社會網路分析法軟體

① ucinet 是幹嘛的軟體

社會網路分析軟體，功能很強大，我們現在主要用這個軟體來分析數據，做出網路圖，然後分析網路結構指標，還可以進行矩陣的計算等。建議讀一下劉軍的「社會網路分析導論」

② 社交類手機APP的社交屬性分析

現今的即時通訊類APP都開始向社交方向發展，而多種多樣的社交媒體也在不斷更新，筆者試圖從幾個維度，對社交類APP進行分類與分析。

一、社交APP：社交網路與社交媒體

1、社交網路與社交媒體

筆者先將社交類APP分為兩類，社交網路與社交媒體，下面列出二者定義。

社交網路 即社交網路服務，源自英文SNS（Social Network Service）的翻譯，中文直譯為社會性網路服務或社會化網路服務，意譯為社交網路服務。

社交媒體 （Social Media)指互聯網上基於用戶關系的內容生產與交換平台。社交媒體是人們彼此之間用來分享意見、見解、經驗和觀點的工具和平台，現階段主要包括社交網站、微博、微信、博客、論壇、播客等等。

筆者認為，社交網路強調人與人之間的關系，是社交關系在虛擬的互聯網上的體現，大部分即時通訊軟體實現了社交網路的功能，即好友列表、對話與消息。通常來說，先有線下的社交關系，後有線上的好友關系。典型的APP有QQ，微信等。

社交媒體強調內容發布，每一個個體都是內容的發布者，通過內容關注從而建立人與人之間的關系。社交媒體中，社交關系的建立有兩條路徑，一條是現實好友間的互相關注，另一條是通過搜索或是隨機關注。典型的應用有微博，豆瓣等。

2、層級比較

從二者的定義與屬性來看，社交網路的層級要高於社交媒體，因為社交網路屬於強社交關系，可以向社交媒體遷移，只需基於好友關系建立內容發布平台，比如QQ的QQ空間，微信的朋友圈。由於人的社會屬性，交流與社交的需求永遠存在，應用內的發布平台一旦建立，用戶自發就會在平台上發布狀態，好友之間很自然的就會在平台上形成互動。

而社交媒體想向社交網路方向發展，就會困難很多。社交媒體上的人際關系都是弱關系，人與人之間的交流通過評論、私信進行，不易形成連續交流，軟體的功能也不是為對話設計的，所以通過社交媒體，陌生人很難成為熟人。

二、衡量指標/分類標准/維度劃分

這里選取幾個維度，作為對社交APP分析的維度。

1、實名與匿名

社交APP注冊時，使用何種方式為自己命名，體現了APP設定的隱私保護策略、功能定位、社交關系強弱等因素。

實名制：人人網，騰訊朋友。實名制的目的是讓社交關系更加真實，可信。

昵稱/實名：微博，微信。大部分普通人傾向於昵稱命名，一方面保護隱私，另一方面彰顯個性。在微博中，一些名人會採用實名認證，確保微博是本人，容易被搜索到，增加人氣。

昵稱：陌陌，抱抱。以陌生人社交作為定位的陌陌，一定以昵稱取名。因為陌陌之前的名聲，用戶一定不想被熟人發現。

匿名：微密。一些APP提供了匿名消息發布和聊天功能，有時是熟人之間，有時是陌生人之間。用戶直接以化名命名，或者直接沒有名字。

2、開放與封閉

根據動態/發布內容的可見性進行分類。

高可見性（所有人可見）：微博，人人，陌陌。弱社交關系的社交媒體，用戶一般不會發布隱私消息，微博和人人提供熱門推薦，陌陌基於地理位置查看，都是高可見性的體現。當然，產品也提供可見性選項，保護用戶隱私，比如微博的可見性選項，提供好友圈/指定的人/自己可見等等。

中可見性（訪問可見/好友可見）：人人個人主頁/QQ空間。這類產品提供不同的可見性選項，用戶可以自己設置。

低可見性（共同好友可見）：微信朋友圈。微信朋友圈比QQ空間更為封閉，在QQ空間中，所有人對自己好友的評論都可見，而在微信中，只有共同好友的評論才可見。

3、社交關系的建立方式

這里列出建立人與人之間聯系的方式

基於好友與共同好友，基於手機通訊錄，基於地理位置，基於共同愛好，基於搜索

4、好友關系層次

陌生人-單項關注-互相關注，悄悄關注，好友

陌生人-沒有任何關系的兩個人

單項關注-一方關注另一方

互相關注-雙方互相關注

悄悄關注-提供非公開關注功能

好友-雙方互為好友，任意一方解除好友關系，好友關系即結束

三、典型APP分析

1、微信

核心功能：通訊錄，對話，群聊，朋友圈，公眾號

其他功能：搖一搖，附近的人，漂流瓶

微信以即時通信功能為核心，逐漸發展成為社交服務平台，朋友圈-社交媒體，公眾號-閱讀與服務，微信支付-移動支付結算，多種功能集合在一個產品中，緊緊圍繞人與人進行

2、微博

核心功能：發布消息，瀏覽消息，評論，私信

其他功能：熱門微博，搜索

新浪微博自2010年發布之後，迅速得到互聯網關注，用戶數量爆炸式增長。微博以傳播信息快，范圍廣，即時性等特點，受到廣泛關注。但是碎片化瀏覽不利於深度挖掘消息背後的內容，這也是微博的缺點。

