網路社會分析法用什麼軟體

A. 數據分析一般用什麼工具啊

六個用於大數據分析的最好工具

一、Hadoop
Hadoop 是一個能夠對大量數據進行分布式處理的軟體框架。但是 Hadoop 是以一種可靠、高效、可伸縮的方式進行處理的。Hadoop 是可靠的，因為它假設計算元素和存儲會失敗，因此它維護多個工作數據副本，確保能夠針對失敗的節點重新分布處理。Hadoop 是高效的，因為它以並行的方式工作，通過並行處理加快處理速度。Hadoop 還是可伸縮的，能夠處理 PB 級數據。此外，Hadoop 依賴於社區伺服器，因此它的成本比較低，任何人都可以使用。
二、HPCC
HPCC，High Performance Computing and Communications(高性能計算與通信)的縮寫。1993年，由美國科學、工程、技術聯邦協調理事會向國會提交了「重大挑戰項目：高性能計算與 通信」的報告，也就是被稱為HPCC計劃的報告，即美國總統科學戰略項目，其目的是通過加強研究與開發解決一批重要的科學與技術挑戰問題。HPCC是美國 實施信息高速公路而上實施的計劃，該計劃的實施將耗資百億美元，其主要目標要達到：開發可擴展的計算系統及相關軟體，以支持太位級網路傳輸性能，開發千兆 比特網路技術，擴展研究和教育機構及網路連接能力。
三、Storm
Storm是自由的開源軟體，一個分布式的、容錯的實時計算系統。Storm可以非常可靠的處理龐大的數據流，用於處理Hadoop的批量數據。Storm很簡單，支持許多種編程語言，使用起來非常有趣。Storm由Twitter開源而來，其它知名的應用企業包括Groupon、淘寶、支付寶、阿里巴巴、樂元素、Admaster等等。
Storm有許多應用領域：實時分析、在線機器學習、不停頓的計算、分布式RPC(遠過程調用協議，一種通過網路從遠程計算機程序上請求服務)、 ETL(Extraction-Transformation-Loading的縮寫，即數據抽取、轉換和載入)等等。Storm的處理速度驚人：經測 試，每個節點每秒鍾可以處理100萬個數據元組。Storm是可擴展、容錯，很容易設置和操作。

四、Apache Drill
為了幫助企業用戶尋找更為有效、加快Hadoop數據查詢的方法，Apache軟體基金會近日發起了一項名為「Drill」的開源項目。Apache Drill 實現了 Google』s Dremel.
據Hadoop廠商MapR Technologies公司產品經理Tomer Shiran介紹，「Drill」已經作為Apache孵化器項目來運作，將面向全球軟體工程師持續推廣。
五、RapidMiner
RapidMiner是世界領先的數據挖掘解決方案，在一個非常大的程度上有著先進技術。它數據挖掘任務涉及范圍廣泛，包括各種數據藝術，能簡化數據挖掘過程的設計和評價。
六、Pentaho BI
Pentaho BI 平台不同於傳統的BI 產品，它是一個以流程為中心的，面向解決方案(Solution)的框架。其目的在於將一系列企業級BI產品、開源軟體、API等等組件集成起來，方便商務智能應用的開發。它的出現，使得一系列的面向商務智能的獨立產品如Jfree、Quartz等等，能夠集成在一起，構成一項項復雜的、完整的商務智能解決方案。

B. 社會網路分析的Gephi軟體

相比於UCINET的導入數據格式，Gephi要求的原始數據更加靈活，主要分為三種：

例如以博士就業的「來源-目標」為例：(當然優勢根據需要還可以加入權重weight)

將原始的列表數據轉化為共現矩陣，進而導入到Gephi（亦或是UCINET、Pajek）是最為常見的數據轉化方法。但是通常情況下，無論是用BibExcel還是用BICOMB2，步驟都比較繁瑣。相關參考資料如下，以供參考：

