社会网络分析-凝聚子群.pptVIP

相似性数据：数值越大，编码为1 差异性数据：数值越大，编码为0 有向数据：对称化处理 * * 有的图中的线可以既有向又多值 * 有的图中的线可以既有向又多值 * 如果社群图涉及到的点很多（例如 100 人），那么图形就相当复杂，很难分析出关系的结构，这是社群图的一个缺点。在这种情况下，我们最好利用矩阵方法表达关系网络  * * * 同一个凝聚子群概念在不同性质的网络中的含义也不同。例如，“派系”这个概念在“无向关系网络”、“有向关系网络”和“多值关系网”中的含义就有所不同。 可以根据多种网络属性对一个群体进行量化处理，因此，凝聚子群有多种形式化定义  * 而我们今天所要进行的凝聚子群分析，通俗的说是进行的整体网络中的“派系”的分析（每个派系之间是什么关系，派系内部成员之间的关系具有怎样的特点，一个派系的成员和另一派系的成员之间的关系具有怎样的特点等 ），可以通过派系的分析来了解该网络的社会结构是怎样的，其对于个体及组织的影响又有哪些 * 考察的切入点是网络各个成员之间关系的相互性，是否为邻接点 派系是最大的完备子图 * * 分析子群的各个成员之间是否可达，但是不要求都邻接 不可否认，很多重要的社会过程都是通过中介者达成的。也就是说，在现实生活中，行动者之间的关系未必是直接相关的，间接的关系也不可忽视。例如，谣言的传播，通过关系找工作等社会过程往往需要第三者参与，而这些行动者之间的关系往往不很紧密。因此，有理由相信，相互之间联系不是非常紧密的一个小群体也可以叫做“凝聚子群”。 n-派系思想在应用方面有三个局限性。首先并且最重要的是，当 n 大于 2 的时候，很难给它以社会学的解释。距离为 2 的关系可以直接解释为那些有共同邻居的人之间的关系，该邻居可以起到中间人的作用等。距离大于 2 的途径包括了比较疏远的弱关系。其次，作为一个子图， n-派系的直径有可能大于 n。  * * 分析子群的各个成员之间是否可达，但是不要求都邻接 不可否认，很多重要的社会过程都是通过中介者达成的。也就是说，在现实生活中，行动者之间的关系未必是直接相关的，间接的关系也不可忽视。例如，谣言的传播，通过关系找工作等社会过程往往需要第三者参与，而这些行动者之间的关系往往不很紧密。因此，有理由相信，相互之间联系不是非常紧密的一个小群体也可以叫做“凝聚子群”。 n-派系思想在应用方面有三个局限性。首先并且最重要的是，当 n 大于 2 的时候，很难给它以社会学的解释。距离为 2 的关系可以直接解释为那些有共同邻居的人之间的关系，该邻居可以起到中间人的作用等。距离大于 2 的途径包括了比较疏远的弱关系。其次，作为一个子图， n-派系的直径有可能大于 n。  * 分析的入手点是子群成员与其他成员之间的关系频次 ①是一个 3-派系，因为所有点之间的距离都不大于 3。然而，它却不是一个 3-丛，因为与点 A、 C、 E、 F 相连的成员的数目都少于 6－3 = 3。图②则既是一个 3-派系，也是一个 3-丛。  * 一般来说，作为一类凝聚子群， k-核有自己的优势所在。 K 值的不同，得到的 k-核显然也不同。研究者要根据自己的数据自行决定 k 值的大小。 我们往往可以从中发现一些有意义的凝聚子群。这是研究 k-核的一个好处  * 关注子群中的成员相对于网络中的其它行动者来说是否比较紧密，是否具有相对较高的凝聚力  以上介绍的凝聚子群概念的建立都根据子群内部成员之间的关系的具体性质（如邻接性、捷径距离以及点的度数等）。一个凝聚子群至少涉及到两个方面：一个是重点关注子群内部的关系；另外一个是比较子群内部成员之间的关系强度或频次相对于子群内、外部成员之间的关系强度或频次。艾尔巴把子群内部的关系与子群之间的关系称为凝聚子群的“核心-边缘” （ centripetal-centrifugal）维度 。在这种思想引导下，一些学者比较子群内部关系的紧密性与子群外部关系的稀疏性。 一个孤立点也可以看成是一个成分，整个网络也可以看成是一个成分。我们一般对既非单个点，也非整体网的成分更感兴趣，因为这样的成分反映了整个网络可以分为多少个小群体。当然，如果不对“成分”这个概念进行一些限定的话，它也就没有太多的理论意义和现实意义。  P1和p7为切点，其相连将两个互不关联的子图和为一个， * 如果既考虑到子群内部关系的频次，也考虑到子群的成员向子群外发出关系的频次的话，就可以得到一个新的子群概念，这就是 LS 集合。 现在用形式化的语言进行表述。假设存在一个图 G，它所对应的点集为 N；并且 G 中存在一个子图 Gs，其对应的点集记作 Ns；再假设 Ns