3、陌陌

核心功能：結識附近的人，即時聊天，動態，聯系人

其他功能：聊天室，游戲，同城服務，附近活動

陌陌以陌生人交友為產品定位，產品上線之後因「約X」而成為熱門產品，之後推出LBS服務，將服務、交友、社區加入產品，帶來正向循環。

4、人人網

核心功能：校園交友，發布動態，瀏覽動態

其他功能：熱門分享，大學社團

人人網定位為校園社交產品，曾經一度風行，近幾年因為一系列原因，逐漸沒落。網上有很多分析，在此略過。

四、PC端向手機移動端的遷移

一些社交類APP是從PC網頁端遷移到手機APP的，如新浪微博，也有一些是手機原生APP，如微信，陌陌。

兩類APP在發展過程上會有不同。遷移類APP有許多PC端的經驗可以借鑒，但是也背上了功能架構復雜的包袱，如何精簡功能適合移動端使用，是這類APP最大的問題。原生APP一切從零開始，沒有經驗，卻可以放開手腳，披荊斬棘，如何在眾多現有產品中殺出血路，也須下一番苦功。

五、APP定點陣圖

這里從兩個維度，即「封閉-開放」和「實名-匿名」對APP進行定位，尋求APP間的差異。

這里的分析還是有些亂，社交網路和社交媒體混在一起，功能定位也不一樣，可比性有些差。希望接下來可以有更好的分類劃分標准。

俊森

2015.11.25

③ 社會計算--研究點

研究內容

    1 、社交網路服務 （Social NetworkService，SNS）

    談到社交網路服務，就會讓人想起時下最熱門的Facebook。社交網路服務研究的是利用信息技術構建虛擬空間，實現社會性的交互和通信。SNS還有一種解釋是社會網路軟體（Social Network Software），電子郵件、網路論壇等許多傳統網路工具都可以視為一種社會軟體。

    在社交網路服務的網站上，人們以認識朋友的朋友的方式，擴展自己的人脈。國內最有名的社交網路服務網站是「人人網」，他們從實踐中總結出以下值得重點關注的研究點：社會關系強度、信息的絕對價值和相對價值、新鮮事排序演算法、隱私性以及社會化搜索。 

    2 、群體智慧 （CollectiveIntelligence）

    群體智慧的典型應用是「維基網路」和「網路知道」。這些互聯網平台系統不僅幫助用戶相互溝通聯系，更重要的是將用戶組織起來，發揮他們的群體智慧，以協作的方式一起創造、加工和分享知識。

    2005年，美國卡耐基梅隆大學的路易斯·馮·安（Luis Von Ahn）提出「人本計算（Human Computation）」的思想，用驗證碼、游戲等方式調動網民的熱情，使眾多的人腦自覺不自覺地參與到計算任務中，輕松地解決了本來非常耗時耗力的問題。這也是群體智慧的體現。

    知識獲取是一切智能系統的瓶頸，傳統的依靠專家編輯知識的方式效率太低，無法滿足大規模真實信息處理的需求。在網路社會的大背景下，群體智慧的出現為知識獲取提供了一條嶄新的充滿希望的道路。如何巧妙地設計用戶界面以激發用戶的參與熱情，如何克服人腦計算的不精確性，如何將人腦和電腦最佳地結合起來，都是值得深入研究的問題。

3.  社會網路分析 （Social NetworkAnalysis）

    社會網路分析依據網路理論看待社會，節點是網路中的獨立角色，邊是社會關系，社會網路就是由節點和邊構成的一張圖，這張圖往往非常復雜，節點之間的關系類型多種多樣。

    社會網路分析的典型例子是社區計算。中科院計算技術研究所的研究工作指出：社區是社會信息網路的普遍現象，大規模信息網路中的一些社會化特徵在全局層面往往具有穩定的統計規律。如何度量、發現和利用這些規律是大規模社會信息網路分析與處理的一個基礎問題。一般而言，社區結構是度量和利用這些特性的基本單元。因此，發現一個網路中有意義的、自然的、相對穩態的社區結構，對網路信息的搜索與挖掘、信息的推薦以及網路演化與擴散的預測具有重要價值。

4.  內容計算 （Content Computing）

    除社會網路外，社會媒體也是分析理解社會的重要素材，如新聞、論壇、博客、微博等。由於它們都以語言文字為主要展示形式，因此從事內容計算研究的學者需要掌握語言分析技術。當前內容計算的熱點包括輿情分析、人際關系挖掘、微博應用等。

     輿情分析 ：傳統上，對輿情的研究主要有兩種方法：一是觀察思辨，，二是問卷調查。前者缺乏數據支持，後者採集的數據量亦有限。互聯網技術為輿情分析提供了全新的技術路線，通過對各種社會媒體的跟蹤與挖掘，結合傳統的輿論分析理論，可以有效地觀察社會的狀態，並能輔助決策，及時發出預警。