在這里筆者安利一個神仙公眾號，「學術點滴」。UP主做了一個CO_OC1.7軟體，能夠瞬間做共現及相異矩陣，同時將bibexcel、ucinet、pajek、vosviewer、gCLUTO(雙聚類)、內容挖掘系統(ROSTCM6)作為插件集合於CO_OC1.7軟體中，方便一體化分析及比較分析，節省時間。親測有效，文章鏈接如下：

網上關於作圖的教程較為詳細，多結合案例講解，容易上手。參考如下：

（1）統計功能：Gephi<UCINET

（2）作圖渲染：Gephi>UCINET

但是這不是說明Gephi的作圖效果一定就比UCINET好，一切都是「以圖能最直觀的表達觀點」為直接目標。所以需要對這兩種作圖軟體盡量上手，拿兩者做的圖相互比較，選擇最能代表研究觀點的圖。如同研究一樣，一切都是以表達觀點為立意點，切不可成了炫技的秀方法文章。

C. 網路輿情監測分析哪家的軟體好些

輿情處置是指對於網路事件引發的輿論危機，通過利用一些輿情監測手段，分析輿情發展態勢，加強與網路的溝通，以面對面的方式和媒體的語言風格，確保新聞和信息的權威性和一致性，最大限度地壓縮小道消息、虛假信息，變被動為主動，先入為主，確保更准、更快、更好地引導輿情的一種危機處理方法。

現代社會，任何企業和單位的工作都離不開互聯網，網路已經融入到了我們生活的各個角落。2011中國互聯網產業年會報告顯示,我國網民數量已經超過5億,其中手機網民數達到3.4億,在總體網民中的比例達到65.5%。如此龐大的網民數量，促使互聯網應用空前的繁榮。而信息傳播的便捷性和網民觀點意見的交互性使網路輿情發酵更為容易，影響更為深遠。因此，積極的網路輿情處置成為政府、企業和個人不可避免的選擇。

1.重視互聯網。互聯網把人類帶入一個多維的信息化、網路化時代，網路輿論成為民意的「晴雨表」。 把握網路的發展趨勢，認識網路的深刻影響，正視網路的嚴峻挑戰， 把網路作為日益強勢的新興媒體來對待 ，把關注網路輿情當作一種工作常態來堅持，把引導網路輿情作為一種能力來鍛煉，高度重視網路建設，主動掌握網路技術充分利用網路資源，大力發揮網路作用，切實把互聯網建設好利用好、管理好。
2.盡量在第一時間發布新聞，贏得話語權。先入為主，掌握主導權 。危機管理實質上是危機溝通管理。 實透明的信息、開放式的報道、人本化的溝通，不僅不會引發恐慌，給政府添亂， 而且會促進網路民間力量與政府力量良性互動，產生積極效應。
3.在網路輿情中勇於「搶旗幟」。在輿情頻發的今天，要高揚社會公正司法公正，以人為本和諧社會的旗幟，積極排查和解決社會各種不和諧、不穩定因素，維護人民群眾的切身利益，不要因為種種顧忌，把這樣的旗幟送給網上意見領袖，而讓廣大網民對政府失望。
4.在輿情應對中充分發揮主場優勢，政府掌握的信息遠比網民個人所了解的信息全，面而專業中國政府對新聞媒體具有重大影響力，而且最主要的一條，政府應該具有權威性。宣傳部門要充分發揮媒體優勢，不失語、不妄語，發揮信息優勢，學會有節奏地拋出系統化的專業信息，利用政府與民間的信息不對稱，有力地引導輿論， 但也要警惕政府的主場優勢變成主場劣勢，這就是政府公信力的流失。
5.建立政府網路輿情預判預警機制。這一機制包括網路輿情信息收集機制，網路輿情信息分析機制，網路輿情發展方向的預測機制和網路輿情發展的干預機制。通過建立預判預警機制，政府可以有計劃、有目的地對網路輿情進行干預。如在收集和分析輿情信息時發現了負面信息，則可以通過報道正面消息沖淡負面信息的影響。
6.建立政府網路輿情危機處理機制。公共危機事件的發生實際上是社會系統由有序向無序發展，最終爆發突發性危機事件的過程。因此，設立綜合性決策協調機構和常設的辦事機構，加強政府部門間的協調以提高處置重大突發事件能力。

