社会网络分析的潜在空间方法

㈠ 求常用网络分析方法

对于许多现实的地理问题,譬如,城镇体系问题,城市地域结构问题,交通问题,商业网点布局问题,物流问题,管道运输问题,供电与通讯线路问题,…,等等,都可以运用网络分析方法进行研究.
网络分析,是运筹学的一个重要分支,它主要运用图论方法研究各类网络的结构及其优化问题.
网络分析方法是计量地理学必不可少的重要方法之一.
本章主要内容:
地理网络的图论描述
最短路径与选址问题
最大流与最小费用流
第一节 地理网络的图论描述
通俗意义上的"图",主要是指各种各样的地图,遥感影像图,或者是由各种符号,文字代表的示意图,或者是由各种地理数据绘制而成的曲线图,直方图,等等.

图论中的"图",是一个数学概念,这种"图"能从数学本质上揭示地理实体与地理事物空间分布格局,地理要素之间的相互联系以及它们在地域空间上的运动形式,地理事件发生的先后顺序,…,等等.
一,地理网络的图论描述
(1)图: 设V是一个由n个点vi (i=1,2,…,n)所组成的集合,即V={v1,v2,…,vn},E是一个由m条线ei(i=1,2,…,m)所组成的集合,即E={e1,e2,…,em},而且E中任意一条线,都是以V中的点为端点;任意两条线除了端点外没有其它的公共点.
(一)图的定义
那么,把V与E结合在一起就构成了一个图G,记作G=(V,E).
(3)边:E中每一条线称为图G 的边(或弧);若一条边e连接u,v两个顶点,则记为e=(u,v).
(2)顶点: V中的每一个点vi(i=1,2,…,n)称为图G的顶点.
(4)在图G=(V,E)中,V不允许是空集,但E可以是空集.
(5)从以上定义可以看出,图包含两个方面的基本要素:
① 点集(或称顶点集);②边集(或称弧集).
例:在如图10.1.1所示的图中,
顶点集为V={v1,v2,v3,v4,v5,v6,v7,v8},
边集为E={e1,e2,e3,e4,e5,e6,e7,e8,e9,
e10,e11 }.
图10.1.1
(6)在现实地理系统中,对于地理位置,地理实体,地理区域以及它们之间的相互联系,可以经过一定的简化与抽象,将它们描述为图论意义下的地理网络,即图.
地理位置,地理实体,地理区域,譬如,山顶,河流汇聚点,车站,码头,村庄,城镇等——点
它们之间的相互联系,譬如,构造线,河流,交通线,供电与通讯线路,人口流,物质流,资金流,信息流,技术流等——点与点的连线.
一个由基本流域单元组成的复杂的流域地貌系统,如果舍弃各种复杂的地貌形态,各条河流——线,河流分岔或汇聚处——点,流域地貌系统——水系的基本结局(树).
列昂纳德·欧拉——七桥问题
东普鲁士的哥尼斯堡城(现在的加里宁格勒)是建在两条河流的汇合处以及河中的两个小岛上的,共有七座小桥将两个小岛及小岛与城市的其它部分连接起来,那么,哥尼斯堡人从其住所出发,能否恰好只经过每座小桥一次而返回原处 图论研究结果告诉我们,其答案是否定的.
(7)需要说明的是——图的定义只关注点之间是否连通,而不关注点之间的连结方式.对于任何一个图,他的画法并不唯一.
(二)图的一些相关概念
(1)无向图与有向图
无向图——图的每条边都没有给定方向,
即(u,v)=(v,u);
有向图——图的每条边都给定了方向,
即(u,v)≠(v,u).
一般将有向图的边集记为A,无向图的边集记为E.这样,G=(V,A)就表示有向图,而G=(V,E)则表示无向图.
有向图
(2)赋权图.
如果图G=(V,E)中的每一条边(vi,vj)都相应地赋有一个数值wij,则称G为赋权图,其中wij称为边(vi,vj)的权值.
除了可以给图的边赋权外,也可以给图的顶点赋权.这就是说,对于图G中的每一顶点vj,也可以赋予一个载荷a(vj).
(3)关联边.
若e=(u,v),则称u和v是边e的端点,e是u和v的关联边.
(4)环.
