精华内容
下载资源
问答
  • 文本挖掘与社会网络分析课程教材,内容包括文本处理、文本分析、信息检索系统、文本分类、文本聚类、矩阵分解与话题模型、文本情感分析、知识图谱、社会网络分析理论、Gephi可视化、社会网络分析实践与案例。
  • 社会网络分析理论、方法与应用.pdf社会网络分析理论、方法与应用.pdf社会网络分析理论、方法与应用.pdf
  • 本书的目标是对网络分析方法进行综述,为那些对分析关系数据感兴趣的研究者提供一本参考书,也可作为社会网络初学者了解该领域基本情况的教科书。
  • 社会网络分析-理论、方法与应用

    热门讨论 2014-01-26 22:25:10
    社会网络分析:理论、方法与应用》的内容结构是,除前言外共分为八章,分别介绍社会网络分析的基本原理和理论、社会网络资料类型和收集方法、网络分析的各种技术与方法、社会网络分析的应用等内容。 第一章首先...
  • 海豚社会网络

    2014-07-23 23:13:08
    海豚社会网络,做社区检测经常用到的数据集
  • 社会网络分析案例

    2013-05-04 21:12:39
    社会网络分析案例,提供样例数据格式以及基本数据,可以通过分析展示网络各种属性。
  • Pajek蜘蛛:社会网络分析技术安装软件 Pajek64be2版
  • 复杂网络、社会网络分析工具pajek

    热门讨论 2012-06-29 08:32:43
    很好的复杂网络、社会网络分析工具,压缩包中含有中文使用手册。软件简单易用,计算效率高,能够以图形化的方式显示计算结果。非常适合于进行复杂网络、社会网络分析以及利用这两种技术解决其它问题的研究者们使用。
  • 社会网络分析图】python实现

    千次阅读 多人点赞 2019-10-24 10:59:28
    这里写自定义目录标题社会网络分析图---Python实现社会网络分析包networkx网络图之知识图谱共现矩阵 社会网络分析图—Python实现 主要记录学习《Python数据挖掘方法及应用》(王斌会 著)第八章的内容。 社会网络...

    社会网络分析图—Python实现

    主要记录学习《Python数据挖掘方法及应用》(王斌会 著)第八章的内容。

    社会网络分析主要有两大要素:
    ①行动者,在社会网络中用节点(node)表示;②关系,在社会网络中用连线(edge)表示,关系的内容可以是友谊、借贷或沟通,其关系可以是单向或双方的,切关系强度存在强度的差异。

    社会网络分析包networkx

    networkx是python语言开发的图论与复杂网络建模工具,内置了常用的图与复杂网络分析算法,可以方便进行复杂网络数据分析和仿真建模等工作。

    网络图之知识图谱

    知识图谱,又称为科学知识图谱,在图书情报界称为知识域可视化或知识领域映射地图,是显示知识发展进程与结构关系的一系列不同的图形,用可视化技术描述知识资源及其载体,挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。

    共现矩阵

    图谱共现矩阵是把数据进行整合筛选等操作后,将所要的某一列数据进行处理。这一列中出现的数据,通过矩阵的方式表示它们之间的联系。矩阵中的数字代表相关联的次数。
    程序中出现的数据都是本书所给实例。
    下载数据的网站[\《Python数据分析》暨南大学 王斌会](http://blog.leanote.com/DaPy)

    附上程序
    
    #!/usr/bin/env python
    #   -*-   coding:   cp936   -*-  使用中文
    import networkx as nx
    import matplotlib.pyplot as plt
    nG=nx.Graph();#创建一个空的图
    nG
    

    一定要加前两行,要不然后面画图会显示不了中文

    
    import pandas as pd   
    #分解信息
    def list_split(content,separator): 
        new_list=[]
        for i in range(len(content)):
            new_list.append(list(filter(None,content[i].split(separator))))#以separator为分隔符
        return new_list
    #清除信息中的空格
    def list_replace(content,old,new):            
        return[content[i].replace(old,new) for i in range(len(content))]
    
    WXdata=pd.read_excel('PyDm_data.xlsx','WXdata');
    

