社会网络分析方法的应用研究
- 格式:docx
- 大小:19.22 KB
- 文档页数:2
社会网络分析及其应用社会网络分析(Social Network Analysis,简称SNA)是一种研究人际关系、组织结构和社会系统的方法。
它通过分析网络中个体之间的连接关系,揭示出社会网络中的核心人物、信息流动模式以及关键影响力节点,从而帮助我们理解社会关系的结构和功能。
社会网络分析的基本概念是“节点”(Node)和“边”(Edge)。
节点代表个体,可以是人、组织或其他社会单位。
边代表节点之间的关系,可以是亲友关系、合作关系或其他社会关联。
通过构建网络图,就可以清晰地展示和分析社会网络中各个节点之间的连接关系。
社会网络分析可以应用于许多不同领域,例如社交媒体分析、组织管理、创新研究等。
以下将从社交媒体、组织管理和创新研究三个方面介绍社会网络分析的具体应用。
在社交媒体领域,社会网络分析有助于发现和理解信息传播的模式和趋势。
通过分析社交媒体平台上用户的互动行为,我们可以识别出社交网络中的“意见领袖”和“社交中心”。
意见领袖是社交网络中具有较高影响力和广泛影响范围的个体,他们的观点和行为往往能够在整个网络中迅速传播。
而社交中心则是网络中联系其他人的纽带,他们在信息流动中起到关键的桥梁作用。
通过了解这些核心节点,我们可以制定更有针对性的营销策略,提高社交媒体平台上信息传播的效果。
在组织管理方面,社会网络分析有助于了解组织内部的沟通和合作模式。
通过构建组织内部的社会网络图,我们可以分析员工之间的联系和信息流动路径。
发现关键的信息中心、沟通障碍和合作缺失等问题,有助于改善组织的沟通效率和协作能力。
此外,社会网络分析还可以识别出组织中的“隐形高手”,即那些在组织中不被重视但又具有重要技能和资源的个体。
通过激发和利用他们的潜力,组织可以更好地发展和创新。
在创新研究方面,社会网络分析可以揭示创新活动中的合作关系和知识流动。
对于科研团队、创业公司或创新型企业而言,合作是推动创新的重要因素。
通过社会网络分析,我们可以识别出在创新过程中担当关键角色的个体和组织,有助于建立更加高效的创新网络。
社会网络分析技术的研究及其应用在当今社会,社交网络已经深入到我们的生活中,人们之间的社交关系已经不再是简单的面对面交流,而是通过网络来建立和维系着。
这也引发了人们对社会网络分析的兴趣。
社会网络分析技术可以帮助人们更好地了解社会关系网络的结构和性质,探究社会现象背后的深层次规律,提高社会问题的解决效率等等,因此,其应用也越来越广泛。
一、社会网络分析技术的定义和原理社会网络分析技术是指通过对社会关系网络结构的可视化、模型构建、节点分析等方式,来揭示社会网络中的特征和结构,以及隐含的联系和信息流动情况的分析和研究。
社会网络分析是以网络为研究对象的一种交叉学科,它主要研究社会关系网络的拓扑结构、动态演化、信息流动及社会现象演化等问题。
社会网络分析技术的核心在于对网络结构的分析,它的基本原理是以节点和边为基本单位对网络进行分析。
节点表示网络中的一个个体,边表示个体之间的联系或关系。
在社会网络中,一个节点可以是任何与社会相关的个体,如人、物、组织、话题等。
而边则可以是任意的关系或连接,如友谊、亲属关系、信任关系、邮件转发等。
通过对节点和边的量化和分析,可以揭示出网络的拓扑结构、社区结构、信息流动模式以及个体和群体之间的互动情况,达到对社会网络的分析和研究的目的。
二、社会网络分析技术在实际应用中的应用1. 社交网络分析社交网络分析是社会网络分析技术的重要应用之一,它可以通过对社交平台上的关注、点赞、评论、分享等数据的收集和分析,来了解用户的兴趣爱好、意见观点、社交关系等,以及不同用户之间的连接情况。
这有助于社交平台为用户提供更加精准的社交体验和服务,推荐更加个性化的资讯和产品,提高用户粘性和忠诚度。
同时,社交网络分析也可以应用于品牌营销和企业社交网络分析等领域。
