社会网络分析网络密度一般多少

㈠ 社会网络规模越大,网络密度越高吗急用

虽然数据量大，数据价值密度低是大数据的2个重要特征，但数据量越大，数据的价值密度不一定就越低，两者之间并没有必然的关系。安徽瑶贝广告传媒

1）传统数据基本都是结构化数据，每个字段都是有用的，价值密度非常高。大数据时代，越来越多数据都是半结构化和非结构化数据，比如网站访问日志，里面大量内容都是没价值的，真正有价值的比较少，虽然数据量比以前大了N倍，但价值密度确实低了很多。

㈡ 社会网络分析法的介绍

《社会网络分析法》是2007年重庆大学出版社出版的图书，作者是斯科特。社会是一个由多种多样的关系构成的巨大网络。如何研究关系？视角当然多种多样，既可以像林语堂的小说中描述的那样对关系进行细致的刻画，又可以像黄光国等社会心理学家那样对人情、面子和关系网进行质的描述，更可以用社会网络分析法对关系进行量化的表征，从而揭示关系的结构，解释一定的社会现象。社会网络分析的意义在于，它可以对各种关系进行精确的量化分析，从而为某种中层理论的构建和实证命题的检验提供量化的工具，甚至可以建立“宏观和微观”之间的桥梁。本书就像一本手册，引导读者进入社会网络分析的研究领域。它既适用于社会网络分析的初学者，也适用于对社会网络分析有所了解的人士。

㈢ 社会化网络分析论文的一般结构是什么

1、 点：行动者、节点（actors, nodes）

即为社会网络中的一个功能个体（包括个人、单位、团体（看成一个整体）），在虚拟网络中表现为一个注册用户，ID等。

在社会网络研究领域，任何一个社会单位、社会实体或功能个体都可以看成是“节点”，或者行动者。

一个图中： 节点集合N={n1,n2,、、、n3}

2、 线,关系（relationship）：

用来刻画关系数据，关于接触、联络、关联、群体依附和聚会等方面的数据，这类数据把一个能动者与另外一个能动者联系在一起，因而不能还原为单个行动者本身的属性。如上图表示的线arc。

一般称由一条线连着的点是相互“邻接的（adjacent）”,邻接是对由两个点代表的两个行动者之间直接相关这个事实的图论表达。

一般有无向线、有向线、多值线、有向多值线。

由线构成的图无向图、有向图、有向多值、无向多值图。

3、 邻域（neighborhood）:

与某个特定点相邻的那些点成为该点的“邻域”。

4、 度数（degree）:

邻域中的总点数成为度数。（严格的说应该是“关联度”，（degree of connection））,一个点的度数就是对其“邻域”规模大小的一种数值侧度。

一个点（无向图）的度数，在邻接矩阵中，一个点的度数用该点所对应的行或者列的各项中的非0值总数来表示。如果是二值（有项）的，那么一个点的度数就是该点所在行和所在列的总合。

在有向图中，“度数”包括两个不同方面，表达社会关系的线的方向。分别称为“点入度（in-degree）”：直接指向该点的点数总合；和“点出度（out-degree）”：该点所直接指向的其它点的总数。因此，对应在有向图的矩阵上，点的入度：对应该点所在列的地总和上。出度：该点所在行的总和上。

所有点的度数总合：无向图的总度数查线（关系）即可，有项图的总度数查线的2倍。

5、 线路（walk）：

各个点可以通过一条线直接相连，也可以通过一系列线间接相连，在一个图中的这一系列线叫做一条“线路”。

6、 途经(path)：

线路中每个点和每条线都各不相同，则称该线路为“途经”，“途经”的“长度”，用构成该途经的线的条数来测量。

7、 距离(distance):

一个重要的概念，指连接两个点的最短路径（即捷径，geodesic）的长度。在图论中一般称作最短路经。要与“途经”的概念相区分。

8、 方向

主要是看有向图的方向问题。

9、 密度（density）

描述了一个图中各个点之间关联的紧密程度。一个“完备(complete)图”（在图论中称完全图）指的是一个所有点之间都相互邻接的图。这种完备性即使在小网络中也积极少见。密度这个概念试图对线的总分布进行汇总，以便测量图在多大程度上具有这种完备性。密度依赖于另外两个网络结构参数：图的内含度和图中各点的度数总和。密度指的是一个图的凝聚力的总体水平。