     基於內容的人際關系挖掘 ：互聯網中蘊含著大量公開的人名實體和人際關系信息。利用文本信息抽取技術可以自動地抽取人名，識別重名，自動計算出人物之間的關系，進而找出關系描述詞，形成一個互聯網世界的社會關系網。微軟亞洲研究院的「人立方」就是一個典型系統。

     微博應用 ：如果說「人人網」是中國的Facebook，那麼「新浪微博」則是中國的Twitter。近來「新浪微博」迅猛發展，2010年11月，其用戶數為5000萬，2011年3月，其用戶數突破1億，在四個月內翻了一倍。「微博」同時具有「社會網路」和「媒體平台」的屬性，它催生了信息生產和傳播方式的革命，對社會事件和人們的意識已然產生了很大影響。「微博」明確地定位為平台，它提供開放的API介面，積極支持第三方應用的發展，基於「微博」的研究與開發必將成為未來一段時期互聯網學術界和產業界的熱點。

5.  人工社會 （Artificial Society）

    社會計算的一個重要使命是對復雜社會問題建立計算模型，進行實驗分析並提供決策支持。利用計算機模擬手段測試和驗證社會經濟政策的效果，已成為一個公共政策領域的迫切需求，這些需求催生了「人工社會」、「平行社會」等諸多相關領域的研究。

    通過建立各種人工社會，構造相應的平行系統，為「全面、綜合、可持續的科學發展觀」提供了一種可行的分析和評估方法，並應用於復雜社會系統的管理與控制，可以為將要到來的數字化社會和數字化政府管理奠定基礎。中科院自動化所是「人工社會」這一研究課題的積極倡導者和實踐者。

     社會計算面臨的挑戰

    社會計算方興未艾，生機勃勃，卻也面臨諸多挑戰：

1. 個人數據整合：同一個人在不同場合、不同終端上留下的各種行為記錄目前都散落在不同的存儲節點上，要整合這些信息，不但涉及技術問題，更涉及復雜的管理問題。

2. 巨量數據存儲：為大規模人類行為進行全面實時的記錄，需要巨大的數據存儲和管理能力，當前的計算機系統還無法滿足這一需求。

3. 個人隱私保護：出於隱私保護方面的考慮，大型互聯網公司往往不敢向學術界公開用戶日誌，致使學術界對社會計算的研究遇到用戶數據採集方面的嚴重困難。匿名化處理是一種解決方案，但好事者依然可以從匿名後的數據中發現個人行為的輪廓，使匿名化處理失效。

4. 研究成果保密：如果揭示出某種社會關系或某個組織的運行規律，是否會受到相關個人和組織的質疑或反對呢？對研究成果要達到何等保密程度呢？

5. 學術隊伍組織：由於背景各異，如何使計算機專家和社會科學領域的專家相互理解，密切配合，一道推進社會計算的研究，並非易事。同時，如何建設社會計算學科，培養既懂計算科學，又懂社會科學的人才，也是亟待探索的話題。

    結語

    社會計算是一個方興未艾的多學科交叉領域，網路科學、復雜系統、數據挖掘、社會學、管理科學、語言處理、信息檢索等不同背景的學者從不同的角度對社會計算進行了研究。社會計算的研究橫跨文理，為社會科學提供了一條革命性的計算之路，其研究成果對於社會管理、社會生活都將產生重大影響。隨著學術界、產業界和政府對社會計算的認識不斷加深，關注度不斷提高，社會計算正逐步進入蓬勃發展的階段。

④ 關於社會網路關系軟體的問題，我的數據是就是城市之間是否有關系那種，最後用ucinet畫出來一個圖。

這個問題非常好解決，我的方法雖然笨，但對新手來說很好操作，具體如下：
1，准備軟體gephi（和ucinet一樣，是做社會網路分析的）和AI（inkscape也可以）；准備一張自然資源部標准地圖服務網站上下載的全國地圖。
2，將准備好的數據導入gephi中，需要注意的是節點屬性一定要包含經緯度信息，選擇以Geo layout布局，然後優化顏色，節點大小等（怎麼好看你就自己怎麼調顏色和節點的大小），導出SVG格式圖片。
3，疊加圖層。將中國地圖和導出的SVG圖片拖入AI，調整，疊加起來進行了

⑤ 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

⑥ 《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。

⑦ 這種漂亮的網路關系圖怎麼畫的用什麼軟體畫出來的

推薦比較常用的幾個工具，

一個是 python 的 NetworkX 庫

另一個是 Gephi 這個軟體。

NetworkX

這是一款Python的軟體包，用於創造、操作復雜網路，以及學習復雜網路的結構、動力學及其功能。

有了NetworkX你就可以用標准或者不標準的數據格式載入或者存儲網路，它可以產生許多種類的隨機網路或經典網路，也可以分析網路結構，建立網路模型，設計新的網路演算法，繪制網路等等。可以查看官方文檔


。

望採納，謝謝~