    设置一个分解信息函数list_split(content,separator)和清除空格的函数list_replace(content,old,new),由于原始文本数据中含标点符号,对数据进行预处理,去掉这些干扰的东西。

    def find_words(content,pattern): #寻找关键词
        return[content[i] for i in range(len(content)) if (pattern in content[i])==True]
        
    def search_university(content,pattern):#寻找大学
        return len([find_words(content[i],pattern) for i in range(len(content))
                   if find_words(content[i],pattern)!=[]])
    university=pd.read_excel('PyDm_data.xlsx','university');
    #university1=sum(university,[])
    
    organ=list_split(WXdata['Organ'],';')
    
    data1=pd.DataFrame([[i,search_university(organ,i)] for i in university['学校名称']])
    
    keyword=list_split(WXdata['Keyword'].dropna(axis=0,how='all').tolist(),';;')
    keyword1=sum(keyword,[])
    author=list_replace(WXdata['Author'].dropna(axis=0,how='all').tolist(),',',';')
    author1=list_split(author,';')
    author2=sum(author1,[])
    data1;
    

    查找函数find_words(content,pattern)用于查找每一列中所要元素
    由于后面要画三个图,分别是作者,大学和关键词,这里先提取出数据

    #获取前30名的高频数据
    data_author=pd.DataFrame(author2)[0].value_counts()[:30].index.tolist()
    
    data_keyword=pd.DataFrame(keyword1)[0].value_counts()[:30].index.tolist()
    
    data_university=data1.sort_values(by = 1,ascending=False,axis=0)[0:30][0].tolist()
    #data_university=data1.sort_values(by=1,ascending=False,axis=0)[0:30]['学校名称'].tolist()
    data_university;
    

    由于数据较多,这里设置一个提取高频数据的函数,只选取每一列中出现次数最多的三十个来进行研究。

    
    ```python
    def occurence(data,document): #定义共现矩阵
        empty1=[];empty2=[];empty3=[]
        for a in data:
            for b in data:
                count = 0
                for x in document:
                    if [a in i for i in x].count(True)>0 and [b in i for i in x].count(True)>0:
                        count=count+1
                empty1.append(a);empty2.append(b);empty3.append(count)#append() 方法向列表的尾部添加一个新的元素。只接受一个参数
        df=pd.DataFrame({'from':empty1,'to':empty2,'weight':empty3})
        #具有标注轴(行和列)的二维大小可变的表格数据结构
        G=nx.from_pandas_edgelist(df,'from','to','weight')
        #返回包含边列表的图形
        return (nx.to_pandas_adjacency(G,dtype=int))#注意对齐
    

    自定义用于画图的共现矩阵的函数 occurence(data,document)

    Matrix1=occurence(data_author,author1)
    Matrix1;
    Matrix2=occurence(data_university,organ)
    Matrix2;
    Matrix3=occurence(data_keyword,keyword)
    Matrix3;
    

    作者矩阵Matrix1
    作者矩阵Matrix1的结果
    大学矩阵 Matrix2
    大学矩阵 Matrix2的结果
    关键词矩阵 Matrix3
    关键词矩阵 Matrix3的结果

    import networkx as nx
    import matplotlib.pyplot as plt              #加入中文汉字
    plt.rcParams['font.sans-serif']=['SimHei']   #设置字体为SimHei显示中文
    plt.rcParams['axes.unicode_minus']=False     #设置正常显示字符
    #设置线条样式  plt.rcParams['lines.linestyle'] = '-.'
    #设置线条宽度 plt.rcParams['lines.linewidth'] = 3
    
    nf1=nx.from_pandas_adjacency(Matrix1)
    #建立布局,对图进行布局美化,networkx 提供的布局方式有:
    #- circular_layout:节点在一个圆环上均匀分布;   - random_layout:节点随机分布
    #- shell_layout:节点在同心圆上分布;     - spring_layout: 用Fruchterman-Reingold算法排列节点(类似多中心放射状)
    #- spectral_layout:根据图的拉普拉斯特征向量排列节
    
    #以下语句绘制以带宽为线的宽度的图
    
    nx.draw(nf1,with_labels=True,node_color='yellow')
    

    作者列的网络图高频作者之间合作情况
    高频作者之间合作情况

    nf2=nx.from_pandas_adjacency(Matrix2)
    nx.draw(nf2,with_labels=True,node_color='yellow')
    

    高校之间合作图谱
    高校之间合作图谱

    graph3=nx.from_pandas_adjacency(Matrix3)
    nx.draw(graph3,with_labels=True,node_color='yellow')
    