2. 媒体传播分析媒体传播分析是社会网络分析的另一个重要应用领域,它可以通过对大规模的媒体文本数据的分析,来了解不同媒体之间、不同语言之间以及不同地区之间的信息传播和影响力。
社会网络分析方法及应用社会网络分析是一种研究人际关系网络的分析方法,它可以描述和解释社会群体的结构、关系、行为以及动态变化等。
社会网络分析可以被应用于不同领域和主题,包括组织管理、社交网络、政治、健康、环境等。
本文将探讨社会网络分析的方法、应用及未来的发展。
一、社会网络分析的方法社会网络分析的方法主要包括:1.数据收集:社会网络分析需要收集关于人际关系的数据,如成员的姓名、联系方式、互动情况等。
数据采集的方法可以通过调查、观察、实验方法等获取。
其中,在社交媒体网络上的数据,也可以被用来进行社会网络分析。
2.网络构建:基于收集的数据,可以构建一个人际关系网络的模型。
最常见的是节点和边的表示法。
节点表示人,边表示人之间的联系或互动。
3.度量和分析:度量主要用于描述和统计节点或边之间关系及其特征。
常用的度量指标包括节点的度数、中心性、连通性、社区等。
分析主要用于理解网络的拓扑结构,关系及其特征。
常用的社会网络分析方法包括社区检测、影响力分析、网络结构分析等。
4.可视化:可视化是将社会网络分析的结果呈现出来的过程,包括网络图和其他形式的可视化方法。
通过可视化,分析人员可以更加清晰地理解人际关系网络的拓扑结构、关系特征以及变化趋势等。
二、社会网络分析的应用社会网络分析已经被应用于许多领域,以下是其中的几个例子:1.组织社会网络分析:通过分析组织内部的人际联系,可以更好地理解团队的工作方式、复杂程度以及信任程度等。
这使得管理者可以根据分析结果来优化团队结构,改善通讯、协作和问题解决等方面的工作效率。
2.社交网络分析:社交媒体网站已经成为目前人们交流和互动的主要平台。
社会网络分析可以被用来研究社交媒体平台上的用户行为、关系及其影响力。
这对于社交媒体营销及推广活动非常有帮助。
3.政治分析:政治家和策略家们可以通过社会网络分析来了解选民、竞争对手、政治联盟等角色和关系之间的联系,以便更好地了解他们的需求和采取更好的政策。
社区工作中的社会网络分析方法社会网络分析(Social Network Analysis,简称SNA)作为一种研究社会关系的方法,可以在社区工作中帮助我们更好地了解社区成员之间的相互联系和信息传播。
本文将介绍社区工作中常用的几种社会网络分析方法,并探讨其在实践中的应用。
一、社会网络分析的概念与原理社会网络分析是研究社会实体以及实体之间的关系的一种方法。
在社区工作中,我们可以将社区的成员看作是社会网络中的节点,他们之间的相互关系则形成了网络中的边。
通过分析这些节点和边的关系,我们可以揭示社区成员之间的影响力、信息传播路径以及组织结构等重要信息。
二、社会网络分析的基本指标1. 中心度(Centrality):用于衡量一个节点在网络中的重要性。
常见的中心度指标包括度中心度(Degree Centrality)、接近度中心度(Closeness Centrality)和介数中心度(Betweenness Centrality)等。
2. 群聚系数(Clustering Coefficient):用于衡量一个节点的邻居节点之间的连接密度。
群聚系数可以帮助我们评估社区成员之间的紧密程度。
3. 强连接组件(Strongly Connected Component):由相互之间存在双向连接的节点组成的子图。
强连接组件可以揭示社区中的子群体以及它们之间的关联。
三、社会网络分析方法的应用案例1. 影响力分析:通过计算节点的中心度指标,可以识别出在社区中具有较高影响力的人物。
社区工作者可以与这些人物建立合作关系,以扩大信息传播的范围。
2. 群体行为研究:通过分析社区中的强连接组件,可以揭示出共同兴趣、相似特征的子群体。
