社會網路分析網路密度一般多少

㈠ 社會網路規模越大,網路密度越高嗎急用

雖然數據量大，數據價值密度低是大數據的2個重要特徵，但數據量越大，數據的價值密度不一定就越低，兩者之間並沒有必然的關系。安徽瑤貝廣告傳媒

1）傳統數據基本都是結構化數據，每個欄位都是有用的，價值密度非常高。大數據時代，越來越多數據都是半結構化和非結構化數據，比如網站訪問日誌，裡面大量內容都是沒價值的，真正有價值的比較少，雖然數據量比以前大了N倍，但價值密度確實低了很多。

㈡ 社會網路分析法的介紹

《社會網路分析法》是2007年重慶大學出版社出版的圖書，作者是斯科特。社會是一個由多種多樣的關系構成的巨大網路。如何研究關系？視角當然多種多樣，既可以像林語堂的小說中描述的那樣對關系進行細致的刻畫，又可以像黃光國等社會心理學家那樣對人情、面子和關系網進行質的描述，更可以用社會網路分析法對關系進行量化的表徵，從而揭示關系的結構，解釋一定的社會現象。社會網路分析的意義在於，它可以對各種關系進行精確的量化分析，從而為某種中層理論的構建和實證命題的檢驗提供量化的工具，甚至可以建立「宏觀和微觀」之間的橋梁。本書就像一本手冊，引導讀者進入社會網路分析的研究領域。它既適用於社會網路分析的初學者，也適用於對社會網路分析有所了解的人士。

㈢ 社會化網路分析論文的一般結構是什麼

1、 點：行動者、節點（actors, nodes）

即為社會網路中的一個功能個體（包括個人、單位、團體（看成一個整體）），在虛擬網路中表現為一個注冊用戶，ID等。

在社會網路研究領域，任何一個社會單位、社會實體或功能個體都可以看成是「節點」，或者行動者。

一個圖中： 節點集合N={n1,n2,、、、n3}

2、 線,關系（relationship）：

用來刻畫關系數據，關於接觸、聯絡、關聯、群體依附和聚會等方面的數據，這類數據把一個能動者與另外一個能動者聯系在一起，因而不能還原為單個行動者本身的屬性。如上圖表示的線arc。

一般稱由一條線連著的點是相互「鄰接的（adjacent）」,鄰接是對由兩個點代表的兩個行動者之間直接相關這個事實的圖論表達。

一般有無向線、有向線、多值線、有向多值線。

由線構成的圖無向圖、有向圖、有向多值、無向多值圖。

3、 鄰域（neighborhood）:

與某個特定點相鄰的那些點成為該點的「鄰域」。

4、 度數（degree）:

鄰域中的總點數成為度數。（嚴格的說應該是「關聯度」，（degree of connection））,一個點的度數就是對其「鄰域」規模大小的一種數值側度。

一個點（無向圖）的度數，在鄰接矩陣中，一個點的度數用該點所對應的行或者列的各項中的非0值總數來表示。如果是二值（有項）的，那麼一個點的度數就是該點所在行和所在列的總合。

在有向圖中，「度數」包括兩個不同方面，表達社會關系的線的方向。分別稱為「點入度（in-degree）」：直接指向該點的點數總合；和「點出度（out-degree）」：該點所直接指向的其它點的總數。因此，對應在有向圖的矩陣上，點的入度：對應該點所在列的地總和上。出度：該點所在行的總和上。

所有點的度數總合：無向圖的總度數查線（關系）即可，有項圖的總度數查線的2倍。

5、 線路（walk）：

各個點可以通過一條線直接相連，也可以通過一系列線間接相連，在一個圖中的這一系列線叫做一條「線路」。

6、 途經(path)：

線路中每個點和每條線都各不相同，則稱該線路為「途經」，「途經」的「長度」，用構成該途經的線的條數來測量。

7、 距離(distance):

