第三章 Social Network.pdf

Social Network 社交网络分析 SNA （Social Netwo rk A nalysis ）社交网络分析已经成为一个关键技术 ，也是一项热门的 研究 ，在现代社会 、人类 、社会语言 、地理、社会心理 、通讯研究、资讯科 、组 织研究、经济 ，以及生物 领域。 一 ：什么是SNA -社交网络分析 社交网络分析的威力何在 ？我想几个案例来说明。 案例1 ：对一个毫无了解的组织 （这个组织可以是一个公司 ，亦或是一个组织 ），如果能够拿到这 个组织成员之间的信息流动记录 （例如通话记录/或邮件记录 ），那么通过SNA可以分析出谁是这个 组织的实际控制者 （要知道有必要加上实际二字 ），谁是这些成员中有影响力的人 ，那些成员更倾 向于聚集在一起。对上述问题的回答可以用来做公关-把精力用在对的人身上 ；用来处理组织架构 ； 用来游说获得支持– 关系紧密的人会更倾向于支持同一种意见 ，一方面是由于观点相同所以关系 紧密 ，另一方面你的大部分朋友都支持的事情你总不会下脸来做那个少数派吧。 案例2 :举个现实中的例子吧 ，鹅厂刚推出朋友圈的时候我对这个产品的印象非常好 ，因为它给我推 荐的朋友有一些是很多年都没有联系 ，不特意提起都想不起来名字的“朋友”。包括人人网推荐的好 友也是很精准的。这些产品的背后就是用的SNA -朋友的朋友也是我的朋友 ，敌人的朋友是我的 敌人 ，敌人的敌人是我的朋友 ，朋友的敌人是我的敌人。 这两个案例是直观印象中的社交网络分析 ，网络中的节点是人。如果把SNA只用在人身上那就太狭 隘了。相同的思想完全可以用在物身上。例如 ： 案例3 :豆瓣FM也是我很喜欢的一款产品—与你喜欢的音乐不期而遇。一些歌曲是我对某一个时期的 感觉印记 ，有些印记记忆犹新 ，有些印记逐渐模糊。时不时就能在豆瓣FM和这些或清晰或模糊的 印记不期而遇 ，让人惊喜。为什么豆瓣FM能做到这点那 ？是它对歌曲按照什么节奏/曲调/风格/歌词 做了分类吗 ？如果你这样认为那就太傻太天真了。这里的SNA每一首歌就是网络中的每个节点 ，而 你的喜欢或不再播放就给你听过的歌曲之间加强/减弱了联系。 经过上面三个案例 ，可以对SNA有个初步了解。 二 ：我的好友圈 一般来说有两大途径来获得好友圈 ：1)社交应用/社交网站 ，比如人人/微博/微信。2)通信记录-电话/ 邮件/短信。后者数据都掌握在相应的运营商 ，前者的数据可以从应用开放的A P 或者简单粗暴一点 自己写蜘蛛爬。 我采用写爬虫的方式得到了人人的好友圈。抓了两层好友 ，即我的好友 ，和我好友的好友。其实这 个层数可以自己设定 ，用递归函数很容易实现。唯一消耗的是运行时间和存储。即使只抓两层好 友圈 ，用我的笔记本也跑了15分钟。 接下来该netwo rkx登场了。一通运算之后得到如下结果 ： 1)两层好友圈 这是对7169个好友关系的做图。当然最中心的点是我自己。可以看到周围一圈是相对孤立的“云” ， 那是因为我只抓了两层的原因。 七千多个好友 ，这么多层关系 ，如何分析 ？别担心 ，社交网络分析不是一个新兴的领域 ，看米国文 献说这个领域从六七十年代就有了 ，只不过是近十年火起来的。所以有一大堆现成的算法来基本搞 定你的大部分需求。 对七千多个好友的基本分析如下 ： —————2014 -06-08 21时32分16秒开始整体分析—————- 社交网总共有7169个好友 排名前10的好友数 1–徐希文– 909 2–刘杉– 607 3–李超– 505 4– co lipso–4 05 5– 吕秀芳– 34 3 6–藏新汀– 336 7– 王大舸– 312 8– 王卉卉– 258 9–孙昊– 255 10–杨子旭– 24 8 ——– 2014 -06-08 21时32分16秒开始受欢迎指数分析(基于closenes cent ralit y)———— 受欢迎指数排名前10的好友为 1– co lipso– 0.51 2– 马佳– 0.50 3–徐希文– 0.4 0 4– 贾丽娜– 0.4 0 5–洛锋– 0.39 6– 张伟– 0.39 7– 陈欣– 0.39 8– 王蕴杰– 0.39 9–孙峰– 0.39 10– 张宁– 0.38 ———2014 -06-08 21时35分15秒开始枢纽指数分析(基于Betweenness cent ralit y算法 )———- 处于枢纽节点的前10好友为 1–徐希文– 0.21 2– co lipso– 0.20 3–刘杉– 0.14 4– 马佳– 0.12