    关键词知识图谱
    关键词知识图谱

    最后,附上一些程序实现过程中参考的网站
    1.入门|始于Jupyter Notebooks:一份全面的初学者实用指南http://baijiahao.baidu.com/s?id=1601883438842526311&wfr=spider&for=pc
    2.Networkx参考手册 - qingqingpiaoguo的专栏 - CSDN博客
    https://blog.csdn.net/qingqingpiaoguo/article/details/60570894
    3.python复杂网络库networkx:绘图draw - 皮皮blog - CSDN博客
    https://blog.csdn.net/pipisorry/article/details/54291831
    4.Drawing — NetworkX 1.10 documentation
    https://networkx.github.io/documentation/networkx-1.10/reference/drawing.html
    5.《数据挖掘方法》
    http://blog.leanote.com/cate/dapy/%E7%9B%AE%E5%BD%95

    展开全文
  • 社会网络分析法是一种社会学研究方法,社会学理论认为社会不是由个人而是由网络构成的,网络中包含结点及结点之间的关系,社会网络分析法通过对于网络中关系的分析探讨网络的结构及属性特征,包括网络中的个体属性及...
  • 社会网络分析SNA

    万次阅读 2018-12-24 12:05:49
    网络学习平台和移动学习平台协作学习效果比较研究——基于社会网络分析的视角[J]. 中国远程教育, 2016(11):43-52. 【2】常咏梅, 张雅雅, 金仙芝. 基于量化视角的STEM教育现状研究[J]. 中国电化教育, 2017(6):114-...

    一、参考文献

    【1】柳瑞雪, 石长地, 孙众. 网络学习平台和移动学习平台协作学习效果比较研究——基于社会网络分析的视角[J]. 中国远程教育, 2016(11):43-52.

    【2】常咏梅, 张雅雅, 金仙芝. 基于量化视角的STEM教育现状研究[J]. 中国电化教育, 2017(6):114-119.

    【3】刘三, 石月凤, 刘智, et al. 网络环境下群体互动学习分析的应用研究——基于社会网络分析的视角[J]. 中国电化教育, 2017(2):5-12.

    【4】梁云真, 赵呈领, 阮玉娇, et al. 网络学习空间中交互行为的实证研究*--基于社会网络分析的视角[J]. 中国电化教育, 2016(7):22-28.

    【5】https://www.cnblogs.com/linzhenjie/p/3586032.html 社会网络分析——Social Network Analysis    Linzj‘s Blog

    【6】https://wiki.mbalib.com/wiki/社会网络分析 智库百科 社会网络分析

    【7】刘军. 2004. 社会网络分析导论[M]. 北京:社会科学文献出版社

    二、社会网络分析概念

    社会网络分析是研究一组行动者的关系的研究方法。一组行动者可以是人、社区、群体、组织、国家等,他们的关系模式反映出的现象或数据是网络分析的焦点。

    社会网络分析关注的焦点是关系和关系的模式,采用的方式和方法从概念上有别于传统的统计分析和数据处理方法。

    一句话总结:

    社会网络分析(Social Network Analysis,SNA)是用于研究行动者及其之间的关系的一套规范和方法,是一种定量的群体交互行为研究方法。 

    SNA以 数据挖掘 为基础,采用可视化的图以及社会网络结构的形式表示。运用这种研究方法 可以建立社会关系模型、发现社群内部行动者之间的各种社会关系。

    现在来看,社会网络分析可以解决或可以尝试解决下列问题:

    1-人际传播问题,发现舆论领袖,创新扩散过程;

    2-Web分析,数据挖掘中的关联分析,形成交叉销售,增量销售,也就是啤酒和尿布的故事;

    3-语言的关联,符号意义;

    4-竞争情报分析;

    5-相关矩阵或差异矩阵的统计分析,类似得到因子分析和MDS分析;

    6-恐怖分子网络; 

    7-知识管理与知识的传递,弱关系的力量;

    8-引文和共引分析;

    三、教学方面的应用

    1、为什么将SNA应用于教育方面? 