輿情處置能否起到效用最終還是要取決當事人對事件引起的輿情狀況的了解程度。古話說：知己知彼才能百戰不殆，沒有對輿情發展掌握足夠的信息就無法有效的處置輿情危機。
在輿情處置過程中，利用軟體對網路輿情信息進行全面的採集分析，及時准確發現與我的不利或負面信息，了解與我相關的網路輿情發展態勢，起到輿情預警作用，同時為危機輿情處置提供決策數據支持。
網路輿情監測系統是針對當下輿情危機頻發，輿情處置能力缺乏開發的軟體。該系統通過對海量網路輿論信息進行實時的自動採集，分析，匯總，監視，並識別其中的關鍵信息，及時通知到相關人員，從而第一時間應急響應，為正確輿論導向及收集網友意見提供直接支持，幫助當事人優化輿情危機處置。

D. 誰有好的社會網路分析軟體及教程啊

社會網路分析法是一種社會學研究方法，社會學理論認為社會不是由個人而是由網路構成的，嘩梁網路中包含結點及結點之間的關系，社會網路分析法通過對於網路中關系的分析探討網路的結構及屬性特徵，包括網路中的個體屬性及網路整體屬性，網路個體屬性分析包括:點度中心度，接近中心度等;網路的整體屬性分析包括小世界效應，小團體研究，凝聚子群等。該方法目前在教育領域應用比較廣泛，主要探究信息技術環境下學習者所構成網路的特點，以及在此基礎上對於該網路的改進策略。

從社會網路分析來看，傳播網路是一個包含了大量個體及個體之間相互作用的系統。近年來在對復雜網路的研究過程中，研究者亦發現了眾多的冪律分布。例如：電子郵件網路、電影演員合作網路、引文關系網路，特別是互聯網這樣的社會性網路，雖然網路在結構及功能上是如此的千變萬化，相差迥異，但復雜網路中節點的度值k，相對於它的概率P（k）滿足冪律關系，且冪指數多在2和3之間，這一現象是如此的普遍，令人驚嘆不已，以至於人們給具有這種性質的網路起了一個特別的名字——無標度網路Sacle-free。無標度是指網路缺乏一個特徵度值（或平均度值），即節點度值的波動范圍相當大，所以正態分布統計思想下無法洞察冪律分布下的網路動力學行為和結構，甚至我們可以把社會網路，傳播網路稱為冪網。

現在，中國傳媒大學調查統計研究所也正在對這方面的應用進行探索，進行了社會網路角度的引文分析，輿情與傳播擴散的研究，人際和群體傳播關系對微觀信息傳播行為和態度的影響等研究。