一個重要的概念，指連接兩個點的最短路徑（即捷徑，geodesic）的長度。在圖論中一般稱作最短路經。要與「途經」的概念相區分。

8、 方向

主要是看有向圖的方向問題。

9、 密度（density）

描述了一個圖中各個點之間關聯的緊密程度。一個「完備(complete)圖」（在圖論中稱完全圖）指的是一個所有點之間都相互鄰接的圖。這種完備性即使在小網路中也積極少見。密度這個概念試圖對線的總分布進行匯總，以便測量圖在多大程度上具有這種完備性。密度依賴於另外兩個網路結構參數：圖的內含度和圖中各點的度數總和。密度指的是一個圖的凝聚力的總體水平。

「密度」和「中心勢」這兩個概念代表的是一個圖的總體「緊湊性（compactness）」的不同方面。

圖的內含度（inclusiveness）：圖中各類關聯部分包含的總點數，也可表述為圖的總點數減去孤立點的數。不同的圖進行比較常用的側度為： 關聯點數/總點數 15/20=75%

各點度數總和：

密度計算公式： 圖中實際擁有的連線數與最多可能擁有的線數之比，其表達式為2l/n(n-1)。 有向圖的表達式為：l/n(n-1)

多值圖的密度：需要估值多重度問題，顯然多重度高的線對於網路密度的貢獻要比多重度低的線的貢獻大。比較有爭議的一種測度。

巴恩斯（Barnes,1974）比較了兩類社會網路分析：

10、 個體中心（ego-centric） 網研究

圍繞特定的參考點而展開的社會網，密度分析關注的是圍繞著某些特定行動者的關系的密度。計算個體中心網密度的時候，通常不考慮核心成員及與該成員有直接關系的接觸者，而是只關注在這些接觸者之間存在的各種聯系（links）。

11、 社會中心（socio-centric）網研究

關注的是作為一個整體的網路關聯模式，這是對社會網路分析的另外一類貢獻，從這一角度出發，密度則不再是局部行動者的「個體網」密度，而是整個網路的密度。密度計算上文已經提到。

12、 點度中心度（point centrality）

一個圖中各個點的相對中心度

13、 圖的中心度（graph centrality） 即為中心勢的概念

14、 整體中心度（global centrality） （弗里曼Freeman 1979,1980）

整體中心度指的是該點在總體網路中的戰略重要性。根據各個點之間的接近性（closeness）,根據不同點之間的距離。可以計算出圖中某點與其他各個點之間的最短距離之和。

無向圖：可以通過軟體計算出來一個無向圖中各個點之間的距離矩陣，那麼一個點的「距離和」比較低的點與其他很多點都「接近」。接近性和距離和呈反向關系。

有向圖：「內接近性（in-closeness）」和「外接近性(out-closeness)」來計算

15、 局部中心點

一個點在七緊鄰的環境中與很多點有關聯，如果一個點有許多直接相關的「鄰點」，我們便說該點是局部中心點。

16、 整體中心點

如果一個點在網路的總體結構上占據戰略上的重要地位，我們就說該點是整體中心點。

17、 局部中心度（local centrality）

局部某點對其鄰點而言的相對重要性。測量僅僅根據與該點直接相連的點數，忽略間接相連的點數。在有向圖中有內中心度（in-centrality）和外中心度（out-centrality）。也可以自定義距離為1或2進行測度，如果定義為4（大多數點的距離為4），就毫無意義，也沒有信息。

18、 局部中心度的相對測度

點的實際度數與可能聯絡得最多度數之，注意要去掉該點本身。

19、 中心勢（centralization） 弗里曼(freeman，1979)

指的不是點的相對重要性，而是整個圖的總體凝聚力或整合度。很少有人試圖界定一個圖的結構中心思想。中心勢描述的則是這種內聚性能夠在多大程度上圍繞某些特定點組織起來。因此，中心勢和密度是兩個重要的、彼此相互補充的量度。