    多数研究表明,社会网络是协作学习环境的一个核心要素(Harasim,1995; Haythornthwaite, 2002)。 

    从某种程度上来说,知识 并不是由个体获取的静态对象,而是通过社会网络中 多个学习者持续不断的社会交互与合作进行的积极协同建构(Cohen & Prusak, 2001,pp.66-70; Lave & Wenger, 1991; Nonaka & Konno, 1998)。

    从社会网络的视角来看,学习是通过无缝交流、共同实践和社会网络关系的连接实现社会和集体成果 (Brown & Duguid, 1991)。

    在网络学习环境中,社会网络作为资源与知识交流的主要渠道 也发挥了工具性作用 (Cho, Stefanone, & Gay, 2002)。因此,SNA较适合研究网络协作学习交互,有助于了解学习者协作交互过程。

    2、基于SNA的在线学习分析应用研究述评 

    刘三, 石月凤, 刘智, et al. 网络环境下群体互动学习分析的应用研究——基于社会网络分析的视角[J]. 中国电化教育, 2017(2):5-12.

    (1)学习状态可视化

    以学生的交互行为数据为基础;

    运用社会网络分析技术,对学习者之间的社会网络进行可视化;

    通过分析社会网络结构能够识别处于边缘的学生,即没有积极参与学习活动的学生,老师能给予实时干预,这些分析结果能够帮助教师提升教学质量,帮助学生提升学习效果。

    (2)学习成效预测及监控

    目前越来越多的学者逐渐关注把在线论坛交互作为评估学习成效的一个指标,并对学习过程进行实时监控。

    印度韦洛尔科技大学的研究学者利用社会网络分析方法发掘蕴藏在MOOC中的社会结构,识别课程论坛参与活跃者以及有潜在辍学风险的学习者,以此对处于风险的学习者进行及时干预。

    (3)协作学习评估

    通过收集在线学习者之间的交互数据,利用社会网络分析方法分析协作学习过程中学习者之间的交互模式,能有效地评估学习共同体的协作学习水平。

    捷克奥斯特拉瓦技术大学等的研究学者提出了一个评估在线协作学习交互的分层框架,其中社会网络分析作为一个核心层次通过测量网络密度、个体度中心性、网络度中心性等 评估小组交互和参与行为,这不仅能为教师提供一个更好的监控,识别协作学习群体中的活跃者或边缘者,及时给予相应的干预, 而且促使学习者对自身的学习活动做出自我调控

    (4)同伴支持推荐

    在线学习环境为学习者提供一个获得更优质教育机会的同时,它的低完成率也是一个普遍存在的问题。

    学习者放弃学习的其中一个原因是缺乏与同学交流来解决面临的问题。通过采集在线论坛区中学习者之间的交互数据,运用社会网络分析方法分析学习者之间的交互模式、关系的强弱,当学习者遇到困难时,可以为学习者推荐伙伴,以寻求同伴支持,从而解决面临的问题。

    东北大学的研究者根据学习者在论坛中的讨论内容信息和社会网络信息, 分析学习者之间关系强弱、行为特征为学习者推荐伙伴,以解决在线学习低完成率问题。结果表明相比仅依靠内容信息为学习者推荐伙伴,同时结合社会网络信息能取得更优的学习效果。

    等等。

    3、数据来源 

    学习者交互关系的数据。

    一般通过两种途径进行收集:

    (1)对于线下学习中的人际交互关系,主要通过问卷调查、访谈等学习者自报告的方式进行数据采集;

    (2)对于网络环境下的学习交互数据, 例如,Coursera、网易公开课、可汗学院以及其他各院校研发的在线学习平台等,关系数据通常按照 一定的格式存储在学习系统中。这些关系数据均可利用开发者提供的数据接口API或网页标签信息,利用相关 程序进行自动爬取。

    4、工具 

    加州大学欧文分校研发Ucinet使用最为广泛 。

    5、网络属性分析 

    使用最频繁的属性示例:

    社群图;中心性;密度;凝聚子群;“核心—边缘”;等等。

    6、案例分析

    柳瑞雪, 石长地, 孙众. 网络学习平台和移动学习平台协作学习效果比较研究——基于社会网络分析的视角[J]. 中国远程教育, 2016(11):43-52. 