與此同時基於海量數據的關系數據獲取，將帶來數據挖掘技術與社會網路分析技術的融合，形成數據挖掘在社會網路分析中的社會和商業應用價值。

現在來看，社會網路分析可以解決或可以嘗試解決下列問題：

1、人際傳播問題，發現輿論領袖，創新擴散過程；

2、小世界理論，六度空間分割理論；

3、Web分析，數據挖掘中的關聯分析，形成交叉銷售，增量銷售，也就是啤酒和尿布的故事；

4、社會資本，產業鏈與價值鏈；

5、文本脊蘆喚櫻凱的意義輸出，通過追問調查研究文本的關聯和意義；

6、競爭情報分析；

7、語言的關聯，符號意義；

8、相關矩陣或差異矩陣的統計分析，類似得到因子分析和MDS分析；

9、恐怖分子網路；

10、知識管理與知識的傳遞，弱關系的力量；

11、引文和共引分析。

E. 有沒有大神知道引文網路分析法的具體步驟還有分析工具

一般來說，引文網路分析畢拍的具體步驟如下：

選擇研究的學術領域和時間段，並收集相關論文。

對論文進行解析，提取出論文的引文信神數賣息。

建立論文之間的引文關系網路。

分析游逗網路中的節點和邊，了解論文之間的關系。

對網路進行可視化，通過圖形更直觀地展示論文之間的關系。

分析論文的影響力，比如計算論文的引用次數、引用深度、引用寬度等。

F. 學習和應用社會網路分析，為什麼要選用Pajek(轉自科學網)

昨日與一位朋友聊天，提到論文撰寫的問題，發現這位朋友修習了社會網路分析的一些概念知識，手頭又有點數據，導師又催著出論文，於是極度希望能夠應用Pajek作為工具分析點結果出來，湊出一篇「像樣點」的論文。當問及Pajek到底能做什麼時，我給出的回答讓這位朋友感到非常失望：Pajek有繪圖功能，但是如果只是為了好看，那你不如用其他多媒體軟體，Pajek有計算功能，但是限於對你手頭網路文件進行分析，如果要出統計結果，你得要藉助其他軟體。於是，朋友說：那照你這么說法，這就是個廢物軟體了？ 在十年前，或許可選擇的軟體較少，現在可供網路分析使用的軟體，不下上百種，如果要從中挑出適合自己需要的，倒也的確比較困難。或許所有應用這項技術的人，都會推薦自己所熟悉的軟體工具。我雖然不能說可以用手頭的工具解決所有問題，但談一下為什麼選用這個軟體還是有必要的，當然，還真有人在網上發了論文，對一些軟體進行比較。真是不好意思的是，在寫這篇博文時，我搜索了一下自己的硬碟，居然沒找到那篇論文。 我覺得有必要從個人角度澄清一下對這個軟體應用范圍的看法。 首先，Pajek是用來處理大型網路的。在目前版本中，它可以處理多達9億個頂點的網路文件。如果你手頭的網路文件頂點不超過1000個，那用Ucinet、NodeXL等軟體，都不會有速度的障礙。 第二，Pajek是所有網路分析工具中，唯一配備了循序漸進教程的軟體。在我個人看來，人類所創造的工具，是現有感官的延伸，是進一步創造新認識和新直覺的階梯。所以，當我們要理解並熟練掌握甚至可以精通某種操作化的分析技能時，需要有一個逐漸訓練的過程，並且在這種過程中形成對一些看似抽象的概念的直觀認識。配備了循序漸進教程的Pajek軟體，正好成為入門時的練手工具。 第三、Pajek提供了探索網路結構的途徑，但它的統計分析功能很弱。但是，它又同時配備了R軟體介面。在我看來，把Pajek的數據探索功能與R軟體的統計功能結合，就已經基本符合網路分析技術的應用需求。如果超出這種基本功能的更高階需求，那就不僅僅是應用這種技術，而是研究這種技術本身了。 總結起來，當學習社會網路分析技術時，我個人覺得應當掌握的軟體有兩個：Pajek和R軟體（R軟體裡面有許多分析包，其中igraph和sna這兩個包很重要，應當重點掌握）。應當熟悉的軟體有Matlab和NodeXL，前者幫助你做一些矩陣轉換，後者則提供了一個簡單的EXCELL插件供你做網路文件制備。對於如何學習R軟體的操作，我建議零起點的朋友，如果是生物醫學方面的，可以選擇《應用R軟體和