社区工作者可以利用这些信息,组织相关的活动,促进社区成员之间的互动合作。
3. 网络介入策略:社区工作者可以根据社会网络分析的结果,制定有针对性的干预策略。
例如,针对网络中的“桥节点”,可以通过对其提供支持和资源,来改善社区成员之间的联系。
社会网络分析的研究及其应用社会网络分析是一种研究人际关系网络以及这种网络特性的分析方法。
它将人们看作是相互依赖和关联的社会成员,进而将他们的关联关系抽象成为节点和边的图形,对节点与节点之间的互动、联系进行全面的分析。
社会网络分析已经成为社会学、心理学、管理学等诸多学科的研究方法,其研究对象涵盖了家庭、企业、社会团体等不同的场合。
本文将从社会网络分析的研究到其应用进行讨论。
一、社会网络分析的研究方法1.1 研究对象社会网络分析的研究对象主要包括个人、组织、社区和国家等。
其中,个人网络是社会网络研究的基础,也是最为广泛应用的领域。
组织网络指的是企业、政府部门、学校等架构化的组织形态。
社区网络是指在某个具体的地理区域内形成的人群关系体系。
国家网络则是指不同国家之间的政治、经济、文化等方面的关系。
1.2 研究方法社会网络分析主要分为结构化方法和非结构化方法两种。
结构化方法是根据研究者制定的结构化问卷,进行定向抽样、随机抽样等方式进行调查,通过问卷的方式获取数据。
非结构化方法则是通过旁观者法、深度访谈等方式获取数据。
社会网络分析的研究方法包括以下几个方面:(1)节点度数分析:度数表示节点与其他节点的关联程度,通过度数可以得出最具影响力的节点。
(2)网络连通分析:研究网络中的互连程度、关系强度等方面,包括组分分析、连通性分析等。
(3)中心度分析:研究网络中的中心节点、重要节点、核心节点等。
(4)社区结构分析:研究网络中那些节点之间密度较大,形成一个社区。
二、社会网络分析的应用2.1 研究领域社会网络分析在多个领域均得到了广泛的应用,例如:(1)社会学领域:研究社交网络、家族网络、职业网络等社会现象。
(2)心理学领域:研究人际关系、心理健康、社会支持等方面的问题。
(3)管理学领域:研究企业组织形态、人际合作、人才招聘等问题。
(4)计算机网络领域:研究网络结构、通信协议、数据传输等方面。
2.2 应用案例社会网络分析在实际应用中,经常会被结合其他领域手段来解决问题。
社会网络分析方法的应用研究社会网络分析方法:是由社会学家根据数学方法�p图论等发展起来的定量分析方法。
社会网络(social network)即可简单地称为社会关系所构成的结构。
故从这一方面来说,社会网络代表着一种结构关系,它可反映行动者之间的社会关系。
构成社会网络的主要要素有:行动者、结点、关系纽带、二人组、三人组、子群、群体。
社会网络分析是对社会网络的关系结构及其属性加以分析的一套规范和方法。
它又被称结构分析法(structural analysis),因为它主要分析的是不同社会单位(个体、群体或社会)所构成的社会关系的结构及其属性。
从这个意义上说,社会网络分析不仅是对关系或结构加以分析的一套技术,还是一种理论方法――结构分析思想。
因为在社会网络分析学者看来,社会学所研究的对象就是社会结构,而这种结构即表现为行动者之间的关系模式。
” 这种结构分析的方法论意义是:社会科学研究的对象应是社会结构,而不是个体。
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。
按照社会网络分析的思想,行动者的任何行动都不是孤立的,而是相互关联的。
他们之间所形成的关系纽带是信息和资源传递的渠道,网络关系结构也决定着他们的行动机会及其结果。
分析角度:包括中心性分析、凝聚子群分析、核心一边缘结构分析以及结构对等性分析等。
2.1中心性分析:中心度和中心势都可以分为3种:点度中心度/点度中心势,中间中心度/中间中心势,接近中心度/接近中心势。