核心點的中心度和其它點的中心度之差。因此得出概念：實際的差值總和和與最大可能的差值總和相比。

㈣ 什麼是社會網路分析法

社會網路分析(Social Network Analysis) 社會網路分析方法是由社會學家根據數學方法﹑圖論等發展起來的 定 量分析方法 ，近年來，該方法在 職業流動 、 城市化對個體幸福的影響、世界政治和 經濟體系 、 國際貿易 等領域廣 泛應用，並發揮了重要作用。 社會網路分析是社會學領域比較成熟的分析方法， 社會學家們利用它可以比較得心應手地來解釋一些社會學問題。 許多學科的專家如 經濟學 、 管理學 等領域的學者們在 新經濟 時代—— 知識經濟時代，面臨許多挑戰時， 開始考慮借鑒其他學科的研究方法，社會網路分析就是其中的一種。

希望採納

㈤ 社會性網路的社會性網路分析

根據維基網路的解釋，「社會網路（Social Networking：SN）」是指個人之間的關系網路。
據一些不系統的分析，社會網路（或稱為社會性網路）的理論基礎源於六度分隔理論（Six Degrees of Separation）和150法則（Rule Of 150）。 美國著名社會心理學家米爾格倫(Stanley Milgram)於20世紀60年代最先提出。「你和任何一個陌生人之間所間隔的人不會超過六個，也就是說，最多通過六個人你就能夠認識任何一個陌生人。」
六度分隔理論(Six Degrees of Separation)由美國著名社會心理學家米爾格倫(Stanley Milgram)於20世紀60年代最先提出。1967年，哈佛大學的心理學教授Stanley Milgram(1933-1984)想要描繪一個連結人與社區的人際連系網。做過一次連鎖信實驗，結果發現了「六度分隔」現象。簡單地說：「你和任何一個陌生人之間所間隔的人不會超過六個，也就是說，最多通過六個人你就能夠認識任何一個陌生人。」
「六度分隔」說明了社會中普遍存在的「弱紐帶」，但是卻發揮著非常強大的作用。有很多人在找工作時會體會到這種弱紐帶的效果。 通過弱紐帶人與人之間的距離變得非常「相近」。
Jon Kleinberg 把這個問題變成了一個可以評估的數學模型，並發表在自己的論文「The Small-World Phenomenon」中。我們經常在與新朋友碰面的時候說「世界真小」，因為往往可能大家有共同認識的人。Jon的研究實證了這個觀點。
曾經「六度分隔」理論只能作為理論而存在。但是，互聯網使一切成為現實。六度理論的發展，使得構建於信息技術與互聯網路之上的應用軟體越來越人性化、社會化。軟體的社會化，即在功能上能夠反映和促進真實的社會關系的發展和交往活動的形成，使得人的活動與軟體的功能融為一體。六度理論的發現和社會性軟體的發展向人們表明：社會性軟體所構建的「弱鏈接」，正在人們的生活中扮演越來越重要的作用。 從歐洲發源的「赫特兄弟會」是一個自給自足的農民自發組織，這些組織在維持民風上發揮了重要作用。有趣的是，他們有一個不成文的嚴格規定：每當聚居人數超過150人的規模，他們就把它變成兩個，再各自發展。
「把人群控制在150人以下似乎是管理人群的一個最佳和最有效的方式。」
150法則在現實生活中的應用很廣泛。比如中國移動的「動感地帶」sim卡只能保存150個手機號，微軟推出的聊天工具「MSN」（也是一種SS）只能是一個MSN對應150個聯系人。
150成為我們普遍公認的「我們可以與之保持社交關系的人數的最大值。」無論你曾經認識多少人，或者通過一種社會性網路服務與多少人建立了弱鏈接，那些強鏈接仍然在此次此刻符合150法則。這也符合「二八」法則[3]，即80%的社會活動可能被150個強鏈接所佔有。

