社會網(wǎng)絡(luò)是一個關(guān)系與關(guān)系之間的網(wǎng)絡(luò)，進(jìn)行社會網(wǎng)絡(luò)分析，我們要弄清楚的是網(wǎng)絡(luò)中包含哪些具有相互聯(lián)系的節(jié)點(diǎn)，這些節(jié)點(diǎn)之間又具有怎樣的關(guān)系，以及每個節(jié)點(diǎn)在整個網(wǎng)絡(luò)中占有何種地位。

而有關(guān)這方面節(jié)點(diǎn)的數(shù)據(jù)都是在做關(guān)系圖之前需要準(zhǔn)備好的。

本文包含兩個案例，第一個案例詳細(xì)列出步驟便于理解，第二個案例為演練。

第一個案例中用到的軟件有Ucinet和NetDraw（文末提供軟件安裝包），其用途為：

Ucinet：輸出給NetDraw分析需要的矩陣數(shù)據(jù)

NetDraw：繪制社會網(wǎng)絡(luò)

第二個案例中用到GooSeeker分詞軟件，主要目的是生成詞頻統(tǒng)計表。

案例一：社交網(wǎng)分析

首先，我自己在Excel準(zhǔn)備了一份簡單的數(shù)據(jù)。

這份數(shù)據(jù)很好理解，第一行和第一列代表人物，若他們之間有聯(lián)系，那么人物A與人物B對應(yīng)的單元格數(shù)字為1，無聯(lián)系則為0。比如：張三和王五、陳七、楊九有聯(lián)系，與其他人無聯(lián)系。

先用Ucinet輸出用于NetDraw分析的矩陣數(shù)據(jù)，打開Ucinet，選擇數(shù)據(jù)>輸入>Excel矩陣。

輸入文件路徑選擇前面準(zhǔn)備的Excel共現(xiàn)矩陣表，其他可不改動，選擇確定。

接著Ucinet會進(jìn)行處理，彈出處理日志，并在與輸入相同的路徑中輸出.##h矩陣文件。

數(shù)據(jù)準(zhǔn)備完畢，打開NetDraw準(zhǔn)備繪制，選擇file>open>ucinet dataset>network。

在彈窗中選擇剛剛Ucinet生成的.##h矩陣文件，點(diǎn)擊OK。

社會網(wǎng)絡(luò)圖繪制完畢。

然后NetDraw會進(jìn)行繪制，繪制的社會網(wǎng)絡(luò)圖如下：

這個數(shù)據(jù)比較簡單，通過上圖可以直接看出楊九是核心人物，如果數(shù)據(jù)量較大較復(fù)雜的話，肉眼是比較難看出來的，可以通過節(jié)點(diǎn)中心性分析來進(jìn)行研究，讓NetDraw繪制出節(jié)點(diǎn)大小與中心度正相關(guān)的社會網(wǎng)絡(luò)圖。

在NetDraw選擇analysis>centrality measures。

然后在彈出界面的set node size by下選擇degree，點(diǎn)擊ok。

接著NetDraw重繪制，結(jié)果圖如下：

從上圖來看，楊九的中心節(jié)點(diǎn)大小最大，與最多的人相聯(lián)系，可以將他理解為該社交網(wǎng)的中心人物。

度中心性（Degree Centrality）是在網(wǎng)絡(luò)分析中刻畫節(jié)點(diǎn)中心性（Centrality）的最直接度量指標(biāo)。一個節(jié)點(diǎn)的節(jié)點(diǎn)度越大就意味著這個節(jié)點(diǎn)的度中心性越高，該節(jié)點(diǎn)在網(wǎng)絡(luò)中就越重要。

對度中心性計算原理感興趣的同學(xué)可以自行去了解，從結(jié)論來說，節(jié)點(diǎn)越大就意味著越重要。另外，度中心性只是衡量節(jié)點(diǎn)中心性的指標(biāo)之一，還有三個衡量節(jié)點(diǎn)中心性的主要指標(biāo)有接近中心性（Closeness Centrality）、中介中心性/中間中心性(Between Centrality)和特征向量中心性（Eigenvector Centrality）。這里就不進(jìn)行贅述了。

案例二：微博研究主題共詞分析

前面我的一篇文章《 畢業(yè)論文寫什么——微博數(shù)據(jù)挖掘相關(guān)的論文 》其中有一塊對微博數(shù)據(jù)挖掘相關(guān)論文的研究主題進(jìn)行分析，下面就詳細(xì)講解一下對微博主題進(jìn)行共詞分析的具體操作方法。

