良好的理论价值和实践意义。本文所做工作通过较为典型的恐怖活动信息等实例进行了验证,促进了国家863有关课题及自然科学基金课题的研究。