若e的两个端点相同,即u=v,则称为环.
(5)多重边.
若连接两个端点的边多于一条以上,则称为多重边.
(6)多重图.
含有多重边的图,称为多重图.
(7)简单图.
无环,无多重边的图,称为简单图.
(8)点与次.
以点v为端点的边的个数称为点v的次,记为d(v).
次等于1的点称为悬挂点;与悬挂点关联的边称为悬挂边;
次为零的点称为孤立点.次为奇数的点称为奇点;次为偶数的点称为偶点.
(9)连通图.在图G中,若任何两点之间至少存在一条路(对于有向图,则不考虑边的方向),则称G为连通图,否则称为不连通图.
(10)路(链).
若图G=(V,E)中,若顶点与边交替出现的序列(对于有向图来说,要求排在每一条边之前和之后的顶点分别是这条边的起点和终点):
P={vi1,ei1,vi2,ei2,…,eik-1,vik}
满足
eit = (vit,vi,t+1) (t=1,2,…,k-1)
则称P为一条从vi1到vik的路(或链),简记为
P={vi1,vi2,…,vik}.
(11)回路.
若一条路的起点与终点相同,即vi1=vik,则称它为回路.
(12)树.
不含回路的连通的无向图称为树.
(13)基础图.
从一个有向图D=(V,A)中去掉所有边上的箭头所得到的无向图,就称为D的基础图,记之为G(D).
(14)截.
如果从图中移去边的一个集合将增加亚图的数目时,被移去的边的集合就称为截.
(15)子图.
设G=(V, E)是一个无向图,V1与E1分别是V与E的子集,即V1 V,E1 E.如果对于任意ei∈E1,其两个端点都属于V1,则称G1=(V1,E1)是图G的一个子图.
(16)支撑子图.
设G1=(V1,E1)是图G=(V,E)的一个子图,如果V1 = V,则称G1是G 的支撑子图.
(17)支撑树.
设G=(V,E)是一个无向图,如果T=(V1,E1)是G的支撑子图,并且T是树,则称T是G 的一个支撑树.
(18)树的重量.
一个树的所有边的权值之和称为该树的重量.
(19)最小支撑树.
在一个图的所有支撑树中,重量最小的那个叫做该图的最小支撑树.
二,地理网络的测度
许多现实的地理问题,只要经过一定的简化和抽象,就可以将它们描述为图论意义下的地理网络,点和线的排布格局,并可以进一步定量化地测度它们的拓扑结构,以及连通性和复杂性.
树状型
地理网络
平面网络(二维的)
非平面网络(非二维的)
道路型
环状型
细胞型
图10.1.5 地理网络的拓扑分类
目前关于地理网络的拓扑研究,最多,最常见的是基于平面图描述的二维平面网络.
所谓平面图,被规定为:各连线之间不能交叉,而且每一条连线除顶点以外,不能再有其它的公共点(牛文元,1987).
以下的讨论,除非特别申明外,都限于二维平面网络.
(一)关联矩阵与邻接矩阵
关联矩阵——测度网络图中顶点与边的关联关系.
假设网络图G=(V,E)的顶点集为V={v1,v2,…,vn},边集为E={e1,e2,…,em},则该网络图的关联矩阵就是一个n×m矩阵,可表示为:
gij为顶点vi与边ej相关联的次数.
v3
v1
v2
v4
v5
e1
e2
e3
e4
e5
e6
e7
该图的关联矩阵为:
例:
邻接矩阵——测度网络图中各顶点之间的连通性程度.
假设图G=(V,E)的顶点集为V={v1,v2,…,vn},则邻接矩阵是一个n阶方阵,可表示为:
aij表示连接顶点vi与vj的边的数目.
该图的邻接矩阵为:
v3
v1
v2
v4
v5
e1
e2
e3
e4
e5
e6
e7
例:
(二)有关测度指标
β指数
回路数k
α指数
γ指数
对于任何一个网络图,都存在着三种共同的基础指标:
① 连线(边或弧)数目m;
② 结点(顶点)数目n;
③ 网络中亚图的数目p.
由它们可以产生如下几个更为一般性的测度指标:
(1)β指数
◣β指数——线点率,是网络内每一个节点的平均连线数目.