2.1.1点度中心性在一个社会网络中,如果一个行动者与其他行动者之间存在直接联系,那么该行动者就居于中心地位,在该网络中拥有较大的“权力”。
在这种思路的指导下,网络中一个点的点度中心度,就可以网络中与该点之间有联系的点的数目来衡量,这就是点度中心度。
网络中心势指的是网络中点的集中趋势,它是根据以下思想进行计算的:首先找到图中的最大中心度数值;然后计算该值与任何其他点的中心度的差,从而得出多个“差值”;再计算这些“差值”的总和;最后用这个总和除以各个“差值”总和的最大可能值。
社会网络分析在心理学研究中的应用社会网络分析是一种研究人们之间相互关系的方法,可以用于揭示人们之间的联系、影响和交流模式。
近年来,社会网络分析在心理学领域得到了广泛应用,并展现出了其在理解个体心理过程和行为的独特价值。
本文将探讨社会网络分析在心理学研究中的应用,包括社会支持网络、信息传播网络和心理健康网络等方面。
一、社会支持网络分析社会支持对个体的心理健康和幸福感具有重要的影响。
社会网络分析可以帮助研究者理解个体所处的社会支持网络结构,进而探索社会支持如何传递和影响个体的心理状态。
研究发现,社会支持网络的密度和多样性与个体的抑郁程度呈负相关,而中心度高的个体在社会网络中更易获得支持和帮助。
此外,社交媒体的兴起也使得社会网络分析在研究虚拟社会支持网络方面发挥了积极的作用。
二、信息传播网络分析社会网络分析在研究信息传播过程中的传播路径和效应方面具有独特的优势。
通过分析信息的传播路径,可以揭示信息在网络中的扩散速度和传播范围,进而了解信息传播的影响力和效果。
例如,研究者可以通过社会网络分析来探讨新型冠状病毒疫情期间公众对疫苗信息的传播和接受情况,以及社交媒体对信息传播的影响。
这样的分析可以为公共卫生政策制定提供重要的参考依据,帮助推动有效的信息传播和风险沟通。
三、心理健康网络分析心理健康问题的产生和发展不仅与个体自身因素有关,也受到社会网络的影响。
社会网络分析可以帮助研究者理解心理健康问题在社会网络中的传播路径和相关因素。
例如,通过分析社交媒体平台上的用户之间的互动和信息发布情况,可以对抑郁症等心理健康问题的传播机制进行研究。
此外,社会网络也可以被用作干预心理健康问题的工具,通过调整社会网络结构和增加支持资源,提升个体的心理健康水平。
四、社会网络分析的局限性与未来发展尽管社会网络分析在心理学研究中有着广泛的应用,但仍存在一些局限性。
首先,社会网络分析往往基于个体自报的数据,可能受到记忆偏差和个体解读的影响。
社会网络分析的方法和应用随着互联网的飞速发展,人们之间的联系方式也在不断地发生着变化。
传统的人际交往方式已经无法满足现代社会的需求,社会网络成为了重要的交际方式。
社会网络分析(Social Network Analysis, SNA)已经成为了社会学、心理学、管理学、计算机科学等多个领域的热点研究课题。
本文将会介绍社会网络分析的方法和应用。
一、社会网络分析的方法社会网络分析主要使用计算机科学和数学统计学的方法研究社会网络结构和网络节点之间的关系。
以下是主要的社会网络分析方法:1.问卷调查法:通过向研究对象发放调查问卷的方式了解研究对象之间的关系,并将其转化为网络形式。
问卷调查法在研究大规模网络时不太适用,但是在研究小规模网络时可以提供深刻的洞见。
2.直接观察法:通过直接观察研究对象之间的交互关系,并将其转化为网络形式。
3.网络分析软件法:使用社会网络分析软件来收集和分析网络数据。
目前常用的社会网络分析软件有UCINET、Gephi、Pajek等。
4.复杂网络理论:运用复杂网络理论来深入探讨网络结构及其演化规律。
5.社会学模型:通过建立社会学模型,分析节点之间的关系及其演化规律。
二、社会网络分析的应用社会网络分析可以应用于多个领域,从个人层面到组织层面,从实证研究到理论探讨都有许多应用。
1.个人层面应用:(1)个人自我认知:了解自己在社会网络中的位置和作用,有助于个人更好地交际。