    以某高校78名大学三年级学生为研究对象,采用社会网络分析法对MOODLE平台和微信平台上学生协作互评所形成的交流网络进行比较分析,采用问卷调查法了解学生协作学习情况。 

    (Moodle是一个开源课程管理系统(CMS),也被称为学习管理系统(LMS)或虚拟学习环境(VLE)。是深受世界各地教育工作者喜爱的一种为学生建立网上动态网站的工具。 )

    (1)实验数据:

    学生的交互数据;

    主要以MOODLE平台和微信平台上每个小组组内组间互评作业的网络交流数据为主,一次完整的评论交流记为一次互动。

    (2)数据处理:

    首先把每个平台小组每次任务的原始协作交流数据处理成N*N 的对称关系矩阵。矩阵中的“行”代表关系的发送者,“列”代表关系的接受者,矩阵中“0” 表示两个行动者之间没有关系,“1”表示两个行动者之间存在关系, 矩阵中的数值越大,表 两个行动者之间的关系强度越大 ( 刘 军, 2004a,pp.43-53)。行和列的每个节点都代表一个学生。

    (3)分析数据:

    将整理好的关系矩阵数据导入UCINET软件中进行数据分析。

    (4)研究结果与分析:

    1. 密度分析

    密度是衡量群体内部行动者之间紧密程度的指 标,对于固定规模的群体网络,行动者之间联系越频繁,该群体网络密度越大,群体网络对行动者的态度、行为等产生影响的可能性越大,成员之间的交互程度也越强(朱晓菊,2014)。

    2. 中心性分析

    社会网络中心性常被用来评价一个人的重要程度、衡量一个人地位的优越性或者权利以及社会声望 (刘军, 2004b,pp.54)。

    点度中心度常用来衡量一个人 在整个群体中的权威性。当一个行动者与很多行动者 有直接关联时,该行动者具有较大权力,且位于网络 社区核心位置。位于核心位置的行动者一般情况下与 其他行动者具有多种关联,处于网络社区边缘的行动 者则拥有较小权力,与其他行动者关联较少(刘军,2004c,pp.55-57)。

    通过中心性分析,可以了解整个网络的核心节点以及分布情况。

    (5)研究结果如下:

    1、不同学习平台影响着学习者交流的活跃程度。与微信平台相比,MOODLE平台能更好地促进协作交流与互动。

    2、无论是在MOODLE平台还是在微信平台,都有核心学生充当着小组协作中的关键角色,发挥着重要的组织和引导作用;(中心性分析)

    3、与微信平台相比,MOODLE平台上协作小组团结度更高,凝聚力更强;(密度分析)

    4、两种学习平台促进协作学习的效果不同, MOODLE平台在对协作学习的帮助作用、有用性和易用性方面较理想。

    四、个人小结

    SNA系统内容涵盖较大,应用方面广泛,如果想运用SNA进行分析,可能需要从具体小点着手,想从零开始进行一个系统的全盘接受需要花费时间。

    展开全文
  • 社会网络分析教程ucinet;主要介绍了ucinet软件的使用,有详细的举例,步骤说明。
  • 社会网络分析

    千次阅读 2019-08-28 14:39:12
    社会网络分析已经成为重要的研究思想,涉及了多个学科和研究领域,例如:数据挖掘领域、知识管理、数据可视化、统计分析、社会资本、小世界理论、信息传播等。 社会网络分析是研究一组行动者的关系的研究方法。一组...

    有一句格言:不在于你知道什么,而在于你认识谁?

    社会网络分析,英文social network analysis。社会网络分析已经成为重要的研究思想,涉及了多个学科和研究领域,例如:数据挖掘领域、知识管理、数据可视化、统计分析、社会资本、小世界理论、信息传播等。

    社会网络分析是研究一组行动者的关系的研究方法。一组行动者可以是人、社区、群体、组织、国家等,他们的关系模式反映出的现象或数据是网络分析的焦点。从社会网络的角度出发,人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,而基于这种关系的有规律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。

    社会网络分析关注的焦点是关系和关系的模式,采用的方式和方法从概念上有别于传统的统计分析和数据处理方法。

    社会网络分析可以解决或可以尝试解决下列问题:

    1-人际传播问题,发现舆论领袖,创新扩散过程;

    2-小世界理论,六度空间分割理论;

    3-Web分析,数据挖掘中的关联分析,形成交叉销售,增量销售,也就是啤酒和尿布的故事;

    4-社会资本,产业链与价值链;

    5-文本的意义输出,通过追问调查研究文本的关联和意义;

    6-竞争情报分析;

    7-语言的关联,符号意义;

    8-相关矩阵或差异矩阵的统计分析,类似得到因子分析和MDS分析;

    9-恐怖分子网络;

    10-知识管理与知识的传递,弱关系的力量;

    11-引文和共引分析;

