Social Network 社交网络分析

honghu2

Social Network 社交收集阐发

SNA（Social Network Analysis）社交收集阐发已成为一个关头技能，也是一项热点的钻研，在现代社会学、人类学、社会说话学、地舆、社会意理学、通信钻研、资讯科学、组织钻研、经济学，和生物学范畴。

一：甚么是SNA-社交收集阐发
社交收集阐发的威力安在？我想几个案例来阐明。

案例1：对一个毫无领会的组织（这个组织可所以一个公司，亦或是一个组织），若是可以或许拿到这个组织成员之间的信息活动记实（比方通话记实/或邮件记实），那末经由过程SNA可以阐发出谁是这个组织的现实节制者（要晓得有需要加之现实二字），谁是这些成员中有影响力的人，那些成员更偏向于汇集在一块儿。对上述问题的答复可以用来做公关-把精神用在对的人身上；用来处置组织架构；用来游说得到支撑–瓜葛慎密的人会更偏向于支撑统一种定见，一方面是因为概念不异以是瓜葛慎密，另外一方面你的大部门朋侪都支撑的事变你总不会下脸来做阿谁少数派吧。

案例2:举个实际中的例子吧，鹅厂刚推出朋侪圈的时辰我对这个产物的印象很是好，由于它给我举荐的朋侪有一些是不少年都没有接洽，不特地提起都想不起来名字的“朋侪”。包含人人网举荐的老友也是很精准的。这些产物的暗地里就是用的SNA-朋侪的朋侪也是我的朋侪，仇人的朋侪是我的仇人，仇人的仇人是我的朋侪，朋侪的仇人是我的仇人。

这两个案例是直观印象中的社交收集阐发，收集中的节点是人。若是把SNA只用在人身上那就太局促了。不异的思惟彻底可以用在物身上。比方：

案例3:豆瓣FM也是我很喜好的一款产物—与你喜好的音乐萍水相逢。一些歌曲是我对某一个时代的感受印记，有些印记念念不忘，有些印记逐步模胡。时时时就可以在豆瓣FM和这些或@清%1espO%楚或模%z41o9%胡@的印记萍水相逢，让人欣喜。为甚么豆瓣FM能做到这点那？是它对歌曲依照甚么节拍/曲调/气概/歌词做了分类吗？若是你如许认为那就太傻太无邪了。这里的SNA每首歌就是收集中的每一个节点，而你的@喜%71158%好或再%8jgNW%也%8jgNW%不@播放就给你听过的歌曲之间增强/削蜜桃交友弱了接洽。

颠末上面三个案例，可以对SNA有个开端领会。
二：我的老友圈
一般来讲有两大路子来得到老友圈：1)社交利用/社交网站，好比人人/微博/微信。2)通讯记实-德律风/邮件/短信。后者数据都把握在响应的运营商，前者的数据可以从利用开放的API或简略粗鲁一点本身写蜘蛛爬。

我采纳写爬虫的方法获得了人人的老友圈。抓了两层老友，即我的老友，和我老友的老友。实在这个层数可以本身设定，用递归函数很轻易实现。独一损耗的是运行时候和存储。即便只抓两层老友圈，用我的条记本也跑了15分钟。

接下来该networkx登场了。一通运算以后获得以下成果：

1)两层老友圈

这是对7169个老友瓜葛的做图。固然最中间的点是我本身。可以看到四周一圈是相对于伶仃的“云”，那是由于我只抓了两层的缘由。

七千多个老友，这么多层瓜葛，若何阐发？别担忧，社交收集阐发不是一个新兴的范畴，看米国文献说这个范畴从六七十年月就有了，只不外是近十年火起来的。以是有一大堆现成的算法来根基搞定你的大部门需求。

对七千多个老友的基天职析以下：

—————2014-06-08 21时32分16秒起头总体阐发—————-

社交网统共有7169个老友

排名前10的老友数

1–徐希文–909

2–刘杉–607

3–李超–505

4–colipso–405

5–吕秀芳–343

6–藏新汀–336

7–王大舸–312

8–王卉卉–258

9–孙昊–255

10–杨子旭–248

——–2014-06-08 21时32分16秒起头受接待指数阐发(基于closenes centrality)————

受接待指数排名前10的老友为

1–colipso–0.51

2–马佳–0.50

3–徐希文–0.40

4–贾丽娜–0.40

5–洛锋–0.39

6–张伟–0.39

7优嘎新闻网–陈欣–0.39

8–王蕴杰–0.39

9–孙峰–0.39

10–张宁–0.38

—&#8茄子视频212;—2014-06-08 21时35分15秒起头关键指数阐发(基于Betweenness centrality算法 )聊天呗———-

处于关键节点的前10老友为

1–徐希文–0.21

2–colipso–0.20

3–刘杉–0.14

4–马佳–0.12

5–李超–0.11

6–吕秀芳–0.08

7–藏新汀–0.08

8–王大舸–0.08

9–王卉卉–0.06

10–陈欣–0.05

———-2014-06-08 21时49分07秒起头幕后黑手指数阐发(基于Eigenvector centrality算法)———

Not defined for multigraphs.