(2)情感支持:研究表明,社会网络中的情感关系对个人的生活质量和幸福感有着重要的作用。
(3)知识传播:社会网络可以帮助个人传播知识和信息。
2.组织层面应用:(1)管理与策略:通过分析组织网络结构,找出组织中存在的问题和瓶颈,并制定相应的解决策略。
同时,了解组织网络中的关系可以帮助管理者更好地分配资源和合理安排工作。
(2)团队协作:研究表明,组织网络结构与团队协作密切相关,优化组织网络结构可以提高团队的协作效率。
(3)创新与合作:社会网络可以促进组织内外的创新和合作,提高组织的竞争力。
社会学中的社会网络分析方法研究社会网络分析方法是社会学中的一种重要研究方法,其起源可以追溯到上世纪50年代,随着社会学理论的不断发展和信息技术的不断进步,社会网络分析方法也得到了越来越广泛的应用和发展。
社会网络分析方法在许多领域都有广泛的应用,特别是在社交网络、企业组织、科学研究等领域。
一、社会网络分析方法的定义社会网络分析是从网络的视角分析社会关系结构和关系动态变化的一种研究方法。
社会网络分析主要涉及到研究社会关系、社会成员之间的联系、社会网络结构和关系等方面。
社会网络分析方法主要关注的是社会组织、社会互动和社会关系等各个方面的研究。
二、社会网络分析方法的主要内容社会网络分析方法主要包括网络的结构分析、关系分析、节点分析、中心性分析等几个方面。
1. 网络结构分析网络结构分析主要是研究网络的整体结构和特点。
其中包括社会网络结构、网络中的节点和链接情况、节点度数分布等方面的研究。
例如,研究网络中的核心节点、节点的连通路径、节点的度数分布等。
2. 关系分析关系分析主要是研究网络中的各种关系形式。
例如,研究网络中的合作关系、竞争关系、共享关系等。
在关系分析中,可以分析各种关系的稳定性、变化和演化等。
3. 节点分析节点分析主要是研究网络中的各个节点的特征和属性。
例如,研究节点的属性、社会地位、影响力等。
节点分析可以帮助我们找出网络中的核心节点和重要节点,从而更好地理解和分析网络中的关系。
4. 中心性分析中心性分析主要是研究网络中各个节点的中心性指标。
中心性分析可以帮助我们理解网络中的节点之间的权力关系和影响力。
例如,中心性指标可以用来找出网络中的核心节点和关键节点,从而更好地理解和分析网络中的关系。
三、社会网络分析方法的应用社会网络分析方法被广泛应用于社交网络、企业组织、科学研究等领域。
1. 社交网络社交网络中的个人和组织之间的关系是网络分析中的重点。
社交网络分析可以帮助我们理解个人和组织之间的关系,寻找到核心节点和关键节点,更好地利用网络来推广业务、增加收益。
公共管理研究领域中的社会网络分析研究社会网络分析(Social Network Analysis,简称SNA)是公共管理研究领域中一种重要的研究方法和工具。
它旨在通过分析个体之间的关系和互动,揭示个体间的社会结构、信息流动和合作关系,从而洞察社会系统的动态演化和行为特征,为公共管理决策提供科学依据。
在公共管理研究中,社会网络分析常被应用于以下几个方面:1. 组织结构分析:通过社会网络分析可以揭示组织内部成员之间的联系和关系,帮助管理者了解组织的层次结构、信息传递路径和决策制定过程。
可以通过分析员工之间的合作关系和信息交流网络,来评估工作效率、优化协作方式和改进组织运行机制。
2. 制度合作研究:社会网络分析可用于研究不同社会主体之间的合作关系和互动模式,尤其在涉及政府部门、非营利组织和企业之间的合作时更具实际意义。
通过分析社会网络的结构和关系,可以评估合作伙伴的互补性和资源共享程度,为制度建设和政策制定提供参考。
3. 政策传播与影响力分析:社会网络分析可以帮助研究者和管理者了解政策在社会系统中的传播路径和影响力。
通过分析政策接受者之间的信息获取和传播渠道,可以评估政策宣传的效果、探究政策变化的原因,并为政策调整和优化提供参考。
4. 风险治理研究:社会网络分析在风险治理研究中应用广泛。