“密度”和“中心势”这两个概念代表的是一个图的总体“紧凑性（compactness）”的不同方面。

图的内含度（inclusiveness）：图中各类关联部分包含的总点数，也可表述为图的总点数减去孤立点的数。不同的图进行比较常用的侧度为： 关联点数/总点数 15/20=75%

各点度数总和：

密度计算公式： 图中实际拥有的连线数与最多可能拥有的线数之比，其表达式为2l/n(n-1)。 有向图的表达式为：l/n(n-1)

多值图的密度：需要估值多重度问题，显然多重度高的线对于网络密度的贡献要比多重度低的线的贡献大。比较有争议的一种测度。

巴恩斯（Barnes,1974）比较了两类社会网络分析：

10、 个体中心（ego-centric） 网研究

围绕特定的参考点而展开的社会网，密度分析关注的是围绕着某些特定行动者的关系的密度。计算个体中心网密度的时候，通常不考虑核心成员及与该成员有直接关系的接触者，而是只关注在这些接触者之间存在的各种联系（links）。

11、 社会中心（socio-centric）网研究

关注的是作为一个整体的网络关联模式，这是对社会网络分析的另外一类贡献，从这一角度出发，密度则不再是局部行动者的“个体网”密度，而是整个网络的密度。密度计算上文已经提到。

12、 点度中心度（point centrality）

一个图中各个点的相对中心度

13、 图的中心度（graph centrality） 即为中心势的概念

14、 整体中心度（global centrality） （弗里曼Freeman 1979,1980）

整体中心度指的是该点在总体网络中的战略重要性。根据各个点之间的接近性（closeness）,根据不同点之间的距离。可以计算出图中某点与其他各个点之间的最短距离之和。

无向图：可以通过软件计算出来一个无向图中各个点之间的距离矩阵，那么一个点的“距离和”比较低的点与其他很多点都“接近”。接近性和距离和呈反向关系。

有向图：“内接近性（in-closeness）”和“外接近性(out-closeness)”来计算

15、 局部中心点

一个点在七紧邻的环境中与很多点有关联，如果一个点有许多直接相关的“邻点”，我们便说该点是局部中心点。

16、 整体中心点

如果一个点在网络的总体结构上占据战略上的重要地位，我们就说该点是整体中心点。

17、 局部中心度（local centrality）

局部某点对其邻点而言的相对重要性。测量仅仅根据与该点直接相连的点数，忽略间接相连的点数。在有向图中有内中心度（in-centrality）和外中心度（out-centrality）。也可以自定义距离为1或2进行测度，如果定义为4（大多数点的距离为4），就毫无意义，也没有信息。

18、 局部中心度的相对测度

点的实际度数与可能联络得最多度数之，注意要去掉该点本身。

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

指的不是点的相对重要性，而是整个图的总体凝聚力或整合度。很少有人试图界定一个图的结构中心思想。中心势描述的则是这种内聚性能够在多大程度上围绕某些特定点组织起来。因此，中心势和密度是两个重要的、彼此相互补充的量度。

核心点的中心度和其它点的中心度之差。因此得出概念：实际的差值总和和与最大可能的差值总和相比。

㈣ 什么是社会网络分析法

社会网络分析(Social Network Analysis) 社会网络分析方法是由社会学家根据数学方法﹑图论等发展起来的 定 量分析方法 ，近年来，该方法在 职业流动 、 城市化对个体幸福的影响、世界政治和 经济体系 、 国际贸易 等领域广 泛应用，并发挥了重要作用。 社会网络分析是社会学领域比较成熟的分析方法， 社会学家们利用它可以比较得心应手地来解释一些社会学问题。 许多学科的专家如 经济学 、 管理学 等领域的学者们在 新经济 时代—— 知识经济时代，面临许多挑战时， 开始考虑借鉴其他学科的研究方法，社会网络分析就是其中的一种。