數(shù)據(jù)進(jìn)行共享了，有興趣的話可以自己試驗一下。

先用GooSeeker分詞軟件提取詞頻統(tǒng)計表

進(jìn)入GooSeeker分詞軟件，新建任務(wù)，將實驗數(shù)據(jù)導(dǎo)入進(jìn)去。

如下部分?jǐn)?shù)據(jù)截圖所示，每篇論文主題關(guān)鍵詞之間其實已經(jīng)通過空格進(jìn)行分隔了，所以我希望分詞軟件能夠以空格為間隔，將這些關(guān)鍵詞分離出來。但不管通過哪個分詞軟件，它們本身是有一個詞庫的，如果通過軟件自身詞庫來切詞的話，切詞的粒度會更精細(xì)，這樣就破壞了一些詞語的完整性。比如“社會網(wǎng)絡(luò)分析”可能會切分成“社會”、“社會網(wǎng)絡(luò)”、“分析”等詞語，因為在這個分析場景下，主要是研究微博挖掘相關(guān)論文研究的主題，所以我更希望不進(jìn)行切分，直接保留為“社會網(wǎng)絡(luò)分析”。

用分詞軟件自身的切詞不能達(dá)到我的切詞目的，所以我事先用Excel的分列功能，將這些關(guān)鍵詞分離出來。部分截圖如下圖所示。

回到GooSeeker分詞軟件，第一步“導(dǎo)入數(shù)據(jù)”之后，跳過第二步“篩選詞語”，因為后面我的詞頻統(tǒng)計結(jié)果是基于我剛剛通過Excel分列得到的詞語， 而GooSeeker分詞軟件是支持自定義詞語手動補(bǔ)充的。所以直接來到第三步“選詞結(jié)果”，點(diǎn)擊“添加詞語”

將Excel分列去重后的關(guān)鍵詞導(dǎo)入。

然后點(diǎn)擊“下載”，將結(jié)果文件導(dǎo)出。

結(jié)果文件中，表名為“選詞結(jié)果”是后面我們將用到的。

用Excel構(gòu)建共詞矩陣表

第一個案例的共詞矩陣是自己隨機(jī)造的一個，現(xiàn)在第二個案例數(shù)據(jù)量較大，分出的詞語有四千多個，要形成共詞矩陣，我們要借助Excel的公式來進(jìn)行計算了。

先說下公式的原理，如下圖所示，左邊為樣例數(shù)據(jù)，右上為共詞矩陣，假設(shè)需要構(gòu)造矩陣的詞組有(“微時代”、“媒體”、“文化”、“微博”、“社交網(wǎng)絡(luò)”、“傳播”)，詞組行和列相交的單元格填入公式

（=SUMIFS($B:$B,數(shù)據(jù)!$A:$A,"*"&$C2&"*",$A:$A,"*"&D$1&"*")），公式理解：在A列表查找，看是否包含C2（微時代）和D1（微時代），如果有就統(tǒng)計該包含這兩個字符所在行的另外一列的數(shù)進(jìn)行求和。

回到案例二，新建一個Excel，將詞語粘貼至第一行和第一列，詞語相交的單元格套用剛剛的公式，其他單元格自動拉公式，然后讓Excel自行運(yùn)行計算即可。共詞矩陣部分結(jié)果如下圖所示。

合并同義詞和提取高頻詞

有了共詞矩陣表之后，不要著急將數(shù)據(jù)導(dǎo)入著手繪制。要知道這是一個4349*4349的共詞矩陣，可以設(shè)想，直接導(dǎo)入Ucinet和NetDraw繪制出來就是一團(tuán)黑影，最重要的是，沒有必要將全部矩陣導(dǎo)入，因為很多詞語是沒有價值的，因為有些詞語作為論文的主題可能就少數(shù)出現(xiàn)過。所以在繪圖之前，先進(jìn)行合并同義詞和提取高頻詞。

1） 合并同義詞

同義詞即詞語含義相同的，比如“微博”和“微博客”，因為案例而的目的是論文研究主題，所以先創(chuàng)建一個同義詞組表。部分截圖如下：

根據(jù)同義詞組表，將共詞矩陣表中的同義詞進(jìn)行合并計算處理，將同義詞組中每個詞的數(shù)字求和作為一組同義詞組的最終結(jié)果值，如下圖所示（部分截圖）：