通过分析不同组织和个体之间的风险传播路径和关系,可以识别潜在风险的来源和传播途径,从而制定有效的风险管理策略。
社会网络分析还可以用于研究决策者之间的信息共享和合作,提升风险管理的效能。
社会网络分析在公共管理研究中具有重要的研究意义和应用价值。
通过揭示社会关系和互动的网络特征,可以为公共管理决策提供科学依据,优化资源配置和提升治理效能。
未来的研究还可以深化对社会网络机制和演化规律的理解,进一步拓展和应用社会网络分析在公共管理领域的研究。
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。
社会网络(social network)即可简单地称为社会关系所构成的结构。
故从这一方面来说,社会网络代表着一种结构关系,它可反映行动者之间的社会关系。
构成社会网络的主要要素有:行动者、结点、关系纽带、二人组、三人组、子群、群体。
社会网络分析是对社会网络的关系结构及其属性加以分析的一套规范和方法。
它又被称结构分析法(structural analysis),因为它主要分析的是不同社会单位(个体、群体或社会)所构成的社会关系的结构及其属性。
从这个意义上说,社会网络分析不仅是对关系或结构加以分析的一套技术,还是一种理论方法——结构分析思想。
因为在社会网络分析学者看来,社会学所研究的对象就是社会结构,而这种结构即表现为行动者之间的关系模式。
”这种结构分析的方法论意义是:社会科学研究的对象应是社会结构,而不是个体。
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。
按照社会网络分析的思想,行动者的任何行动都不是孤立的,而是相互关联的。
他们之间所形成的关系纽带是信息和资源传递的渠道,网络关系结构也决定着他们的行动机会及其结果。
分析角度:包括中心性分析、凝聚子群分析、核心一边缘结构分析以及结构对等性分析等。
2.1中心性分析:中心度和中心势都可以分为3种:点度中心度/点度中心势,中间中心度/中间中心势,接近中心度/接近中心势。
2.1.1点度中心性在一个社会网络中,如果一个行动者与其他行动者之间存在直接联系,那么该行动者就居于中心地位,在该网络中拥有较大的“权力”。
在这种思路的指导下,网络中一个点的点度中心度,就可以网络中与该点之间有联系的点的数目来衡量,这就是点度中心度。
网络中心势指的是网络中点的集中趋势,它是根据以下思想进行计算的:首先找到图中的最大中心度数值;然后计算该值与任何其他点的中心度的差,从而得出多个“差值”;再计算这些“差值”的总和;最后用这个总和除以各个“差值”总和的最大可能值。
2.1.2中间中心性在网络中,如果一个行动者处于许多其他两点之间的路径上,可以认为该行动者居于重要地位,因为他具有控制其他两个行动者之间的交往能力。
根据这种思想来刻画行动者个体中心度的指标是中间中心度,它测量的是行动者对资源控制的程度。
一个行动者在网络中占据这样的位置越多,就越代表它具有很高的中间中心性,就有越多的行动者需要通过它才能发生联系。
中间中心势也是分析网络整体结构的一个指数,其含义是网络中中间中心性最高的节点的中间中心性与其他节点的中间中心性的差距。
该节点与别的节点的差距越大,则网络的中间中心势越高,表示该网络中的节点可能分为多个小团体而且过于依赖某一个节点传递关系,该节点在网络中处于极其重要的地位。
2.1.3接近中心性点度中心度刻画的是局部的中心指数,衡量的是网络中行动者与他人联系的多少,没有考虑到行动者能否控制他人。
而中间中心度测量的是一个行动者“控制”他人行动的能力。
有时还要研究网络中的行动者不受他人“控制”的能力,这种能力就用接近中心性来描述。
在计算接近中心度的时候,我们关注的是捷径,而不是直接关系。
如果一个点通过比较短的路径与许多其他点相连,我们就说该点具有较高的接近中心性。