希望采纳

㈤ 社会性网络的社会性网络分析

根据维基网络的解释，“社会网络（Social Networking：SN）”是指个人之间的关系网络。
据一些不系统的分析，社会网络（或称为社会性网络）的理论基础源于六度分隔理论（Six Degrees of Separation）和150法则（Rule Of 150）。 美国着名社会心理学家米尔格伦(Stanley Milgram)于20世纪60年代最先提出。“你和任何一个陌生人之间所间隔的人不会超过六个，也就是说，最多通过六个人你就能够认识任何一个陌生人。”
六度分隔理论(Six Degrees of Separation)由美国着名社会心理学家米尔格伦(Stanley Milgram)于20世纪60年代最先提出。1967年，哈佛大学的心理学教授Stanley Milgram(1933-1984)想要描绘一个连结人与社区的人际连系网。做过一次连锁信实验，结果发现了“六度分隔”现象。简单地说：“你和任何一个陌生人之间所间隔的人不会超过六个，也就是说，最多通过六个人你就能够认识任何一个陌生人。”
“六度分隔”说明了社会中普遍存在的“弱纽带”，但是却发挥着非常强大的作用。有很多人在找工作时会体会到这种弱纽带的效果。 通过弱纽带人与人之间的距离变得非常“相近”。
Jon Kleinberg 把这个问题变成了一个可以评估的数学模型，并发表在自己的论文“The Small-World Phenomenon”中。我们经常在与新朋友碰面的时候说“世界真小”，因为往往可能大家有共同认识的人。Jon的研究实证了这个观点。
曾经“六度分隔”理论只能作为理论而存在。但是，互联网使一切成为现实。六度理论的发展，使得构建于信息技术与互联网络之上的应用软件越来越人性化、社会化。软件的社会化，即在功能上能够反映和促进真实的社会关系的发展和交往活动的形成，使得人的活动与软件的功能融为一体。六度理论的发现和社会性软件的发展向人们表明：社会性软件所构建的“弱链接”，正在人们的生活中扮演越来越重要的作用。 从欧洲发源的“赫特兄弟会”是一个自给自足的农民自发组织，这些组织在维持民风上发挥了重要作用。有趣的是，他们有一个不成文的严格规定：每当聚居人数超过150人的规模，他们就把它变成两个，再各自发展。
“把人群控制在150人以下似乎是管理人群的一个最佳和最有效的方式。”
150法则在现实生活中的应用很广泛。比如中国移动的“动感地带”sim卡只能保存150个手机号，微软推出的聊天工具“MSN”（也是一种SS）只能是一个MSN对应150个联系人。
150成为我们普遍公认的“我们可以与之保持社交关系的人数的最大值。”无论你曾经认识多少人，或者通过一种社会性网络服务与多少人建立了弱链接，那些强链接仍然在此次此刻符合150法则。这也符合“二八”法则[3]，即80%的社会活动可能被150个强链接所占有。

㈥ 社会网络分析方法

社会网络分析方法是由社会学家根据数学方法﹑图论等发展起来的定量分析方法，近年来，该方法在职业流动、城市化对个体幸福的影响和经济体系、国际贸易等领域广泛应用，并发挥了重要作用。

社会网络分析是社会学领域比较成熟的分析方法，社会学家们利用它可以比较得心应手地来解释一些社会学问题。许多学科的专家如经济学、管理学等领域的学者们在新经济时代——知识经济时代，面临许多挑战时，开始考虑借鉴其他学科的研究方法，社会网络分析就是其中的一种。

网络指的是各种关联，而社会网络即可简单地称为社会关系所构成的结构。社会网络分析问题起源于物理学中的适应性网络，通过研究网络关系，有助于把个体间关系、“微观”网络与大规模的社会系统的“宏观”结构结合起来，通过数学方法﹑图论等定量分析方法，是20世纪70年代以来在社会学、心理学、人类学、数学、通信科学等领域逐步发展起来的一个的研究分支。

所以，从社会网络的角度出发，人在社会环境中的相互作用可以表达为基于关系的一种模式或规则，而基于这种关系的有规律模式反映了社会结构，这种结构的量化分析是社会网络分析的出发点。

