链接数据作为语义网的核心数据模型,采用了资源描述框架(RDF)来描述数据和数据间的关系。链接数据经历了这十年的发展,其应用领域不断扩张,数据规模不断增长,数据间的链接信息极大丰富。为了能够从较大规模的链接数据中有效地进行知识发现,面向链接数据的链接分析就显得极为必要。常见链接分析任务能够帮助用户充分理解链接数据的结构,从而对进一步的知识发现提供指导。但目前该研究领域还存在以下问题:1)RDF模型为多维多模式图(Multi-dimensional,Multi-mode),其复杂性不利于较大规模的链接数据的分析。目前仍然缺乏一个有效的链接分析模型;2)某些链接分析方法,例如传统的图聚类分析,无法有效地处理较大规模的链接数据;3)现有面向链接数据的链接分析通常针对较小规模链接数据,且缺乏一个自动化、可定制的分析平台,且链接分析结果不易可视化,用户不易通过链接分析的结果理解链接数据的结构。针对以上问题,本文设计并实现了一个面向链接数据的链接分析与可视化系统。本文基于可视化系统对以下几个方面进行了研究:(1)提出了对象图(ObjectGraph)的概念,解决了 RDF模型中多维多模式图模型对链接分析带来的障碍,并通过引入虚拟文档的概念,抽取链接数据中的文本来描述链接数据中对象的语义和相互关系;(2)提出了基于中心度的对象聚类算法,算法包括基于最大距离的质心选择策略、基于标签传播的对象聚类算法两部分,并通过实验验证其能够面向较大规模的链接数据进行有效的聚类分析;(3)设计并实现了基于B/S架构的可视化链接分析系统-LIV,该系统能够自动化地解析、转换和存储链接数据中的结构,并自动地完成包括聚类分析等链接分析任务,并向用户提供友好的可视化和交互接口。该系统能够帮助用户理解链接数据的结构,具有一定的理论价值。