G. 數據分析用什麼軟體

做數據分析，比較好用的軟體有哪些？
數據分析軟體有很多種，每一種都適合不同類型的人員。

簡單說：

Excel：普遍適用，既有基礎，又有中高級。中級一般用Excel透視表，高級的用Excel VBA。

hihidata：比較小眾的數據分析工具。三分鍾就可以學會直接上手。無需下載安裝，直接在線就可以使用。

SPSS：專業統計軟體，沒有統計功底很難用的。同時包含了數據挖掘等高大功能。

SAS：專業統計軟體，專業人士用的，不懂編程還是不要碰了。

MARLAB：建立統計與數學模型，但是比較難學，很難上手。

Eview：比較小眾，建立一些經濟類的模型還是很有用的。計量經濟學中經常用到。

各種BI與報表工具：FineBI，FineReport，tableau，QlikView等。
比較好的數據分析軟體有哪些？
SPSS是軟體里比較簡單的 ，學校里使用的比較多一些，可以採用菜單的模式 帶少量的命令編輯MATLAB常常在建立統計和數學模型的時候比較好用 但是很難學 反正我學了一個學期楞是就知道個皮毛Finereport 兼顧了基本的數據錄入與展現功能，一般的數據源都支持，學習成本比較低，比較適合企業級用戶使用，SAS我並斗沒用過
網站數據分析工具哪個好用些阿？
推薦吆喝科技的ab測試，軟體分析的數據比較全面和精準
學數據分析需要熟悉哪些軟體基礎
軟體只是一個工具 看你要從事的數據分析的方向很深度而定

一般的用excel也可以進行常規簡單的數據分析

再深入一點的用spss、stata、sas

如果要搞數據挖掘的話，用spss modeler / sas

不過一般的常規數據分析用excel和spss基本上能夠應付
常用的數據分析工具有哪些
數據分析的概念太寬泛了，做需要的是側重於數據展示、數據挖掘、還是數據存儲的？是個人用還是企業、部門用呢？應用的場景是製作簡單的個人圖表，還是要做銷售、財務還是供應鏈的分析？

那就說說應用最廣的BI吧，企業級應用，其實功能上已經涵蓋了我上面所述的部分，主要用於數據整合，構建分析，展示數據供決策分析的，譬如FineBI，是能夠絕漏磨」智能」分析數據的工具了。
android數據分析工具用什麼軟體
1. 開源大數據生態圈

Hadoop HDFS、Hadoop MapRece, HBase、Hive 漸次誕生，早期Hadoop生態圈逐步形成。

開源生態圈活躍，並免費，但Hadoop對技術要求高，實時性稍差。

2. 商用大數據分析工具

一體機資料庫/數據倉庫（費用很高）

IBM PureData(Netezza), Oracle Exadata, SAP Hana等等。

數據倉庫（費用較高）

Teradata AsterData, EMC GreenPlum, HP Vertica 等等。

數據集市（費用一般）

QlikView、 Tableau 、國內永洪科技Yonghong Data Mart 等等。

前端展現

用於展現分析的前端開源工具有JasperSoft，Pentaho, Spagobi, Openi, Birt等等。

用於展現分析商用分析工具有Cognos,BO, Microsoft, Oracle,Microstrategy,QlikView、 Tableau 、國內永洪科技Yonghong Z-Suite等等。
數據分析軟體有哪些，他們分別的特點是什麼
除了搜圓EXCEL 數據分析用的多的有以下幾個軟體，你看看你們公司符合哪個

SPSS（StatisticalProct and Service Solutions），「統計產品與服務解決方案」軟體，是數據定量分析的工具，適用於社會科學（如經濟分析，市場調研分析）和自然科學等林林總總的統計分析，國內使用的最多，領域也多。

SPSS就如一個傻瓜相機，界面友好，使用簡單，但是功能強大，可以編程，能解決絕大部分統計學問題，適合初學者。它有一個可以點擊的交互界面，能夠使用下拉菜單來選擇所需要執行的命令。它也有一個通過拷貝和粘貼的方法來學習其「句法」語言，但是這些句法通常非常復雜而且不是很直觀。

SPSS致力於簡便易行（其口號是「真正統計，確實簡單」），並且取得了成功。但是如果你是高級用戶，隨著時間推移你會對它喪失興趣。SPSS是制圖方面的強手，由於缺少穩健和調查的方法，處理前沿的統計過程是其弱項。