社会网络分析不仅仅是一种工具，更是一种关系论的思维方式。可以利用来解释一些社会学、经济学、管理学等领域问题。

㈦ 社会网络分析的内容简介

本书的内容结构是，除前言外共分为八章，分别介绍社会网络分析的基本原理和理论、社会网络资料类型和收集方法、网络分析的各种技术与方法、社会网络分析的应用等内容。
第一章
首先追溯了西方社会网络分析的思想渊源，对国内外的研究状况做了系统回顾，介绍了社会网络分析的一些新进展。社会网络分析有不同的学科发展背景，其发展也经历了不同的阶段。我们通过回顾社会网络分析思想与方法在西方的发展，梳理出其中的主要线索和问题，并结合国内的研究状况进行探讨，目的在于强调更好地借鉴已有的成果，加强对社会网络分析的认识和应用。
第二章
系统说明了社会网络分析的基本原理。社会网络分析作为一种独立的社会研究方法，已形成了自己的理论基础和方法论原则。通过这些方面我们可以认识社会网络分析方法的特征及其独特之处。在本章中我们在说明社会网络分析概念的基础上，具体介绍了社会网络分析的方法论原理和研究程序。
第三章
主要说明社会网络分析所用的数据资料具有自己的类型与特征，它是一组反映行动者关系的信息。社会网络资料首先是关于社会关系的数据信息，简称关系数据。关系数据不同于属性数据，不仅其本质内容不同，其表达形式也不同。本章在介绍了社会网络资料的概念和类型基础上，结合研究设计具体说明了社会网络的测量及其收集方法。
第四章
主要介绍社会网络分析的研究技术与方法。社会网络最基本的数学表达形式是图论法和矩阵法。图论法是以线和点的形式来表示行动者及其关系的一种方法。用社群图可表示社会关系的结构、特征等属性。矩阵法是把社会网络中的每一个结点或关系分别按行和列的方式排列即可形成网络矩阵，包括邻接矩阵、关联矩阵等。矩阵法可以对群体关系进行具体分析。
第五章
是关于社会网络的中心度分析。中心度是我们认识社会网络中行动者位置及其关系的重要概念，具有广泛的应用性。本章首先介绍了中心度、中心势概念，重点说明了结点中心度、紧密中心度、间距中心度及其测量方法。最后又对社会网络中与等级密切相关的权力和声望作了分析。网络中的声望不同于一般意义的社会声望概念，这里主要说明了接近度声望概念及其测量。
第六章
是关于社会网络分析中的子群研究。构成社会网络的基本元素就是行动者及其群体，社会中存在着各种各样的子群，它们相互结合形成了复杂的社会结构。本章首先从社会群体、子群概念出发，说明各种团聚性的子群及其测量方法，包括“团伙”、n-团伙、n-宗派、k-丛等，最后分析隶属性群体。
第七章
是关于网络中的位置和角色的分析。在社会结构分析中，位置和角色是两个重要的概念。本章在简要介绍了网络分析的位置和角色概念之后，主要说明了结构等价性、自同构等价性和正则等价性及其不同的测量方法，最后一节简要介绍了关系代数法和统计模型法。位置和角色分析是目前社会网络分析中数量化分析程度最高的方面，已应用和发展出了许多不同的数学分析方法。本章结合例子简要介绍了聚类法、统计模型法等。这些分析方法现在都可借助于有关的分析软件来应用。
第八章
讨论了社会网络分析的一些应用。社会网络分析具有非常广泛的应用，其应用领域已远远超出了社会学和人类学的传统范围，如小群体关系、社会支持网等，而且扩展到了人文社会科学甚至工程技术科学的诸多领域。但本书只是简要分析了与社会网络分析密切相关的社会资本研究以及体现中国社会结构特征的“关系”研究。
本书最后在附录中介绍了社会网络分析软件包的应用，重点说明了Pajek 的内容及使用方法。附录中还附有两个不同的各具代表性的《社会网络分析》教学大纲，供读者参考比较。

㈧ 《社会网络分析方法与实践》epub下载在线阅读全文，求百度网盘云资源

《社会网络分析方法与实践》（）电子书网盘下载免费在线阅读

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

书名:社会网络分析方法与实践

豆瓣评分:7.2

作者:

出版社:机械工业出版社

副标题:方法与实践

原作名:Social Network Analysis for Startups

译者:王薇/王成军/王颖/刘璟

出版年:2013-6-1

页数:177

内容简介:

本书以基于Python的网络分析包NetworkX作为社会网络分析工具，但不是一本NetworkX使用手册。作者将重点放在如何从庞大的社会网络分析学术积累中，挑选最精要与最实用的知识点，以帮助读者形成关于社会网络分析的知识谱系图。全书可以分为四部分。第1章和第2章是基础知识，主要介绍社会网络分析的背景信息与图论基础知识。第3~5章主要介绍如何分析社会网络，分别从个体与群体两个层面，介绍社会网络的主要测量指标与分析方法。其中第3章重点介绍社会网络节点层面的四个核心指标：

程度中心性：哪些是明星人物？哪些是边缘者？程度中心性回答类似问题。这是最为人们理解的社会网络测量指标。以微博为例，程度中心性就是粉丝的数量，那些程度中心性高的人就是微博中的明星。