◣β=0,表示无网络存在;网络的复杂性增加,则β值也增大.
◣没有孤立点存在的网络,连线数目为n- p,则β指数为
如果地理网络不包含次级亚图,即P=1,则其最低限度连接的 指数值为 .
(2) 回路数k
◣回路是一种闭合路径,它的始点同时也是终点.
◣若网络内存在回路,则连线的数目就必须超过n-p(最低限度连接网络的连接数目).
◣回路数k——实际连线数目减去最低限度连接的连线数目,即
(3) 指数
◣ 指数——实际回路数与网络内可能存在的最大回路数之间的比率.
◣网络内可能存在的最大回路数目为连线的最大可能数目减去最低限度连接的连线数目,即
所以, 指数为
指数也可以用百分率表示
对于非平面网络,其 指数为
指数的变化范围,一般介于[0,1]区间, =0意味着网络中不存在回路; =1,说明网络中已达到最大限度的回路数目.
◣
◣
(4) γ指数
◣γ指数——网络内连线的实际数目与连线可能存在的最大数目之间的比率,对于平面网络,其计算公式为:
γ指数也可以用百分比表示
◣γ指数是测度网络连通性的一种指标,其数值变化范围为[0,1].
◣γ=0,表示网络内无连线,只有孤立点存在;
γ=1,则表示网络内每一个节点都存在与其它所有节点相连的连线.

㈡ 社会网络分析法的介绍

《社会网络分析法》是2007年重庆大学出版社出版的图书，作者是斯科特。社会是一个由多种多样的关系构成的巨大网络。如何研究关系？视角当然多种多样，既可以像林语堂的小说中描述的那样对关系进行细致的刻画，又可以像黄光国等社会心理学家那样对人情、面子和关系网进行质的描述，更可以用社会网络分析法对关系进行量化的表征，从而揭示关系的结构，解释一定的社会现象。社会网络分析的意义在于，它可以对各种关系进行精确的量化分析，从而为某种中层理论的构建和实证命题的检验提供量化的工具，甚至可以建立“宏观和微观”之间的桥梁。本书就像一本手册，引导读者进入社会网络分析的研究领域。它既适用于社会网络分析的初学者，也适用于对社会网络分析有所了解的人士。

㈢ 社会网络分析法的研究方法

社会网络分析法是一种社会学研究方法，社会学理论认为社会不是由个人而是由网络构成的，网络中包含结点及结点之间的关系，社会网络分析法通过对于网络中关系的分析探讨网络的结构及属性特征，包括网络中的个体属性及网络整体属性，网络个体属性分析包括：点度中心度，接近中心度等；网络的整体属性分析包括小世界效应，小团体研究，凝聚子群等。该方法目前在教育领域应用比较广泛，主要探究信息技术环境下学习者所构成网络的特点，以及在此基础上对于该网络的改进策略。

㈣ 互联网舆情分析要怎么做有什么分析方法

网络舆情分析方法

一、网络调查方法

网络调查方法是将传统社会研究中的问卷调查法移植到互联网上，即在互联网空间中进行问卷调查。

问卷调查法在整个社会研究中具有举足轻重的地位，英国社会学家莫泽(Moser)曾经提出“十项社会调查中就有九项是使用问卷调查进行的”，在西方国家，问卷调查被广泛地应用于民意测验和社会问题研究。互联网空间虽然与传统社会空间具有诸多不同，但是，问卷调查的方法同样有助于发现其中存在的各种问题以及其中内涵的关系模式。

二、基于统计规则的模式识别方法

在基于统计规则的模式识别方面，谢海光通过统计分析某段时间内用户所关注信息点的相关记录，构建了互联网内容与舆情的热点/热度、重点/重度、焦点/焦度、敏点/敏度、频点/频度、拐点/拐度、难点/难度、疑点/疑度、黏点/黏度、散点/散度等10个分析模式和判据。

高嘉鑫应用统计原理归纳出5个将热门讨论确定为异常事件的相关规则和阈值，并将规则应用到BBS进行验证，得出异常事件监测成功率为100%，准确率为77%，60%异常事件在12小时内即发出通报，最快通报时间为1小时内。

