社会网络分析

Published in categories blog  Research  tagged with #networkx  #social network 

###1. 图基本概念

####数学方式表示社会网络

~~

方式 优点 缺点
邻接矩阵   零单元所占据的空间大，社交网络规模越大，密度(零／非零)越小（<0.1%)
边列表 和SQL形成完美映射  
临界列表    

####遍历 Traversal

networkx.traversal.dfs_edges()
networkx.traversal.dfs_tree()
networkx.traversal.bfs_edges()
networkx.traversal.bfs_tree()

####路径 Paths

networkx.algorithm.shortest_path()

####图的距离： 节点和邻居如何联系

  1. 最短路径
  2. 成本最短路径
  3. 欧几里得距离： 欧式距离短表示结构，作用相似

###2. 节点层面分析

####社会网络的取样和数据采集法

####中心性 权力和影响力

  1. 程度中心性 Degree Centrality：粉丝数量
  2. 亲近中心性 Close Centrality：与其他点的距离
  3. 居间中心性 Betweenness Centrality：经过该点的最短路径的数量（跨界者）
  4. 特征向量中心性：
  5. PageRank

###3. 群体层面分析 ####子图——自我中心网 ####岛屿方法

#trim
def trim_degree(g,degree=1):
    g2 = g
    d = g2.degree()
    for n in g2.nodes():
        if d[n]<= degree: g2.remove_node(n)
    return g2
    
    
trim_degree(g,2)

print len(g)
nx.draw(g,with_labels= True)
comments powered by Disqus