亲近中心性：亲近中心性通过点与其他点的距离来测量。那些在社交网络中经常与人互动、人际关系颇好的人，比如公司中的八卦传播者，往往亲近中心性得分较高。

居间中心性：节点的居间程度，表示一个网络中经过该点最短路径的数量。在网络中，节点的居间程度越大，那么它在节点相互之间的信息传播起到的作用也就越大。在两个社会网络之间的人，比如跨界者，往往拥有较高的居间中心性。

特征向量中心性：那些在社交网络中沉默却拥有极大权力的人物，如《教父》中的主人翁柯里昂。社会网络研究者将他们称为“灰衣主教”。特征向量中心性就是找出他们的办法。基本原理是，一个有着高特征向量中心性的行动者，与他建立连接的很多行动者往往也被其他很多行动者所连接。在社交网络中，有这样一种人，很多明星与其做朋友，即使他沉默不语，也可能是一位重要的人物。

社会网络分析不仅仅在节点层面测量。第4章、第5章介绍如何分析群体。其中，第4章主要介绍社群划分的基础知识：如何将庞大的社会网络划分为小的组块？如何利用社会网络中的结构洞牟利？如何进行三元组普查与分析？例如，如何通过岛屿方法逐步找出推特上埃及革命的成千上万条转发的核心人物？又如，如何评估埃及革命中一个人的信息传播能力？显然，如果你的朋友们相互信任，将比那种一个明星发言，粉丝们单纯收听的星形网络传播能力更强。第5章主要介绍二模网络与多模网络的基础知识。关系还会存在于不同类型的主体之间，比如公司雇佣员工、投资者购买公司股票、人们占有信息与资源等。这些关系称为二模关系。现实生活中的关系往往是二模或多模。比如在微博上，可以通过你的兴趣、地域、使用的标签来为你推荐新的朋友，或者基于你对一些公共事件的看法，将你划分到特定政治群体中，这些都是基于二模或多模网络的分析得出的。

第6章是全书最精彩的部分，关注信息如何传播，初步展示分析动态社会网络发展的建模技巧。一条微博如何从一两个人关注突然成为流行用语？作者在实验中发现，当网络密度接近7%的时候，将从线性增长（每次增加一条连接）转化为病毒式扩散，也就是说，如果转发一条微博、加入一个网络社群等的人数比例达到7%，其他人将会在关键阶段马上跟进。这是一个推动脸谱走出哈佛大学的神奇数字。脸谱一步一步地跃迁，总是遵循一个规则——在一个社群里到达饱和点之后才移入一个更大的社群。作者通过手写Python算法，为读者打开动态社会网络与网络仿真的大门——我们如何用算法来模拟人类社会各类关系的变迁？有了自己亲手实践算法的经验，读者未来使用netlogo等网络仿真软件，将更加得心应手。

对于初学者来说，第4~6章这三章有一定难度，需要同时理解社会科学与编程技巧两方面知识。第7章则简单明了，主要介绍获取网络数据的入门知识。如果希望深入了解，可以阅读作者推荐的相关资源。附录A介绍收集社会网络分析所需数据的传统方法、伦理准则与相关API。附录B介绍如何安装本书涉及的相关软件，如NetworkX、matplotlib等。

总而言之，作为一本技术非常新颖的入门读物，本书通俗易懂，基于Python进行分析使得其灵活性变得更高。可以说，本书令学习者从一开始就具有上手实践的能力，除介绍网络数据获取技巧、网络抽样方法、网络在个体与群体两个层面的基本属性之外，还涉及目前日益热门的网络模拟方法，融合基础理论与算法于一身。简约却不简单，上升空间非常大！无论你是对社会网络感兴趣的大众读者，还是社会网络的专业研究者、开发者，相信本书都会在社会网络的理论与实践两方面给予启发！

作者简介:

maksim tsvetovat是一个跨学科的科学家、软件工程师和爵士音乐家。他从卡内基·梅隆大学获得计算、组织和社会方向的博士学位，专注于社会网络进化、信息和态度扩散、集体智能发生的计算机建模。目前，他在乔治·梅森大学教授社会网络分析。他还是deepmile networks公司的联合创始人之一，该公司聚焦于社交媒体影响的图形化。maksim还教授社会网络分析的管理人员研讨班，包括面向创业公司的“社会网络”和面向决策人员的“理解社交媒体”。

alexander kouznetsov是一名软件设计师和架构师，具有从数据仓库到信号处理的广泛技术背景。他为业界开发了大量的社会网络分析工具，从大规模数据采集到在线分析和演示工具。alex在得克萨斯大学获得数学和计算科学学士学位。