//2019年08月15日

文章來源：https://mp.weixin.qq.com/s/39_r3idlE3plqJwlhrvpAQ

?

一、相關(guān)概述

1、定義：“由許多節(jié)點(diǎn)構(gòu)成的一種社會(huì)結(jié)構(gòu)，節(jié)點(diǎn)通常是指?jìng)€(gè)人或者組織，而社交網(wǎng)絡(luò)代表著各種社會(huì)關(guān)系。”

*在之前是社會(huì)學(xué)和人類學(xué)的研究分支，現(xiàn)在所指的社交網(wǎng)絡(luò)分析專指在線社交網(wǎng)絡(luò)分析，該科學(xué)的發(fā)展是隨著在線社交服務(wù)的出現(xiàn)而誕生的。

*在線社交服務(wù)種類：即時(shí)消息類（QQ\wechat\whatsApp\Skype）、在線社交類應(yīng)用（QQ空間、人人、Facebook）、微博類、共享空間類應(yīng)用（論壇、博客、視頻分享、評(píng)價(jià)分享等）

*在線社交網(wǎng)絡(luò)的特點(diǎn)：迅捷、蔓延、平等、自組織

2、研究背景

*社交網(wǎng)絡(luò)因?yàn)樗拇筇匦?#xff0c;產(chǎn)生了正面影響，很多事件會(huì)在社交網(wǎng)絡(luò)上迅速發(fā)酵

*與此同時(shí)，也產(chǎn)生了很多負(fù)面影響，一些謠言和假新聞會(huì)借助社交網(wǎng)絡(luò)迅速傳播，造成不可控的影響

*社交網(wǎng)絡(luò)分析是基于信息學(xué)、數(shù)學(xué)、社會(huì)學(xué)、管理學(xué)和心理學(xué)等科學(xué)的交叉學(xué)科

3、研究方向和內(nèi)容

*結(jié)構(gòu)與演化

*群體和互動(dòng)

*信息與傳播

二、社交網(wǎng)絡(luò)的結(jié)構(gòu)特性和演化機(jī)理

1、社交網(wǎng)絡(luò)的結(jié)構(gòu)分析（建模）

(1)統(tǒng)計(jì)特征：模型中的很多概念來源于圖論，因?yàn)槠浔举|(zhì)就是一個(gè)由節(jié)點(diǎn)和邊組成的“圖”

相關(guān)概念：

• 度：網(wǎng)絡(luò)平均度反映了網(wǎng)絡(luò)的稀疏程度；度的分布可以刻畫不同節(jié)點(diǎn)的重要性；
• 網(wǎng)絡(luò)密度：定義為網(wǎng)絡(luò)中實(shí)際存在的邊數(shù)與可容納邊上限的比值，刻畫節(jié)點(diǎn)間相互連邊（社交關(guān)系）的密集程度
• 聚類系數(shù)：描述網(wǎng)絡(luò)中與同一節(jié)點(diǎn)相連的結(jié)點(diǎn)間也互為鄰節(jié)點(diǎn)的程度，刻畫社交網(wǎng)絡(luò)中一個(gè)人朋友們之間也互相是朋友的概率，反映了社交網(wǎng)絡(luò)中的聚集性
• 介數(shù)：圖中某點(diǎn)承載整個(gè)圖所有最短路徑的數(shù)量，通常用來評(píng)價(jià)節(jié)點(diǎn)的重要程度

（2）網(wǎng)絡(luò)特性

• 小世界現(xiàn)象：“地理位置相距較遠(yuǎn)的人”可能具有較短的社會(huì)關(guān)系間隔
• 無標(biāo)度特性：節(jié)點(diǎn)度分布不存在有限衡量分布范圍的性質(zhì)稱為無標(biāo)度，無標(biāo)度網(wǎng)絡(luò)表現(xiàn)出來的度分布特征為冪律分布，這是此類網(wǎng)絡(luò)的無標(biāo)度特性。

