社交网络模型及属性介绍
社交网络的属性介绍:
网络属性 社会解释的例子 局部拓扑 结构对等:如果两个参与者与其他参与者具有相似的连接,则它们是相似或等效的。三合会封闭:演员的两个朋友最终成为朋友。
平衡理论:朋友的朋友是朋友,敌人的朋友是敌人,依此类推。 度和特征向量中心度 社会资本:演员为朋友带来共同利益。
影响:演员导致朋友行为的改变。 亲密关系中心性 影响:见上文。
信息传播/传播:演员在广播或共享信息方面有多好? 中介中心性 信息传播:见上文。
经纪:演员在“中间人”中的表现如何? 社区结构 亲同性(认知平衡):“羽毛鸟聚集在一起”。
知识保存:紧密联系的社区中的参与者保存知识。
复杂的传染:一伙相互联系的受感染演员是传染的源头。 度分布 小世界(六度分离):平均两个角色之间通过六个“握手”联系在一起。
友谊悖论:“我的朋友比我有更多的朋友。” 网络动态 优先依恋(帕累托原则):“ [演员]变得富有[在朋友中]变得更加富有。
为什么获取不到一个完整的社交网络?
社交网络过于庞大 真正的社交网络是动态的BFS算法维持一个已经发现了但是还没有访问的列表,该算法将新的节点都添加到列表中,并且在访问后将他们删除。
随机采样算法需要种子节点的外部列表,例如各种好友列表以及圈子人员列表。随机性是采样成功的关键。
通信网络中存在的一些问题:
通信媒体允许信息广播,例如会议的发言人可以同时对所有人讲话,电子邮件可以同时发送给许多人,论坛上一篇帖子可以供所有人阅读,假设每个参会者,阅读者,收件人不是要给随机的路人,则可以通过将发言人\发件人\发帖人\与每个收件人分开的边缘来组成星形网络 与其他的社交网络相比较,通信网络没有严格的文档记录,例如交流的内容(执法人员才可以获取)Erdös-Rényi图模型 :
二项图,总共包含N个节点,最多可以包含
N×(N−1)2" role="presentation">N×(N−1)2
个节点,预期的边缘数量为
p×N×(N−1)2" role="presentation">p×N×(N−1)2
如果 P == 0,网络则完全孤立,如果P == 1,网络则完全图。如果不确定用哪种网络就使用该模型。
Watts-Strogatz图模型:
Watts-Strogatz图模型是更加接近现实社交网络的更逼真的近似值。该模型将N个节点排列再一个环中,然后以p的概率重新布线任何边缘(将其一端连接到随机选择的节点),它们给人一种“小世界”的错觉,在几何世界中,遥远的节点可能通过短路径相连。
该模型解释了“六度分离”现象,该现象声称,平均而言,地球上任何两个人彼此之间只有六次握手[Wat03]。
Barabási-Albert图模型:
不幸的是,无论如何扭曲它们,WattsStrogatz网络中的节点都不会形成紧密的社区,这也使“小世界”网络也变得不切实际。 Barabási–Albert偏好依恋模型[Bar03]为综合社交网络增加了另一层次的现实主义。它使用第5页上简要提到的优先连接原则,并在第129页上的“使组件变得如此巨大?”中详细介绍。当一个新节点即将加入现有网络时,它很可能最高度数的节点建立k个连接。该模型刺激了具有过多连接的集线器(“名人”节点)的出现。、
Holme-Kim图模型:
HolmeeKim模型更进一步。在添加了k条边后,它还会添加具有p概率的三合会(第6页介绍),从而使合成网络更加聚类且栩栩如生。
社交网络中区分强弱连接:
Granovatter并没有提出量化连接强度的机制,提出了四个维度的考虑标准:
连接花费的时间 情感强度 亲密感 互惠程度其中第一个和第四个容易获取数据,而中间两个涉及NLP(Natual Language Progress),量化情感强度与亲密度需要做些复杂的处理。
网址:社交网络模型及属性介绍 https://mxgxt.com/news/view/1034710
相关内容
社交网络分析的方法与工具介绍社交网络分析的方法与工具介绍.pdf
社交网络分析:数据挖掘的新方向1.背景介绍 社交网络分析(Social Network Analysis,SNA)是一种
使用Java实现的社交网络分析技术介绍
典型的社会网络分析软件工具及分析方法
社交网络分析的基本原理以及图数据库在社交网络分析中的应用
社交网络分析工具
大规模网络结构数据分析与空间自回归模型|第1章 网络数据的定义及相关指标(2)
从多个社交网络进行用户个性分析
基于社交媒体的企业网络营销模式变革.doc