㈥ 社會網路分析方法

社會網路分析方法是由社會學家根據數學方法﹑圖論等發展起來的定量分析方法，近年來，該方法在職業流動、城市化對個體幸福的影響和經濟體系、國際貿易等領域廣泛應用，並發揮了重要作用。

社會網路分析是社會學領域比較成熟的分析方法，社會學家們利用它可以比較得心應手地來解釋一些社會學問題。許多學科的專家如經濟學、管理學等領域的學者們在新經濟時代——知識經濟時代，面臨許多挑戰時，開始考慮借鑒其他學科的研究方法，社會網路分析就是其中的一種。

網路指的是各種關聯，而社會網路即可簡單地稱為社會關系所構成的結構。社會網路分析問題起源於物理學中的適應性網路，通過研究網路關系，有助於把個體間關系、「微觀」網路與大規模的社會系統的「宏觀」結構結合起來，通過數學方法﹑圖論等定量分析方法，是20世紀70年代以來在社會學、心理學、人類學、數學、通信科學等領域逐步發展起來的一個的研究分支。

所以，從社會網路的角度出發，人在社會環境中的相互作用可以表達為基於關系的一種模式或規則，而基於這種關系的有規律模式反映了社會結構，這種結構的量化分析是社會網路分析的出發點。

社會網路分析不僅僅是一種工具，更是一種關系論的思維方式。可以利用來解釋一些社會學、經濟學、管理學等領域問題。

㈦ 社會網路分析的內容簡介

本書的內容結構是，除前言外共分為八章，分別介紹社會網路分析的基本原理和理論、社會網路資料類型和收集方法、網路分析的各種技術與方法、社會網路分析的應用等內容。
第一章
首先追溯了西方社會網路分析的思想淵源，對國內外的研究狀況做了系統回顧，介紹了社會網路分析的一些新進展。社會網路分析有不同的學科發展背景，其發展也經歷了不同的階段。我們通過回顧社會網路分析思想與方法在西方的發展，梳理出其中的主要線索和問題，並結合國內的研究狀況進行探討，目的在於強調更好地借鑒已有的成果，加強對社會網路分析的認識和應用。
第二章
系統說明了社會網路分析的基本原理。社會網路分析作為一種獨立的社會研究方法，已形成了自己的理論基礎和方法論原則。通過這些方面我們可以認識社會網路分析方法的特徵及其獨特之處。在本章中我們在說明社會網路分析概念的基礎上，具體介紹了社會網路分析的方法論原理和研究程序。
第三章
主要說明社會網路分析所用的數據資料具有自己的類型與特徵，它是一組反映行動者關系的信息。社會網路資料首先是關於社會關系的數據信息，簡稱關系數據。關系數據不同於屬性數據，不僅其本質內容不同，其表達形式也不同。本章在介紹了社會網路資料的概念和類型基礎上，結合研究設計具體說明了社會網路的測量及其收集方法。
第四章
主要介紹社會網路分析的研究技術與方法。社會網路最基本的數學表達形式是圖論法和矩陣法。圖論法是以線和點的形式來表示行動者及其關系的一種方法。用社群圖可表示社會關系的結構、特徵等屬性。矩陣法是把社會網路中的每一個結點或關系分別按行和列的方式排列即可形成網路矩陣，包括鄰接矩陣、關聯矩陣等。矩陣法可以對群體關系進行具體分析。
第五章
是關於社會網路的中心度分析。中心度是我們認識社會網路中行動者位置及其關系的重要概念，具有廣泛的應用性。本章首先介紹了中心度、中心勢概念，重點說明了結點中心度、緊密中心度、間距中心度及其測量方法。最後又對社會網路中與等級密切相關的權力和聲望作了分析。網路中的聲望不同於一般意義的社會聲望概念，這里主要說明了接近度聲望概念及其測量。
第六章
是關於社會網路分析中的子群研究。構成社會網路的基本元素就是行動者及其群體，社會中存在著各種各樣的子群，它們相互結合形成了復雜的社會結構。本章首先從社會群體、子群概念出發，說明各種團聚性的子群及其測量方法，包括「團伙」、n-團伙、n-宗派、k-叢等，最後分析隸屬性群體。
第七章
是關於網路中的位置和角色的分析。在社會結構分析中，位置和角色是兩個重要的概念。本章在簡要介紹了網路分析的位置和角色概念之後，主要說明了結構等價性、自同構等價性和正則等價性及其不同的測量方法，最後一節簡要介紹了關系代數法和統計模型法。位置和角色分析是目前社會網路分析中數量化分析程度最高的方面，已應用和發展出了許多不同的數學分析方法。本章結合例子簡要介紹了聚類法、統計模型法等。這些分析方法現在都可藉助於有關的分析軟體來應用。
第八章
討論了社會網路分析的一些應用。社會網路分析具有非常廣泛的應用，其應用領域已遠遠超出了社會學和人類學的傳統范圍，如小群體關系、社會支持網等，而且擴展到了人文社會科學甚至工程技術科學的諸多領域。但本書只是簡要分析了與社會網路分析密切相關的社會資本研究以及體現中國社會結構特徵的「關系」研究。
本書最後在附錄中介紹了社會網路分析軟體包的應用，重點說明了Pajek 的內容及使用方法。附錄中還附有兩個不同的各具代表性的《社會網路分析》教學大綱，供讀者參考比較。