三、基于内容挖掘的网络舆情信息分析方法

在基于内容挖掘的网络舆情信息分析方面，涉及较多与自然语言处理相关的研究子领域，包括网络舆情信息提取、预处理、文本表示、主题发现、意见挖掘与观点分析、倾向性分析等方面。其分析流程主要有三步，即信息提取(包括信息采集、结构化数据存储)、信息预处理（包括信息过滤、词法分析、句法分析、概念分析）和舆情分析（包括文本标示、主题发现、意见挖掘、倾向分析)。

文章内容部分摘选自《弥漫与消弭：网络舆情的演化模式与应对策略》-张伟，侵删

以上内容由舆情监测服务商识达科技整理提供。

㈤ 什么是社会网络分析法

社会网络分析法是一种社会学研究方法，社会学理论认为社会不是由个人而是由网络构成的，网络中包含结点及结点之间的关系，社会网络分析法通过对于网络中关系的分析探讨网络的结构及属性特征，包括网络中的个体属性及网络整体属性，网络个体属性分析包括:点度中心度，接近中心度等;网络的整体属性分析包括小世界效应，小团体研究，凝聚子群等。该方法目前在教育领域应用比较广泛，主要探究信息技术环境下学习者所构成网络的特点，以及在此基础上对于该网络的改进策略。
从社会网络分析来看，传播网络是一个包含了大量个体及个体之间相互作用的系统。近年来在对复杂网络的研究过程中，研究者亦发现了众多的幂律分布。例如：电子邮件网络、电影演员合作网络、引文关系网络，特别是互联网这样的社会性网络，虽然网络在结构及功能上是如此的千变万化，相差迥异，但复杂网络中节点的度值k，相对于它的概率P（k）满足幂律关系，且幂指数多在2和3之间，这一现象是如此的普遍，令人惊叹不已，以至于人们给具有这种性质的网络起了一个特别的名字——无标度网络Sacle-free。无标度是指网络缺乏一个特征度值（或平均度值），即节点度值的波动范围相当大，所以正态分布统计思想下无法洞察幂律分布下的网络动力学行为和结构，甚至我们可以把社会网络，传播网络称为幂网。
现在，中国传媒大学调查统计研究所也正在对这方面的应用进行探索，进行了社会网络角度的引文分析，舆情与传播扩散的研究，人际和群体传播关系对微观信息传播行为和态度的影响等研究。
与此同时基于海量数据的关系数据获取，将带来数据挖掘技术与社会网络分析技术的融合，形成数据挖掘在社会网络分析中的社会和商业应用价值。
现在来看，社会网络分析可以解决或可以尝试解决下列问题：
1、人际传播问题，发现舆论领袖，创新扩散过程；
2、小世界理论，六度空间分割理论；
3、Web分析，数据挖掘中的关联分析，形成交叉销售，增量销售，也就是啤酒和尿布的故事；
4、社会资本，产业链与价值链；
5、文本的意义输出，通过追问调查研究文本的关联和意义；
6、竞争情报分析；
7、语言的关联，符号意义；
8、相关矩阵或差异矩阵的统计分析，类似得到因子分析和MDS分析；
9、恐怖分子网络；
10、知识管理与知识的传递，弱关系的力量；
11、引文和共引分析。