*小世界現(xiàn)象，最初的提出是哈佛教授提出的”六度分割理論”，然后19998年正式提出這個(gè)概念，并建立了小世界模型。

（3）網(wǎng)絡(luò)模型

• WS模型：即小世界模型，通過該模型生成的小世界網(wǎng)絡(luò)，是從規(guī)則網(wǎng)絡(luò)向隨機(jī)網(wǎng)絡(luò)過渡的中間形態(tài)
• BA模型：考慮現(xiàn)實(shí)網(wǎng)絡(luò)中節(jié)點(diǎn)的冪律分布特性，生成無標(biāo)度網(wǎng)絡(luò)
• 其它：森林火災(zāi)模型、Kronecker模型、生產(chǎn)模型

2、虛擬社區(qū)發(fā)現(xiàn)技術(shù)

(1)定義：虛擬社區(qū)基于子圖局部性（社區(qū)結(jié)構(gòu)是若干節(jié)點(diǎn)子集的集合，每個(gè)子集內(nèi)部點(diǎn)連接緊密，不同子集節(jié)點(diǎn)之間的連邊相對(duì)稀疏），瑞格爾德對(duì)其最早的定義“一群主要藉由計(jì)算機(jī)網(wǎng)絡(luò)彼此溝通的人們，他們彼此有某種程度的認(rèn)識(shí)、分享某種程度的知識(shí)和信息、在很大程度上如同對(duì)待朋友般彼此關(guān)懷，從而所形成的團(tuán)體”。

*個(gè)人理解：應(yīng)該是社交網(wǎng)絡(luò)中聯(lián)系緊密的一個(gè)子圖

（2）研究意義

*有助于理解網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)特點(diǎn)，揭示復(fù)雜系統(tǒng)內(nèi)在功能特性，理解社區(qū)內(nèi)關(guān)系

*為信息檢索、信息推薦、信息傳播控制和公共事件管控提供有力支撐。

理解：就相當(dāng)于現(xiàn)在所做的工作，將所有的信息建模，然后找到相應(yīng)的一堆關(guān)系子圖，其實(shí)就是尋找到社交網(wǎng)絡(luò)有價(jià)值的群體子圖？？？然后再根據(jù)此子圖進(jìn)行研究。

（3）社區(qū)發(fā)現(xiàn)評(píng)價(jià)指標(biāo)

• 模塊度:通過比較現(xiàn)有網(wǎng)絡(luò)與基準(zhǔn)網(wǎng)絡(luò)在相同社區(qū)劃分下的連接密度差來衡量網(wǎng)絡(luò)社區(qū)的優(yōu)劣
• NMI：利用信息熵來衡量預(yù)測(cè)社區(qū)結(jié)構(gòu)一直社區(qū)結(jié)構(gòu)的差異，差值越大，劃分越好；
• Rand Idex：表示在兩個(gè)劃分中都屬于同一社區(qū)或者都屬于不同社區(qū)的結(jié)點(diǎn)對(duì)的數(shù)量的比值?
• Jaccard Index：用來衡量樣本之間的差異性

（4）發(fā)現(xiàn)算法

*社區(qū)靜態(tài)發(fā)現(xiàn)

• 模塊度最優(yōu)化算法
• 多目標(biāo)優(yōu)化算法
• 基于概率模型的算法
• 信息編碼算法

*社區(qū)動(dòng)態(tài)發(fā)現(xiàn)

• 派系過濾算法
• 基于相似度的聚合算法
• 標(biāo)簽傳播算法
• 局部擴(kuò)展優(yōu)化算法

3、虛擬社區(qū)的演化分析

*在線社交網(wǎng)絡(luò)中存在的大量顯性或者隱性的虛擬社區(qū)結(jié)構(gòu)，但是這些社區(qū)的結(jié)構(gòu)不是永恒不變的，隨著事件的變化，社區(qū)結(jié)構(gòu)也在不斷演變，所以要分析動(dòng)態(tài)的虛擬社區(qū)結(jié)構(gòu)演化