SAS是全球最大的軟體公司之一，是全球商業智能和分析軟體與服務領袖。SAS由於其功能強大而且可以編程，很受高級用戶的歡迎，也正是基於此，它是最難掌握的軟體之一，多用於企業工作之中。

SAS就如一台單反相機，你需要編寫SAS程序來處理數據，進行分析。如果在一個程序中出現一個錯誤，找到並改正這個錯誤將是困難的。在所有的統計軟體中，SAS有最強大的繪圖工具，由SAS/Graph模塊提供。然而，SAS/Graph模塊的學習也是非常專業而復雜，圖形的製作主要使用程序語言。SAS適合高級用戶使用。它的學習過程是艱苦的，正所謂「五年入門，十年精通」，最初的階段會使人灰心喪氣。然而它還是以強大的數據管理和同時處理大批數據文件的功能，得到高級用戶的青睞。

R 是用於統計分析、繪圖的語言和操作環境，屬於GUN系統的一個自由、免費、源代碼開放的軟體，它是一個用於統計計算和統計制圖的優秀工具，多用於論文，科研領域。

R的思想是：它可以提供一些集成的統計工具，但更大量的是它提供各種數學計算、統計計算的函數，從而使使用者能靈活機動的進行數據分析，甚至創造出符合需要的新的統計計算方法。因此R有很多最新的模型和檢驗方法，但是非常難自學，對英語的要求很高。R與SAS的區別在於，R是開放免費的，處理更靈活，同時對編程要求較高。
大數據是什麼意思？哪些軟體適合大數據分析？
大數據定義什麼的網路很多。個人理解：現有的互聯網數據量越來越大，面對這么大的數據量，如何利用好這些數據是極具挑戰性的。一方面數據量提升，數據處理的方法必須改變，才能提高數據處理速度，比如大規模，高並發的網站訪問，12306，淘寶天貓什麼的；另一方面從這些海量數據中挖掘出有用的信息，比如根據淘寶根據用戶點擊訪問，反饋出用戶的喜好，給用戶推薦相關商品。

推薦Hadoop，適合大數據處理的。

網上學習資料很多，自己搜去！

當然你也可以自己使用資料庫MYSQL等去做大數據處理，這樣很多Hadoop做好的東西都需要你自己去做。要是熟悉某個資料庫，並且應用明確就用資料庫自己去做吧！

加油！
數據分析軟體哪個好
最常用的是spss,屬於非專業統計學的! sas是專業的統計分析軟體,需要編程用,都是專業人士用的 數據分析中的數據挖掘,可以使用spss公司的clementine
大數據分析一般用什麼工具分析
在大數據處理分析過程中常用的六大工具：

Hadoop

Hadoop 是一個能夠對大量數據進行分布式處理的軟體框架。但是 Hadoop 是以一種可靠、高效、可伸縮的方式進行處理的。Hadoop 是可靠的，因為它假設計算元素和存儲會失敗，因此它維護多個工作數據副本，確保能夠針對失敗的節點重新分布處理。Hadoop 是高效的，因為它以並行的方式工作，通過並行處理加快處理速度。Hadoop 還是可伸縮的，能夠處理 PB 級數據。此外，Hadoop 依賴於社區伺服器，因此它的成本比較低，任何人都可以使用。

HPCC

HPCC，High Performance puting and munications(高性能計算與通信)的縮寫。1993年，由美國科學、工程、技術聯邦協調理事會向國會提交了「重大挑戰項目：高性能計算與 通信」的報告，也就是被稱為HPCC計劃的報告，即美國總統科學戰略項目，其目的是通過加強研究與開發解決一批重要的科學與技術挑戰問題。HPCC是美國 實施信息高速公路而上實施的計劃，該計劃的實施將耗資百億美元，其主要目標要達到：開發可擴展的計算系統及相關軟體，以支持太位級網路傳輸性能，開發千兆 比特網路技術，擴展研究和教育機構及網路連接能力。

Storm

Storm是自由的開源軟體，一個分布式的、容錯的實時計算系統。Storm可以非常可靠的處理龐大的數據流，用於處理Hadoop的批量數據。Storm很簡單，支持許多種編程語言，使用起來非常有趣。

Apache Drill

為了幫助企業用戶尋找更為有效、加快Hadoop數據查詢的方法，Apache軟體基金會近日發起了一項名為「Drill」的開源項目。Apache Drill 實現了 Google's Dremel.