——-2014-06-08 21时49分07秒起头Google PageRank指数阐发(基于Google PageRank算法)——-

pagerank() not defined for graphs with multiedges.

对一些词诠释下：

关键：一小我同时属于两个不怎样想干的群体，那末这小我就处于关键的位置。

幕后黑手：顾名思义，一小我不怎样和大部门人接洽，只和关头人物产生接洽，经由过程关头人来影响群体。

在阐发中后两个算法由于底层数据机关的社交收集为无向收集，以是在这一个详细阐发中不合用。

2)焦点来往圈

扯那末多根基人我不成能都熟悉，networkx还供给了阐发或人的焦点来往圈的算法，仍是以我为例：



—————2014-06-08 21时20分39秒起头总体阐发—————-

社交网统共有502个老友

其他的阐发由于是用统一个模块来实现的，和上面不异，就不反复了。

3)圈里圈外

上面的还只是宏观层面的成果，从微观层面看，在大群体中也老是少不了一个一个的小圈子，这个圈子里的人瓜葛更加慎密，有着配合的话题，一般对圈子以外的人有必定的排挤性，而对圈子里的人信赖度会很高，正所谓圈里圈外。

对付一门成长了快要半个世纪的学科，仍是那句话，你想到的工具早就有人想到了。

好比我的老友圈中：

第45个小圈子为:崔文英 殷渤涛 郑新玉 孙昊 陈欣 张辰星 陆伯文 这是我的一帮高中同窗。

4)最短路径

已有很是成熟的算法来寻觅社交收集中的两个节点之间的最短路径。也就是所谓的六度空间。即我若是想熟悉某某，那末应当找那些起码的中心人来到达目标？

触类旁通一下，若是是由各类册本来构成的一个收集，书是节点，一小我若是读过两本书，那末这两本书就有个连线。问题来了，在各类小说APP上，若是一小我读了两本书，若何给他举荐第三本书？这两本书最短路径上的其它书嘛，有人会问，这不是两本书已有连线了，路径不是最短了吗？这就触及到了路径的权重问题，有了权重，直接的连线就不必定最短咯。权重若何获得？Well,It depands.

因为我只抓了两层老友，so，最短路径不会跨越2.

随意找一个：colipso —谷雨— 范文卓 我想熟悉范，那末找谷雨就对了。

5)三人行

对付肆意三小我，可以有以下16种瓜葛：



好比对付012C这类类型，作为中心人，是否是可以先容此外两人熟悉那？

看看我的来往圈内里这16种类型各占几多：

201类型的三节点有94109个

021C类型的三节点有0个

021D类型的三节点有0个

210类型的三节点有0个

120U类型的三节点有0个

030C类型的三节点有0个

003类型的三节点有19747819个

300类型的三节点有3605个

012类型的三节点有0个

021U类型的三节点有0个

120D类型的三节点有0个

102类型的三节点有1112967个

111U类型的三节点有0个

030T类型的三节点有0个

120C类型的三节点有0个

111D类型的三节点有0个

固然，由于我只抓了两层来往圈，可以说仍是比力焦点的来往圈，以是不少三节点类型都没有呈现，若是抓取的层数更多，成果会更显著。

依然是触类旁通，收集中的节点不管是人仍是物，对付16种布局中的每种实在均可以制订必定的计谋来到达必定的目标。上述阐发已完成为了举措的第一步，辨认方针。
三：参差不齐的一些设法
1)传通通计和现代阐发

近来同时在钻研R和社交收集阐发，发明传通通计阐发法子和现代阐发法子仍是有一些差此外。

传通通计阐发法子发源于19世纪，不管是点估量/区间估量/假如查验都是依靠于必定的散布假如条件，更不要提贝叶斯统计，有大量的学术钻研搞定了小样本下查验总体的法子，目标是千方百计低落计较量。但问题是如今的情况/用户偏好变革很是快，也就是散布变革快。用传通通计法子在阐发的群体变革，阐发的参数变革下仍是有必定局限。

而现代的阐发法子不管是蒙特卡洛摹拟仍是社交收集阐发都是基于密集计较，管你甚么散布，摹拟100次不敷，那就摹拟10000次，100000次。按照大数定律，成果跑也跑出来了，八九不离十。

2)东西

上面的所有阐发都是用python 和networkx模块完成。Python的机动数据布局，大量的开源模块(numpy/scipy/matplotlib/networkx/webpy等等)可以说是居家观光，数据阐发的必备良药。清楚的说话规范也防止了括号风暴。我很赏识。

networkx阐发范围的瓶颈起首在于内存/存储，其次在于算法的公道性。对付10万之内的节点数仍是轻易应付的。若是节点数目级在于万万乃至亿，那就得好好设计了。

3)阐发价值

阐发能发生的价值一种是用于决议计划/一种用在产物。决议计划的对错在中持久能看到结果。产物则更直接，阐发价值快速见于用户数目/定见。

本文来历：大数据中国   文/黄鹏