（1）虛擬社區(qū)的涌現(xiàn)：其從無到右的過程，最重要的特征是網(wǎng)絡(luò)聚集現(xiàn)象。

• 周期閉包：網(wǎng)絡(luò)節(jié)點(diǎn)傾向于和自己在網(wǎng)絡(luò)中鄰居的鄰居建立連接關(guān)系而形成的結(jié)構(gòu)，這是虛擬社區(qū)形成的主要因素。（焦點(diǎn)閉包：兩個(gè)節(jié)點(diǎn)間有共同的興趣或者參與共同的活動(dòng)）
• 偏好連接：很多真實(shí)網(wǎng)絡(luò)中，新增加的邊并不是隨機(jī)連接的，而是傾向于和具有較大度數(shù)的連接

（2）虛擬社區(qū)的演化

*影響因素很多，重點(diǎn)是如何挖掘虛擬社區(qū)演化中的關(guān)鍵因素！

*用戶個(gè)體的累積效應(yīng)，結(jié)構(gòu)的多樣性和結(jié)構(gòu)平衡性對(duì)虛擬社區(qū)的演化都存在影響

（3）演化虛擬社區(qū)的發(fā)現(xiàn)（有很多研究資料）

相關(guān)算法

• 基于相鄰時(shí)刻相似度直接比較的演化虛擬社區(qū)發(fā)現(xiàn)
• 基于演化聚類分析的演化虛擬社區(qū)發(fā)現(xiàn)
• 基于拉普拉斯動(dòng)力學(xué)方法的演化虛擬社區(qū)發(fā)現(xiàn)
• 基于派系過濾算法的虛擬社區(qū)發(fā)現(xiàn)
• 基于節(jié)點(diǎn)行為趨勢(shì)分析的演化虛擬社區(qū)發(fā)現(xiàn)

問題理解：這個(gè)演化虛擬社區(qū)發(fā)現(xiàn)和之前靜/動(dòng)的演化社區(qū)發(fā)現(xiàn)有什么區(qū)別，這里的研究工作還是在虛擬社區(qū)發(fā)現(xiàn)上是嘛？

三、社交網(wǎng)絡(luò)群體行為和互動(dòng)規(guī)律

1、用戶行為

*定義：使用戶對(duì)自身需求，社會(huì)影響和社交網(wǎng)絡(luò)技術(shù)進(jìn)行綜合評(píng)估的基礎(chǔ)上做出的使用社交網(wǎng)絡(luò)服務(wù)的益園，以及由此引起的各種使用活動(dòng)的總和。

*用戶行為的研究：

• 將在線社交網(wǎng)絡(luò)作為一種特定的信息技術(shù)，研究用戶對(duì)在線社交網(wǎng)絡(luò)技術(shù)的采納行為、拒絕行為和用戶忠誠(chéng)；
• 將在線社交網(wǎng)絡(luò)視為提供各種服務(wù)和應(yīng)用的平臺(tái)，研究用戶使用各種服務(wù)和應(yīng)用所表現(xiàn)出來的特征和規(guī)律

（1）用戶采納和忠誠(chéng)度：用戶在對(duì)自身需求、社會(huì)影響和在線社交技術(shù)進(jìn)行綜合評(píng)估的基礎(chǔ)上做出的使用在線社交網(wǎng)絡(luò)服務(wù)的意愿或行為，在線社交網(wǎng)絡(luò)再出現(xiàn)初期能否被盡可能多的用戶采納和試用對(duì)于其后續(xù)的擴(kuò)散至關(guān)重要。

目前，會(huì)對(duì)用戶忠誠(chéng)做相關(guān)的研究

*相關(guān)算法

• 基于技術(shù)接受模型的在線社交網(wǎng)絡(luò)用戶采納模型
• 基于計(jì)劃行為理論的在線社交網(wǎng)絡(luò)用戶采納模型
• 基于期望確認(rèn)理論的在線社交網(wǎng)絡(luò)用戶忠誠(chéng)模型
• 基于心流體驗(yàn)理論的在線社交網(wǎng)絡(luò)用戶忠誠(chéng)模型