據Hadoop廠商MapR Technologies公司產品經理Tomer Shiran介紹，「Drill」已經作為Apache孵化器項目來運作，將面向全球軟體工程師持續推廣。

RapidMiner

RapidMiner是世界領先的數據挖掘解決方案，在一個非常大的程度上有著先進技術。它數據挖掘任務涉及范圍廣泛，包括各種數據藝術，能簡化數據挖掘過程的設計和評價。

Pentaho BI

Pentaho BI 平台不同於傳統的BI 產品，它是一個以流程為中心的，面向解決方案(Solution)的框架。其目的在於將一系列企業級BI產品、開源軟體、API等等組件集成起來，方便商務智能應用的開發。它的出現，使得一系列的面向商務智能的獨立產品如Jfree、Quartz等等，能夠集成在一起，構成一項項復雜的、完整的商務智能解決方案。

H. 《社會網路分析方法與實踐》epub下載在線閱讀全文，求百度網盤雲資源

《社會網路分析方法與實踐》（）電子書網盤下載免費在線閱讀

鏈接: https://pan..com/s/1y9Kiz07GFKQMbIRIGZv_gg

書名:社會網路分析方法與實踐

豆瓣評分:7.2

作者:

出版社:機械工業出版社

副標題:方法與實踐

原作名:Social Network Analysis for Startups

譯者:王薇/王成軍/王穎/劉璟

出版年:2013-6-1

頁數:177

內容簡介:

本書以基於Python的網路分析包NetworkX作為社會網路分析工具，但不是一本NetworkX使用手冊。作者將重點放在如何從龐大的社會網路分析學術積累中，挑選最精要與最實用的知識點，以幫助讀者形成關於社會網路分析的知識譜系圖。全書可以分為四部分。第1章和第2章是基礎知識，主要介紹社會網路分析的背景信息與圖論基礎知識。第3~5章主要介紹如何分析社會網路，分別從個體與群體兩個層面，介紹社會網路的主要測量指標與分析方法。其中第3章重點介紹社會網路節點層面的四個核心指標：

程度中心性：哪些是明星人物？哪些是邊緣者？程度中心性回答類似問題。這是最為人們理解的社會網路測量指標。以微博為例，程度中心性就是粉絲的數量，那些程度中心性高的人就是微博中的明星。

親近中心性：親近中心性通過點與其他點的距離來測量。那些在社交網路中經常與人互動、人際關系頗好的人，比如公司中的八卦傳播者，往往親近中心性得分較高。

居間中心性：節點的居間程度，表示一個網路中經過該點最短路徑的數量。在網路中，節點的居間程度越大，那麼它在節點相互之間的信息傳播起到的作用也就越大。在兩個社會網路之間的人，比如跨界者，往往擁有較高的居間中心性。

特徵向量中心性：那些在社交網路中沉默卻擁有極大權力的人物，如《教父》中的主人翁柯里昂。社會網路研究者將他們稱為「灰衣主教」。特徵向量中心性就是找出他們的辦法。基本原理是，一個有著高特徵向量中心性的行動者，與他建立連接的很多行動者往往也被其他很多行動者所連接。在社交網路中，有這樣一種人，很多明星與其做朋友，即使他沉默不語，也可能是一位重要的人物。