对一个社会网络来说,接近中心势越高,表明网络中节点的差异性越大,反之,则表明网络中节点间的差异越小。
2.2凝聚子群分析
当网络中某些行动者之间的关系特别紧密,以至于结合成一个次级团体时,这样的团体在社会网络分析中被称为凝聚子群。
分析网络中存在多少个这样的子群,子群内部成员之间关系的特点,子群之间关系特点,一个子群的成员与另一个子群成员之间的关系特点等就是凝聚子群分析。
由于凝聚子群成员之间的关系十分紧密,因此有的学者也将凝聚子群分析形象地称为“小团体分析”。
2.2.I凝聚子群根据理论思想和计算方法的不同,存在不同类型的凝聚子群定义及分析方法。
1)派系(Cliques)。
在一个无向网络图中,“派系”指的是至少包含3个点的最大完备子图。
这个概念包含3层含义:①一个派系至少包含三个点。
②派系是完备的,根据完备图的定义,派系中任何两点之间都存在直接联系。
③派系是“最大”的,即向这个子图中增加任何一点,将改变其“完备”的性质。
2)n-派系(n-Cliques)。
对于一个总图来说,如果其中的一个子图满足如下条件,就称之为n-派系:在该子图中,任何两点之间在总图中的距离(即捷径的长度)最大不超过n。
3)n-宗派(n—Clan)。
所谓n-宗派(n—Clan)是指满足以下条件的n-派系,即其中任何两点之间的捷径的距离都不超过n。
可见,所有的n-宗派都是n-派系。
4)k-丛(k-Plex)。
一个k-丛就是满足下列条件的一个凝聚子群,即在这样一个子群中,每个点都至少与除了k个点之外的其他点直接相连。
也就是说,当这个凝聚子群的规模为n时,其中每个点至少都与该凝聚子群中n-k 个点有直接联系,即每个点的度数都至少为n—k。
2.2.2凝聚子群密度凝聚子群的密度(External—Internal Index,E-I Index)主要用来衡量一个大的网络中小团体现象是否十分严重。
这在分析组织管理等问题时十分有用。
最糟糕的情形是大团体很散漫,核心小团体却有高度内聚力。
另外一种情况就是大团体中有许多内聚力很高的小团体,很可能就会出现小团体间相互斗争的现象。
凝聚子群密度的取值范围为[-1,+1]。
该值越向1靠近,意味着派系林立的程度越大;该值越接近-1,意味着派系林立的程度越小;该值越接近0,表明关系越趋向于随机分布,看不出派系林立的情形。
2.3核心一边缘结构分析
核心一边缘(Core—Periphery)结构分析的目的是研究社会网络中哪些节点处于核心地位,哪些节点处于边缘地位。
根据关系数据的类型(定类数据和定比数据),核心—边缘结构有不同的形式。
定类数据和定比数据是统计学中的基本概念,一般来说,定类数据是用类别来表示的,通常用数字表示这些类别,但是这些数值不能用来进行数学计算;而定比数据是用数值来表示的,可以用来进行数学计算。
如果数据是定类数据,可以构建离散的核心一边缘模型;如果数据是定比数据,可以构建连续的核心一边缘模型。
而离散的核心一边缘模型根据核心成员和边缘成员之间关系的有无及关系的紧密程度,又可分为3种:1)核心一边缘全关联模型。
网络中的所有节点分为两组,其中一组的成员之间联系紧密,可以看成是一个凝聚子群(核心),另外一组的成员之间没有联系,但是,该组成员与核心组的所有成员之间都存在关系。
2)核心一边缘无关模型。
网络中的所有节点分为两组,其中一组的成员之间联系紧密,可以看成是一个凝聚子群(核心),而另外一组成员之间则没有任何联系,并且同核心组成员之间也没有联系。
3)核心一边缘局部关联模型。
网络中的所有节点分为两组,其中一组的成员之间联系紧密,可以看成是一个凝聚子群(核心),而另外一组成员之间则没有任何联系,但是它们同核心组的部分成员之间存在联系。
4)核心一边缘关系缺失模型。
网络中的所有节点分为两组,其中一组的成员之间的密度达到最大值,可以看成是一个凝聚子群(核心),另外一组成员之间的密度达到最小值,但是并不考虑这两组成员之间关系密度,而是把它看作缺失值。