（2）用戶個(gè)體使用行為

• 一般使用行為
• 內(nèi)容創(chuàng)建行為
• 內(nèi)容消費(fèi)行為

（3）用戶群體互動(dòng)行為

• 群體互動(dòng)關(guān)系選擇
• 群體互動(dòng)的內(nèi)容選擇
• 群體互動(dòng)的時(shí)間規(guī)律

2、社交網(wǎng)絡(luò)情感分析

*網(wǎng)絡(luò)已經(jīng)是人們獲取信息，發(fā)表意見的主要途徑，根據(jù)文本內(nèi)容，可以分成兩種：客官描述信息和主觀性信息。

*情感分析在這里等同于“意見挖掘“，是針對(duì)主觀性信息進(jìn)行分析、處理和歸納過程。

（1）文本情感分析

（2）社交網(wǎng)絡(luò)情感分析技術(shù)

3、個(gè)體影響力分析

*發(fā)現(xiàn)社交網(wǎng)絡(luò)中有影響力的個(gè)體

（1）基于網(wǎng)絡(luò)結(jié)構(gòu)的個(gè)體影響力計(jì)算：度中心度（與該節(jié)點(diǎn)直接相連的節(jié)點(diǎn)的數(shù)量）、接近中心度（某節(jié)點(diǎn)與網(wǎng)絡(luò)中所有其他節(jié)點(diǎn)的最短距離之和）、介數(shù)（衡量某節(jié)點(diǎn)在社交網(wǎng)絡(luò)中中介作用大小，網(wǎng)絡(luò)中某兩個(gè)節(jié)點(diǎn)所有最短路徑的數(shù)量除以這些路徑中經(jīng)過A節(jié)點(diǎn)路徑的數(shù)量便是A節(jié)點(diǎn)的介數(shù)）

（2）基于行為的個(gè)體影響力計(jì)算

（3）基于話題的個(gè)體影響力計(jì)算

4、群體聚集及影響機(jī)制分析

*群體極化：在群體決策的情境中，個(gè)體意見或決定往往會(huì)受到群體間的彼此討論的影響，而產(chǎn)生一個(gè)群體性的結(jié)果。群體極化往往表現(xiàn) 為群體內(nèi)的個(gè)體不經(jīng)過個(gè)人思考而同意大多數(shù)人的觀點(diǎn)。

*產(chǎn)生條件：

• 必須有激發(fā)事件出現(xiàn)
• 群體內(nèi)的個(gè)人能看到前人的選擇
• 群體信息缺乏
• 群體有一定的同質(zhì)性

四、社交網(wǎng)絡(luò)信息傳播與演化機(jī)理

1、在線社交網(wǎng)絡(luò)信息檢索

*信息檢索：從大規(guī)模非結(jié)構(gòu)化數(shù)據(jù)中獲取信息的過程

（1）社交網(wǎng)絡(luò)內(nèi)容搜索

• 時(shí)間先驗(yàn)方法
• 多特征組合的方法

（2）社交網(wǎng)絡(luò)內(nèi)容分類

（3）社交網(wǎng)絡(luò)推薦

• 協(xié)同過濾推薦
• 基于模型的推薦：鄰居模型，矩陣分解模型，融入社交網(wǎng)絡(luò)信息

2、社交網(wǎng)絡(luò)信息傳播規(guī)律

*信息傳播是人們通過符號(hào)、信號(hào)、傳遞、接收與反饋信息的活動(dòng)，是人們彼此交換意見、思想、情感已達(dá)到互相了解和影響的過程。

（1）基于網(wǎng)絡(luò)結(jié)構(gòu)的傳播模型

• 線性閾值模型
• 獨(dú)立級(jí)聯(lián)模型

（2）基于群體狀態(tài)的傳播模型

• 線性影響力模型

（3）基于信息特征的傳播模型

?

