以超图进行人际网路分析之研究-NPUCSIE.PDFVIP

第十五屆離島資訊技術與應用研討會 以超圖進行人際網路分析之研究 1 2 蘇怡仁 、李哲均 1 2 樹德科技大學資訊工程系、樹德科技大學資訊工程系 1 2 iansu@stu.edu.tw 、 stu.edu.tw 摘要 為 4.7 步即可讓兩個陌生人從不認識到產生互動 。 社群網路分析(Social Network Analysis, SNA) Duncan Watts及 Steven Strogatz在 1998 年用 以複雜人際網路為主要研究的對象，先前的研究大 高集聚係數 (Clustering Coefficient)及低平均路徑長 都用中心性 (Centrality)尋找網路中央具有不同重 度作為 小世界理論(Small World)[2]之特徵的例子 要性的節點。以超圖 (Hypergraph) 取代傳統二元關 越來越常見，未來只要透過特定群組，就可以將訊 係的社群網路，利用一個的超邊 (hyperedges)可以 息傳播給全世界 。 同時連接兩個以上之節點的特性，以事件及活動為 社群網路分析(Social Network Analysis, SNA) ， 基礎來塑模真實人際網路。 早期用來分析漁業結構，之後延伸運用在研究社會 本研究提出適用於超圖的距離之計算，藉以 結構，記錄每個行動者(Actor/Node)與其它行動者 凸顯網路中兩個節點因有多種關係或多次一起參 彼此之間的關係 (Relationship/Edge) ，分析網路的 與活動而縮短兩個人的距離，再結合改良後的 成員在社群網路內的位置 (Centrality)或是 密度 Centrality 來找出社群網路內重要的節點。從實驗 (Density) 。 中驗證所提出新的中心性量測可以找出真正重要 社群發現(Community Detection)是尋找隱藏 的節點。 在大型人際關係網路內的 特定團體，社群中 每個節 關鍵詞：社群網路 、超圖 、中心性 點 具有高相似度或共同特徵，著重在所尋找出來的 社群 必須具有社群內部關係 (Intra-Relationship)的 Abstract 密度遠高於社群間關係 (Inter-Relationship)的密度， Research on Social Network Analysis (SNA) 相關演算法有利用移除橋樑節點(Bridge Node) 來 tends to concentrate on complex networks that involve 發現發現社群的 GN 演算法 [2] ，或是利用每個節 a set of actors and the interactions between them. Most 點同時會扮演好幾個角色的特色 來發現重疊社群 previous researches applied centrality to identify all 的 CPM演算法[3] ，這樣的社群再透過 Girvan和 important