自我介绍范文网

当前位置:自我介绍范文网 > 学习方法 > 了解学习规律 > >

超级干货 :一文读懂社交网络分析(附应用、前沿、学习资源)

来源::网络整理 | 作者:管理员 | 本文已影响

社交网络的结构特性与演化机理

社交网络群体行为形成与互动规律

社交网络信息传播与演化机理

社交网络分析的应用

社交网络前沿研究

学习

参考

01 前言

社交网络在维基百科的定义是“由许多节点构成的一种社会结构。节点通常是指个人或组织,而社交网络代表着各种社会关系。”在互联网诞生前,社交网络分析是社会学和人类学重要的研究分支。早期的社交网络的主要指通过合作关系建立起来的职业网络,如科研合作网络、演员合作网络等。

本文所指的社交网络分析专指在线社交网络分析(Online Social Network Analysis),该门科学的发展是随着在线社交服务(Social Network Service, SNS)的出现而诞生。在线社交服务的种类大致可分为四种:即时消息类应用(QQ、微信、WhatsApp、Skype 等),在线社交类应用(QQ空间、人人网、Facebook、Google+ 等),微博类应用(新浪微博、腾讯微博、Twitter 等),共享空间类应用(论坛、博客、视频分享、评价分享等)。

在线社交网络(下文统称社交网络)有着迅捷性、蔓延性、平等性与自组织性等四大特点。正因为这些特性,其在互联网出现的短短数十年内已经拥有数十亿用户并对现实社会的方方面面产生着影响。在2016年的美国总统大选中,当选总统特朗普就很好地利用了推特作为宣传工具;而在国内,从魏则西事件到和颐酒店事件再到最近的“刺死辱母者”事件,无一不是在社交网络上迅速发酵,并最终对现实社会产生影响。而且这种线上影响线下的趋势越来越明显。

除了社交网络给社会和经济带来许多正面影响之外,也带来了不少负面影响。从Facebook 和 YouTube上的暴力恐怖信息传播到微博微信上大量谣言和假新闻,这些有害信息借助社交网络的特点迅速传播并且往往产生不可控的后果。

为了利用好社交网络的特性,产生价值,消除危害,所以产生了社交网络分析这门科学。它是一种基于信息学、数学、社会学、管理学和心理学等科学的交叉科学。根据社交网络的特性,其主要研究三大内容:结构与演化,群体与互动,信息与传播。

本文简要概述了社交网络分析领域各个研究方向,对于细节性的内容我只列出参考文献,在文章最后提供了一些学习资源。 希望通过阅读本文,对这个领域感兴趣的读者可以对社交网络分析有一个宏观理解并且找到学习的方向。笔者作为社交网络分析的初学者,对某些概念和事实的解释和陈述不免有错误之处,还望各位读者能及时指正,大家共同交流进步。

超级干货 :一文读懂社交网络分析(附应用、前沿、学习资源)

02 社交网络的结构特性与演化机理

1. 社交网络结构分析与建模

1.1 统计特性

社交网络模型许多概念来自于图论,因为社交网络模型本质上是一个由节点(人)和边(社交关系)组成的图。笔者将简要介绍社交网络模型中常用的统计概念。

度(Degree):节点的度定义为与该节点相连的边的数目。在有向图中,所有指向某节点的边的数量叫作该节点的入度,所有从该节点出发指向别的节点的边的数量叫作该节点的出度。网络平均度反应了网络的疏密程度,而通过度分布则可以刻画不同节点的重要性。

网络密度(Density):网络密度可以用于刻画节点间相互连边的密集程度,定义为网络中实际存在边数与可容纳边数上限的比值,常用来测量社交网络中社交关系的密集程度及演化趋势。

聚类系数(Clustering Coefficient):用于描述网络中与同一节点相连的节点间也互为相邻节点的程度。其用于刻画社交网络中一个人朋友们之间也互相是朋友的概率,反应了社交网络中的聚集性。

介数(Betweeness):为图中某节点承载整个图所有最短路径的数量,通常用来评价节点的重要程度,比如在连接不同社群之间的中介节点的介数相对于其他节点来说会非常大,也体现了其在社交网络信息传递中的重要程度。

1.2 网络特性

小世界现象:小世界现象是指地理位置相距遥远的人可能具有较短的社会关系间隔。早在1967年,哈佛大学心理学教授 Stanley Milgram 通过一个信件投递实验,归纳并提出了“六度分割理论(Six Degrees of Separation)”, 即任意两个都可通过平均五个人熟人相关联起来。1998年,Duncan Watts 和 Steven Strogatz 在《自然》杂志上发表了里程碑式的文章《Collective Dynamics of “Small-World” Networks》,该文章正式提出了小世界网络的概念并建立了小世界模型。

小世界现象在在线社交网络中得到了很好地验证,根据2011年 Facebook 数据分析小组的报告, Facebook 约7.2亿用户中任意两个用户间的平均路径长度仅为4.74,而这一指标在推特中为4.67。可以说,在五步之内,任何两个网络上的个体都可以互相连接。

无标度特性:大多数真实的大规模社交网络都存在着大多数节点有少量边,少数节点有大量边的特点,其网络缺乏一个统一的衡量尺度而呈现出异质性,我们将这种节点度分布不存在有限衡量分布范围的性质称为无标度。无标度网络表现出来的度分布特征为幂律分布,这就是此类网络的无标度特性。

1.3 网络模型

WS 模型:WS 模型即小世界模型,通过小世界模型生成的小世界网络是从规则网络向随机网络过渡的中间形态。

BA 模型:BA模型考虑到现实网络中节点的幂律分布特性,生成无标度网络。

其他模型:森林火灾模型,Kronecker 模型,生产模型。

超级干货 :一文读懂社交网络分析(附应用、前沿、学习资源)

2. 虚拟社区(社团)及发现技术

2.1 定义

虚拟社区基于子图局部性的定义:社区结构是复杂网络节点集合的若干子集,每个子集内部的节点之间的连接相对非常紧密,而不同子集节点之间的连边相对稀疏。


本文标题:超级干货 :一文读懂社交网络分析(附应用、前沿、学习资源)
分享到: 更多

随机阅读TODAY'S FOCUS