㈧ 《社會網路分析方法與實踐》epub下載在線閱讀全文，求百度網盤雲資源

《社會網路分析方法與實踐》（）電子書網盤下載免費在線閱讀

鏈接: https://pan..com/s/1y9Kiz07GFKQMbIRIGZv_gg

書名:社會網路分析方法與實踐

豆瓣評分:7.2

作者:

出版社:機械工業出版社

副標題:方法與實踐

原作名:Social Network Analysis for Startups

譯者:王薇/王成軍/王穎/劉璟

出版年:2013-6-1

頁數:177

內容簡介:

本書以基於Python的網路分析包NetworkX作為社會網路分析工具，但不是一本NetworkX使用手冊。作者將重點放在如何從龐大的社會網路分析學術積累中，挑選最精要與最實用的知識點，以幫助讀者形成關於社會網路分析的知識譜系圖。全書可以分為四部分。第1章和第2章是基礎知識，主要介紹社會網路分析的背景信息與圖論基礎知識。第3~5章主要介紹如何分析社會網路，分別從個體與群體兩個層面，介紹社會網路的主要測量指標與分析方法。其中第3章重點介紹社會網路節點層面的四個核心指標：

程度中心性：哪些是明星人物？哪些是邊緣者？程度中心性回答類似問題。這是最為人們理解的社會網路測量指標。以微博為例，程度中心性就是粉絲的數量，那些程度中心性高的人就是微博中的明星。

親近中心性：親近中心性通過點與其他點的距離來測量。那些在社交網路中經常與人互動、人際關系頗好的人，比如公司中的八卦傳播者，往往親近中心性得分較高。

居間中心性：節點的居間程度，表示一個網路中經過該點最短路徑的數量。在網路中，節點的居間程度越大，那麼它在節點相互之間的信息傳播起到的作用也就越大。在兩個社會網路之間的人，比如跨界者，往往擁有較高的居間中心性。

特徵向量中心性：那些在社交網路中沉默卻擁有極大權力的人物，如《教父》中的主人翁柯里昂。社會網路研究者將他們稱為「灰衣主教」。特徵向量中心性就是找出他們的辦法。基本原理是，一個有著高特徵向量中心性的行動者，與他建立連接的很多行動者往往也被其他很多行動者所連接。在社交網路中，有這樣一種人，很多明星與其做朋友，即使他沉默不語，也可能是一位重要的人物。