社會網路分析不僅僅在節點層面測量。第4章、第5章介紹如何分析群體。其中，第4章主要介紹社群劃分的基礎知識：如何將龐大的社會網路劃分為小的組塊？如何利用社會網路中的結構洞牟利？如何進行三元組普查與分析？例如，如何通過島嶼方法逐步找出推特上埃及革命的成千上萬條轉發的核心人物？又如，如何評估埃及革命中一個人的信息傳播能力？顯然，如果你的朋友們相互信任，將比那種一個明星發言，粉絲們單純收聽的星形網路傳播能力更強。第5章主要介紹二模網路與多模網路的基礎知識。關系還會存在於不同類型的主體之間，比如公司僱傭員工、投資者購買公司股票、人們佔有信息與資源等。這些關系稱為二模關系。現實生活中的關系往往是二模或多模。比如在微博上，可以通過你的興趣、地域、使用的標簽來為你推薦新的朋友，或者基於你對一些公共事件的看法，將你劃分到特定政治群體中，這些都是基於二模或多模網路的分析得出的。

第6章是全書最精彩的部分，關注信息如何傳播，初步展示分析動態社會網路發展的建模技巧。一條微博如何從一兩個人關注突然成為流行用語？作者在實驗中發現，當網路密度接近7%的時候，將從線性增長（每次增加一條連接）轉化為病毒式擴散，也就是說，如果轉發一條微博、加入一個網路社群等的人數比例達到7%，其他人將會在關鍵階段馬上跟進。這是一個推動臉譜走出哈佛大學的神奇數字。臉譜一步一步地躍遷，總是遵循一個規則——在一個社群里到達飽和點之後才移入一個更大的社群。作者通過手寫Python演算法，為讀者打開動態社會網路與網路模擬的大門——我們如何用演算法來模擬人類社會各類關系的變遷？有了自己親手實踐演算法的經驗，讀者未來使用netlogo等網路模擬軟體，將更加得心應手。

對於初學者來說，第4~6章這三章有一定難度，需要同時理解社會科學與編程技巧兩方面知識。第7章則簡單明了，主要介紹獲取網路數據的入門知識。如果希望深入了解，可以閱讀作者推薦的相關資源。附錄A介紹收集社會網路分析所需數據的傳統方法、倫理准則與相關API。附錄B介紹如何安裝本書涉及的相關軟體，如NetworkX、matplotlib等。

總而言之，作為一本技術非常新穎的入門讀物，本書通俗易懂，基於Python進行分析使得其靈活性變得更高。可以說，本書令學習者從一開始就具有上手實踐的能力，除介紹網路數據獲取技巧、網路抽樣方法、網路在個體與群體兩個層面的基本屬性之外，還涉及目前日益熱門的網路模擬方法，融合基礎理論與演算法於一身。簡約卻不簡單，上升空間非常大！無論你是對社會網路感興趣的大眾讀者，還是社會網路的專業研究者、開發者，相信本書都會在社會網路的理論與實踐兩方面給予啟發！

作者簡介:

maksim tsvetovat是一個跨學科的科學家、軟體工程師和爵士音樂家。他從卡內基·梅隆大學獲得計算、組織和社會方向的博士學位，專注於社會網路進化、信息和態度擴散、集體智能發生的計算機建模。目前，他在喬治·梅森大學教授社會網路分析。他還是deepmile networks公司的聯合創始人之一，該公司聚焦於社交媒體影響的圖形化。maksim還教授社會網路分析的管理人員研討班，包括面向創業公司的「社會網路」和面向決策人員的「理解社交媒體」。

alexander kouznetsov是一名軟體設計師和架構師，具有從數據倉庫到信號處理的廣泛技術背景。他為業界開發了大量的社會網路分析工具，從大規模數據採集到在線分析和演示工具。alex在得克薩斯大學獲得數學和計算科學學士學位。

I. spss用來做什麼的，是什麼軟體，。

是一款數據統計行漏與分析軟體。
它可以提供全面的統租帶宴計分析，方便易用可快速操作，可縮小數據科學與數據理解之間的差距；在具體的應用方向方面，SPSS提供了高級統計分析、大量機器學習演算法、文本分析等功能，具備開源可擴展性，可與大弊銀數據的集成，並能夠無縫部署到應用程序中。