    关于“关系”被认为是一种双向属性,而主流社会科学所关注的是单一属性,例如:收入、年龄、学历、性别等,但社会网络分析考虑的主要类型是一对“行动者”之间的二元属性,社会活动中存在着不同的二元属性关系,例如:

    1-血缘关系:是谁的兄弟,是谁的父亲,婚姻关系等

    2-社会角色:是谁的领导,是谁的教师,是谁的朋友等

    3-情感关系:喜欢谁,尊敬谁,恨谁等;

    4-认知关系:知道谁,与谁看起来相似等;

    5-行动关系:同谁谈话,一同吃饭,进攻谁,传递信息给谁,从谁接受信息等;

    6-流动关系:汽车流量,信息流量,通信流量等

    7-距离关系:两地距离;

    8-相似关系:相关系数度量;

    9-共同发生:同一个俱乐部,有相同颜色头发等;

    社会网络分析建立的两大支柱是:可视化分析与对人、社会、政治、经济的关系测量

    vissa.jpg

    从社会网络分析来看,传播网络是一个包含了大量个体及个体之间相互作用的系统。近年来在对复杂网络的研究过程中,研究者亦发现了众多的幂律分布,例如:电子邮件网络、电影演员合作网络、引文关系网络,特别是互联网这样的社会性网络,虽然网络在结构及功能上是如此的千变万化,相差迥异,但复杂网络中节点的度值k,相对于它的概率P(k)满足幂律关系,且幂指数多在2和3之间,这一现象是如此的普遍,令人惊叹不已,以至于人们给具有这种性质的网络起了一个特别的名字——无标度网络Sacle-free。无标度是指网络缺乏一个特征度值(或平均度值),即节点度值的波动范围相当大,所以正态分布统计思想下无法洞察幂律分布下的网络动力学行为和结构,甚至我们可以把社会网络,传播网络称为幂网。 基于海量数据的关系数据获取,将带来数据挖掘技术与社会网络分析技术的融合,形成数据挖掘在社会网络分析中的社会和商业应用价值!


    展开全文
  • 社会网络分析中的基本概念

    千次阅读 2020-08-04 08:18:00
    作者:数据猿Riggle来源:文科数据员经过前两篇的学习,我们已经对社会网络分析有一个模糊概念了。社会网络分析(一) | python的Networkx库基础知识社会网络分析(二) | ...

    作者:数据猿Riggle

    来源:文科数据员

    经过前两篇的学习,我们已经对社会网络分析有一个模糊概念了。

    社会网络分析(一) | python的Networkx库基础知识

    社会网络分析(二) | Network的论文

    今天数据猿就整理了一下社会网络分析的基本概念,阅读时可不求甚解,遇到实际问题再进一步深究。

    本文目录如下——

    每一个节点连接的所有边的数量,包括出度和入度。一般来说,无向图中就是所有边的数量,在有向图中就是出度和入度之和。

    出度

    从该节点连出的边的数量

    入度

    从该节点连入的边的数量

    平均度

    网络中的平均度等于度除以节点数量。

    • 无向图中,平均度=度总数/节点数量

    • 有向图中,出度总数等于入度总数,平均度=出度总数/节点数量

    平均加权度

    在统计节点度时,也考虑边的权重。边权重非1情况时,就不能套用平均度的公式,需要加权计算。

    可简单理解为和所有节点连接线

    边的权重

    每条边与之对应的值。因计算方式和意义而异。如边上是距离,权重就是距离。如果是社区探测,就是社区的联系程度。

    中心性

    计算出网络直径等网络的边的特性后,就可以计算出中介中心度(Betwenness Centrality)、亲密中心度(Closeness Centrality)、离心度(Eccentricity),还有新增的Harmonic closeness Centrality等。在Gephi中,

    度中心性(Degree Centrality)

    单纯的数量来衡量。又叫点度中心度,度越多,就越大。

    接近中心性(Closeness Centrality)

    一个节点能到达节点的数量除以所能到达节点的最短路径之和。

    简单理解为与其他中心的中心性。接近中心性的值为路径长度的倒数。接近中心性需要考量每个节点到其它节点的最短路的平均长度。也就是说,对于一个节点而言,它距离其它节点越近,那么它的中心度越高。

    中介中心性(Betweenness Centrality)

    统计某个节点被其他节点,以最短路径通过的数量与图中最短路径总数之比。

    一个结点充当“中介”的次数越高,它的中介中心度就越大。

    离心度

    从一个节点所有可以到达的节点中,找出最长的最短路径。即一个节点所能达到的最大的最短路径。

    特征向量中心性(Eigenvector Centrality)

    一个节点的重要性既取决于其邻居节点的数量(即该节点的度),也取决于其邻居节点的重要性。核心思想就是,一个重要的节点不仅与其他许多节点有连接,而且与他相连的节点也是比较重要的节点。

    图密度

    实际有的边数与最大可能边数之比。比如,3个节点,可只有一条边。那么图密度就是1/6.