3、話題發(fā)現(xiàn)與演化

（1）基于主題模型的話題發(fā)現(xiàn)

（2）基于向量空間模型的話題發(fā)現(xiàn)

（3）基于詞項(xiàng)關(guān)系圖的話題發(fā)現(xiàn)

（4）基于主題模型的話題演化

（5）基于相鄰時(shí)間片關(guān)聯(lián)的話題演化

、4、影響力最大化

*在社交網(wǎng)絡(luò)中選定信息初始傳播用戶，使得信息的傳播范圍能達(dá)到最大，即影響力最大。

*目的：找到一定數(shù)量的用戶作為影響力傳播的初始節(jié)點(diǎn)，對(duì)影響力最大化的問題的建模是基于社交網(wǎng)絡(luò)信息傳播模型的。

• 貪心算法
• 啟發(fā)式算法

?

理解總結(jié)：社交網(wǎng)絡(luò)總共的方向是三個(gè)，社交網(wǎng)絡(luò)的構(gòu)建和分析、社交網(wǎng)絡(luò)的群體和用戶分析、社交網(wǎng)絡(luò)的信息傳播。在社交網(wǎng)絡(luò)中，社交網(wǎng)絡(luò)的構(gòu)建和分析是基礎(chǔ)，其中包括網(wǎng)絡(luò)的分析（分析現(xiàn)實(shí)網(wǎng)絡(luò)的規(guī)律和特性，從而更好的進(jìn)行建模，研究構(gòu)建算法)、虛擬社區(qū)的發(fā)現(xiàn)和分析（在構(gòu)建的網(wǎng)絡(luò)中發(fā)現(xiàn)有價(jià)值的網(wǎng)絡(luò)信息）、虛擬社區(qū)的演化（就是在網(wǎng)絡(luò)的發(fā)展過程中，這個(gè)社區(qū)是不斷變化和發(fā)展的，要在動(dòng)態(tài)中去發(fā)現(xiàn)新的社區(qū)）；在這些基礎(chǔ)上，去研究個(gè)體的行為和群體的行為，然后得到有價(jià)值的信息，與此同時(shí)利用構(gòu)造的網(wǎng)絡(luò)，利用算法，進(jìn)行信息的傳播。

?

問題理解：

1、動(dòng)態(tài)社區(qū)發(fā)現(xiàn)與社區(qū)演化的區(qū)別：

靜態(tài)和動(dòng)態(tài)是計(jì)算方法的不同，所謂靜態(tài)計(jì)算發(fā)現(xiàn)方法，是通過優(yōu)化網(wǎng)絡(luò)的局部目標(biāo)函數(shù)，搜索網(wǎng)絡(luò)社區(qū)劃分的空間，靜態(tài)的找出最佳的虛擬社區(qū)結(jié)構(gòu)；動(dòng)態(tài)計(jì)算方法是基于網(wǎng)絡(luò)局部拓?fù)湫畔?#xff0c;由網(wǎng)絡(luò)中的結(jié)點(diǎn)動(dòng)態(tài)逐步推演，最終形成虛擬社區(qū)結(jié)構(gòu)。

對(duì)于社區(qū)的演化，是指網(wǎng)絡(luò)是不斷改變的，自己的理解，在動(dòng)態(tài)的社交網(wǎng)絡(luò)中怎么去發(fā)現(xiàn)虛擬社區(qū)。

2、如何知道找到的虛擬社區(qū)是對(duì)的？

算法評(píng)價(jià)標(biāo)準(zhǔn)：上面所提到的準(zhǔn)確度指標(biāo)。

3、目前的研究難點(diǎn)

（1）網(wǎng)絡(luò)的規(guī)模急劇膨脹

（2）人際關(guān)系的復(fù)雜性決定了社會(huì)網(wǎng)絡(luò)的動(dòng)態(tài)變化性

?

?

?

?

?

?

?

?

?

?

總結(jié)

以上是生活随笔為你收集整理的社交网络分析调研上的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。