2） 提取高頻詞

用同樣的方法將同義詞處理完畢后，同時用根據(jù)同義詞組表更新最開始在GooSeeker分詞軟件下載的詞頻統(tǒng)計表。

接著根據(jù)詞頻統(tǒng)計表將高頻詞提取出來，本次實驗我提取了前100個，根據(jù)這100個高頻詞形成100*100的共詞矩陣表。

將共詞矩陣表導(dǎo)入Ucinet

完成上面的步驟之后就可以開始導(dǎo)入數(shù)據(jù)繪制了。第一個案例是通過Ucinet導(dǎo)入共詞矩陣Excel表，下面用另一種方法導(dǎo)入，就是直接復(fù)制。點(diǎn)擊Ucinet第二個表格圖標(biāo)，如下圖紅框所示。

彈出一個表格，然后將在上一步Excel里完成的共詞矩陣表CRTL+C、CRTL+V直接復(fù)制進(jìn)去，結(jié)果如下圖所示。記得點(diǎn)擊保存一份，一方面拿來接下來繪圖，另一方面防止以后調(diào)整數(shù)據(jù)的時候需要。

通過Netdraw繪制微博主題關(guān)系圖

最后打開NetDraw打開.##h文件準(zhǔn)備繪制并進(jìn)行度中心性分析，不知道怎么操作倒回去看案例一的操作過程。

繪制結(jié)果圖如下所示：

從NetDraw生成的可視化關(guān)鍵詞網(wǎng)絡(luò)結(jié)構(gòu)圖可以看出，“社交網(wǎng)絡(luò)、爬蟲、輿情、話題、傳播、推薦、影響力、營銷、媒體”等關(guān)鍵詞的中心度較高，這些是人們比較關(guān)注的微博研究主題，處于邊緣位置主題表示對其研究的關(guān)注度較低，但從中可以看出微博數(shù)據(jù)挖掘多元話的研究方向。

假如說跳過前面合并同義詞的步驟，并且我只選取詞頻為前100的詞語形成共詞矩陣表，繪制的結(jié)果圖如下，可以看到密密密麻麻的一片。所以如果既不進(jìn)行同義詞合并也不進(jìn)行詞頻提取，那繪制出來的結(jié)果圖就可想而知了。

拓展—詞云圖制作

我用PPT的插件Pro Word Cloud制作中文詞云，使用方法可以參看我原來的文章《 用PPT自帶的Pro Word Cloud制作中文詞云 》。

結(jié)果圖如下：

微博數(shù)據(jù)挖掘的關(guān)鍵詞云圖一目了然，最后吐槽一下，詞云圖比NetDraw繪制的圖好看多了。當(dāng)然，分析目的不一樣，用的工具自然不同。

在分析的過程中，數(shù)據(jù)的準(zhǔn)備和處理是最花時間的，工欲善其事，必先利其器。有分析思路固然重要，利用好的工具進(jìn)行數(shù)據(jù)處理則能夠事半功倍。

總的來說，上面兩個案例都比較簡單，本篇文章重點(diǎn)講解3個工具的操作過程，大家可以找一些其他數(shù)據(jù)進(jìn)行分析。

常見問題：

1， Excel矩陣數(shù)據(jù)可以直接導(dǎo)入NetDraw中繪制嗎？

NetDraw支持兩種外部數(shù)據(jù)導(dǎo)入方式，一是導(dǎo)入描述有節(jié)點(diǎn)信息的記事本文件，另外一種是導(dǎo)入當(dāng)前使用較為普遍的社會網(wǎng)絡(luò)分析軟件輸出的相應(yīng)格式的文件（如：Ucinet、Pajek）。

我所使用的NetDraw版本不支持Excel文件直接導(dǎo)入，所以上面的案例中要先通過Ucinet輸出用于NetDraw分析的矩陣數(shù)據(jù)。

2， 社會網(wǎng)絡(luò)圖的儲存格式？

繪制完成的社會網(wǎng)絡(luò)圖，可以選擇兩種方式輸出，一是以圖片的形式導(dǎo)出，可以選擇jpeg、emf、bmp等三種圖元文件格式，無法再修改。

另一種是以可以再修改的文件格式保存。

3， 怎么在Ucinet中查看之前保存的共詞矩陣？

點(diǎn)擊Ucinet第二個表格圖標(biāo)，在彈出的窗口中選擇“文件>打開”，選擇之前保存的.##h數(shù)據(jù)集文件即可。

軟件安裝包：

Ucinet：點(diǎn)擊下載安裝包

NetDraw：點(diǎn)擊下載安裝包

參考文獻(xiàn)：

總結(jié)

以上是生活随笔為你收集整理的python做社会网络分析_利用GooSeeker分词、Ucient和NetDraw进行社会网络分析的全部內(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，歡迎將生活随笔推薦給好友。