    连接组件

    可以确定一个图中连接组件的数量。

    • 无向图中,如果所有的节点都可以连通,称为为连通图。

    • 有向图中,从任何一个节点沿着边的方向都可以到达任何一个节点,因此被称为强连通图。弱连通图是有部分节点可以沿着边的方向到达任何一个节点。

    社会网络分析算法

    模块化(社区探测算法)

    根据图的连接关系对节点做归类,类型相同的节点会增加一个字段,用相同的数字表示。模块化在社会学中可以用于社区发现。

    衡量网络图结构的模块化程度。一般>0.44 就说明该网络图达到了一定的模块化程度 。

    Pagerank

    是一种根据网页之间的链接关系对网页的重要性进行评分的算法。

    平均聚类系数

    聚类系数:一个节点一度连接的节点中,实际的边数与最大边数之比。

    比如4个节点,从其中一个节点a出发,连接了5条,有1条对角线没有。实际边数就是没有直接相连的两个节点通过a的对点连接的两条边。那么节点a的平均聚类系数就是实际边数2/最大边数3。

    路径长度

    网络整体会统计图的直径(Diameter)、半径(Radius)、平均路径长度(Aerage Path Length),三个指标都与最短路径数(Number of shortest paths)有关。

    最短路径

    如下图所示,如果节点2要到节点1,最短路径不是2→3→4→5→1,而是2→3→5→1。

    网络直径

    一个网络中,所有最短路径的最大值。

    平均路径

    一个网络中,所有最短路径之和的平均值等于这个网络的平均路径长度。平均路径长度是整个网络的一个指标。

    往期好文:

    社会网络分析(一) | python的Networkx库基础知识

    社会网络分析(二) | 论文阅读:中国与国际媒体互引的社会网络分析

    python办公自动化(一) | chardet库自动读写多编码格式的文件

    文科数据员公众号历史记录 | 2020年2月-5月

    python制作微信公众号聊天机器人

    参考资料:

    刘勇,杜一.网络数据可视化与分析利器:Gephi 中文教程(全彩)[M]. 北京:电子工业出版社.2017

    Vincent D. Blondel, Jean-Loup Guillaume, Renaud Lambiotte, Etienne Lefebvre - Fast unfolding of communities in large networks (2008)

    文字编辑:数据猿Riggle

    首发平台:公众号:文科数据员(HSS_data)

    ◆ ◆ ◆  ◆ ◆

    麟哥新书已经在当当上架了,我写了本书:《拿下Offer-数据分析师求职面试指南》,目前当当正在举行活动,大家可以用原价5折的预购价格购买,还是非常划算的:

    点击下方小程序即可进入购买页面:


    数据森麟公众号的交流群已经建立,许多小伙伴已经加入其中,感谢大家的支持。大家可以在群里交流关于数据分析&数据挖掘的相关内容,还没有加入的小伙伴可以扫描下方管理员二维码,进群前一定要关注公众号奥,关注后让管理员帮忙拉进群,期待大家的加入。

    管理员二维码:

    猜你喜欢

     麟哥拼了!!!亲自出镜推荐自己新书《数据分析师求职面试指南》

     厉害了!麟哥新书登顶京东销量排行榜!

     笑死人不偿命的知乎沙雕问题排行榜

     用Python扒出B站那些“惊为天人”的阿婆主!

     你相信逛B站也能学编程吗

    点击阅读原文即可参与当当5折购书活动

    展开全文
  • 社会网络分析法_斯科特_中文版

    热门讨论 2011-01-28 19:10:52
    约翰·斯科特(John_Scott)著;刘军译_社会网络分析法_重庆大学出版社_2007
  • 社会网络数据集

    千次阅读 2020-05-31 09:41:36
    分享几个社会网络数据集网址 http://networkrepository.com/soc.php 2. http://snap.stanford.edu/data/ 3. http://www-personal.umich.edu/~mejn/netdata/ 另外几个比较好用的分析工具 Pajek和Gephi社会网络分析
  • 如何用 R 绘制交互式社会网络图?