社會網路分析不僅僅在節點層面測量。第4章、第5章介紹如何分析群體。其中，第4章主要介紹社群劃分的基礎知識：如何將龐大的社會網路劃分為小的組塊？如何利用社會網路中的結構洞牟利？如何進行三元組普查與分析？例如，如何通過島嶼方法逐步找出推特上埃及革命的成千上萬條轉發的核心人物？又如，如何評估埃及革命中一個人的信息傳播能力？顯然，如果你的朋友們相互信任，將比那種一個明星發言，粉絲們單純收聽的星形網路傳播能力更強。第5章主要介紹二模網路與多模網路的基礎知識。關系還會存在於不同類型的主體之間，比如公司僱傭員工、投資者購買公司股票、人們佔有信息與資源等。這些關系稱為二模關系。現實生活中的關系往往是二模或多模。比如在微博上，可以通過你的興趣、地域、使用的標簽來為你推薦新的朋友，或者基於你對一些公共事件的看法，將你劃分到特定政治群體中，這些都是基於二模或多模網路的分析得出的。

第6章是全書最精彩的部分，關注信息如何傳播，初步展示分析動態社會網路發展的建模技巧。一條微博如何從一兩個人關注突然成為流行用語？作者在實驗中發現，當網路密度接近7%的時候，將從線性增長（每次增加一條連接）轉化為病毒式擴散，也就是說，如果轉發一條微博、加入一個網路社群等的人數比例達到7%，其他人將會在關鍵階段馬上跟進。這是一個推動臉譜走出哈佛大學的神奇數字。臉譜一步一步地躍遷，總是遵循一個規則——在一個社群里到達飽和點之後才移入一個更大的社群。作者通過手寫Python演算法，為讀者打開動態社會網路與網路模擬的大門——我們如何用演算法來模擬人類社會各類關系的變遷？有了自己親手實踐演算法的經驗，讀者未來使用netlogo等網路模擬軟體，將更加得心應手。

對於初學者來說，第4~6章這三章有一定難度，需要同時理解社會科學與編程技巧兩方面知識。第7章則簡單明了，主要介紹獲取網路數據的入門知識。如果希望深入了解，可以閱讀作者推薦的相關資源。附錄A介紹收集社會網路分析所需數據的傳統方法、倫理准則與相關API。附錄B介紹如何安裝本書涉及的相關軟體，如NetworkX、matplotlib等。

總而言之，作為一本技術非常新穎的入門讀物，本書通俗易懂，基於Python進行分析使得其靈活性變得更高。可以說，本書令學習者從一開始就具有上手實踐的能力，除介紹網路數據獲取技巧、網路抽樣方法、網路在個體與群體兩個層面的基本屬性之外，還涉及目前日益熱門的網路模擬方法，融合基礎理論與演算法於一身。簡約卻不簡單，上升空間非常大！無論你是對社會網路感興趣的大眾讀者，還是社會網路的專業研究者、開發者，相信本書都會在社會網路的理論與實踐兩方面給予啟發！

作者簡介:

maksim tsvetovat是一個跨學科的科學家、軟體工程師和爵士音樂家。他從卡內基·梅隆大學獲得計算、組織和社會方向的博士學位，專注於社會網路進化、信息和態度擴散、集體智能發生的計算機建模。目前，他在喬治·梅森大學教授社會網路分析。他還是deepmile networks公司的聯合創始人之一，該公司聚焦於社交媒體影響的圖形化。maksim還教授社會網路分析的管理人員研討班，包括面向創業公司的「社會網路」和面向決策人員的「理解社交媒體」。

alexander kouznetsov是一名軟體設計師和架構師，具有從數據倉庫到信號處理的廣泛技術背景。他為業界開發了大量的社會網路分析工具，從大規模數據採集到在線分析和演示工具。alex在得克薩斯大學獲得數學和計算科學學士學位。