㈥ 社会网络分析的内容简介

本书的内容结构是，除前言外共分为八章，分别介绍社会网络分析的基本原理和理论、社会网络资料类型和收集方法、网络分析的各种技术与方法、社会网络分析的应用等内容。
第一章
首先追溯了西方社会网络分析的思想渊源，对国内外的研究状况做了系统回顾，介绍了社会网络分析的一些新进展。社会网络分析有不同的学科发展背景，其发展也经历了不同的阶段。我们通过回顾社会网络分析思想与方法在西方的发展，梳理出其中的主要线索和问题，并结合国内的研究状况进行探讨，目的在于强调更好地借鉴已有的成果，加强对社会网络分析的认识和应用。
第二章
系统说明了社会网络分析的基本原理。社会网络分析作为一种独立的社会研究方法，已形成了自己的理论基础和方法论原则。通过这些方面我们可以认识社会网络分析方法的特征及其独特之处。在本章中我们在说明社会网络分析概念的基础上，具体介绍了社会网络分析的方法论原理和研究程序。
第三章
主要说明社会网络分析所用的数据资料具有自己的类型与特征，它是一组反映行动者关系的信息。社会网络资料首先是关于社会关系的数据信息，简称关系数据。关系数据不同于属性数据，不仅其本质内容不同，其表达形式也不同。本章在介绍了社会网络资料的概念和类型基础上，结合研究设计具体说明了社会网络的测量及其收集方法。
第四章
主要介绍社会网络分析的研究技术与方法。社会网络最基本的数学表达形式是图论法和矩阵法。图论法是以线和点的形式来表示行动者及其关系的一种方法。用社群图可表示社会关系的结构、特征等属性。矩阵法是把社会网络中的每一个结点或关系分别按行和列的方式排列即可形成网络矩阵，包括邻接矩阵、关联矩阵等。矩阵法可以对群体关系进行具体分析。
第五章
是关于社会网络的中心度分析。中心度是我们认识社会网络中行动者位置及其关系的重要概念，具有广泛的应用性。本章首先介绍了中心度、中心势概念，重点说明了结点中心度、紧密中心度、间距中心度及其测量方法。最后又对社会网络中与等级密切相关的权力和声望作了分析。网络中的声望不同于一般意义的社会声望概念，这里主要说明了接近度声望概念及其测量。
第六章
是关于社会网络分析中的子群研究。构成社会网络的基本元素就是行动者及其群体，社会中存在着各种各样的子群，它们相互结合形成了复杂的社会结构。本章首先从社会群体、子群概念出发，说明各种团聚性的子群及其测量方法，包括“团伙”、n-团伙、n-宗派、k-丛等，最后分析隶属性群体。
第七章
是关于网络中的位置和角色的分析。在社会结构分析中，位置和角色是两个重要的概念。本章在简要介绍了网络分析的位置和角色概念之后，主要说明了结构等价性、自同构等价性和正则等价性及其不同的测量方法，最后一节简要介绍了关系代数法和统计模型法。位置和角色分析是目前社会网络分析中数量化分析程度最高的方面，已应用和发展出了许多不同的数学分析方法。本章结合例子简要介绍了聚类法、统计模型法等。这些分析方法现在都可借助于有关的分析软件来应用。
第八章
讨论了社会网络分析的一些应用。社会网络分析具有非常广泛的应用，其应用领域已远远超出了社会学和人类学的传统范围，如小群体关系、社会支持网等，而且扩展到了人文社会科学甚至工程技术科学的诸多领域。但本书只是简要分析了与社会网络分析密切相关的社会资本研究以及体现中国社会结构特征的“关系”研究。
本书最后在附录中介绍了社会网络分析软件包的应用，重点说明了Pajek 的内容及使用方法。附录中还附有两个不同的各具代表性的《社会网络分析》教学大纲，供读者参考比较。

㈦ 社会网络分析方法

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，近年来，该方法在职业流动、城市化对个体幸福的影响和经济体系、国际贸易等领域广泛应用，并发挥了重要作用。

社会网络分析是社会学领域比较成熟的分析方法，社会学家们利用它可以比较得心应手地来解释一些社会学问题。许多学科的专家如经济学、管理学等领域的学者们在新经济时代——知识经济时代，面临许多挑战时，开始考虑借鉴其他学科的研究方法，社会网络分析就是其中的一种。

网络指的是各种关联，而社会网络即可简单地称为社会关系所构成的结构。社会网络分析问题起源于物理学中的适应性网络，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，通过数学方法﹑图论等定量分析方法，是20世纪70年代以来在社会学、心理学、人类学、数学、通信科学等领域逐步发展起来的一个的研究分支。

所以，从社会网络的角度出发，人在社会环境中的相互作用可以表达为基于关系的一种模式或规则，而基于这种关系的有规律模式反映了社会结构，这种结构的量化分析是社会网络分析的出发点。

社会网络分析不仅仅是一种工具，更是一种关系论的思维方式。可以利用来解释一些社会学、经济学、管理学等领域问题。