    千次阅读 2019-03-25 10:53:07
    挖掘社会关系网络,助你洞若观火。需求最近有个学生问我,如何绘制交互式社会网络图(Interactive Social Network Graph)?之所以一定要交互式,是...
  • 由于毕设用到社会网络分析法所以研究了一下,其中遇到了“阈值”确定这个痛点,网上资源也没看到直接相关,所以看了一下刘军老师翻译的约翰·斯科特《社会网络分析法》以及文献悟了一下,以下为个人见解,仅供参考,...
  • 社会网络分析导论 刘军

    热门讨论 2012-02-25 22:50:08
    社会网络分析方法的介绍 2004 社会科学文献出版社,比较全面的介绍了社会网络分析的基本概念和方法
  • 复杂网络和社会网络

    万次阅读 多人点赞 2015-01-31 23:22:03
    关于复杂网络(complex network)和社会网络(social network)。 第一次从学术意义上接触这两个词儿还是不久之前,也就是去年冬天的R会议上。已经记不得是谁的presentation里面有一幅很经典的复杂网络的图了(当时...
  • 本文最终的目的是实现一个社会网络的动态演变过程,如下图所示,这是程序最终生成的视频,导出的一小段GIF。 照惯例推荐几篇非常好的参考文章,建议均至少通读一遍: 1....
  • 社会网络分析 社区划分—经典数据集

    千次阅读 多人点赞 2020-04-11 17:08:37
    最近在搞有关社会网络分析的毕设,于是整理了几个常用的数据集,方便大家下载使用_(:з」∠)_~ 这是查找数据集的网站,由于我只用了简单的几个,所以如果没找到童靴需要的可以点击这个网站。 空手道俱乐部数据集 ...
  • 社会网络分析与挖掘---Python之networkx介绍

    万次阅读 多人点赞 2018-06-18 20:53:44
    最近学习社会媒体挖掘,需要完成几个实验,Python的第三方模块networkx几乎都囊括了这些实现的接口,Python的好处就是开源,所以它的第三方模块的源码都可以看到,我看了实现的源码做了部分修改,算是完成了实验。...
  • 社会网络分析的主要内容

    万次阅读 2017-09-22 12:11:13
    一、中心性分析——权力的量化研究 目的:在什么意义上说一个...个人或组织在其社会网络中具有怎样的权力,或者说居于怎样的中心地位,这一思想是社会网络分析者最早探讨的内容之一。个体的中心度(Centrality)测量个体
  • 社会网络分析法SNA

    千次阅读 2015-06-16 11:19:59
    社会网络分析法  社会网络是社会行动者及他们之间关系的集合,行动者可以是个人、群体、组织乃至国家。关系是多方面的,有多种类型。由来自一个群体内行动者之间的关系构成的网络叫做1-模网络;两个群体的行动者...
  • 社会网络分析入门书目导读

    千次阅读 2017-09-20 17:46:42
    社会网络分析入门书目导读 由于社会网络分析的庞大,汗牛充栋来形容一点都不过分,所以,按照大众读者、社会科学类研究者、Excel类读者、开发者四类进行区分。再补充部分复杂性入门经典之作、心理学特色读物。 ...
  • 社会网络和语义网络分析(S) 数据 注意,保存时编码要为ANSI 所以这里需要转换一下 准备自定义表与停词表 例如 同时,点击快速分析后,将会弹出网络图 对网络图进行设置 对布局进行设置 对节点、边进行...
  • 社会网络分析之中心性

    千次阅读 2019-09-26 13:03:23
    在这样一个关系网络中,如何识别出哪些人是交际花,哪些人是具有影响力的人呢? 这就要涉及到中心度的概念了,本文介绍四种中心性(Centrality)。度中心性(Degree Centrality),接近中心性(Closeness Centrality),...
  • 社会网络分析中,中心度表示点的中心度,中心势表示整个网络的中心度(趋势)。中心度常用的有三种,点度中心度、中间中心度和接近中心度。 二 三种中心度 点度中心度表示与该点直接相连的点的个数,无向图为(n-1)...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 231,768
精华内容 92,707
关键字:

社会网络