---
tags: social network analysis
---

# 從零開始的社群網路分析

社會網路分析（Social Network Analysis, SNA）

是根據網路(Network theory)及圖論(Graph theory)對社會結構進行探索的分析方法。

而中心性（centrality）則是社會網路分析中常用到的概念，

用來闡述某個節點(人)在網路中的重要程度。

一般而言，中心性（centrality）有常見的三個衡量標準，

就是本文標題揭示的度中心性(degree centrality )、

介數中心性(betweenness centrality)及接近中心性(closeness centrality)，

其他進階項目，通常都會用到上述這幾個特點

## 重要知識

以python為例，

目前社群網路分析常用的套件為networkx > igraph > cdlib，

| networkx | igraph | cdlib |
|:--------:|:----------:|:----------:|
| 範例多 | 範例中 | 範例少 |
| 速度快 | 速度慢 | 速度快 |
| 方法少 | 方法算多 | 方法多 |
| 無向圖 | 無、有向圖 | 無、有向圖 |

---

### [python]()

pip install networkx

or

pip install python-igraph

or

pip install cdlib

---

## 基本要了解的功能(以networkx 為例)

### 讀取網路

>import networkx as nx
>
>G =nx.read_edgelist("train.txt", create_using = nx.Graph(), nodetype=int)

### 顯示圖片

>print(nx.info(G))

### 度中心性

>nx.algorithms.centrality.degree_centrality(G)

### 介數中心性

>nx.algorithms.centrality.betweenness_centrality(G)

## 比較深入的技術

### 鏈結預測(Link Prediction)

主要是利用一些連結特性，像是如果A跟B是朋友，B跟C是朋友，那A跟C有可能也會成為朋友，

或是用內三角、外三角的性質，算一些分數，設定門檻值(=0.5)，來決定是否有可能未來有連結，

實際還有很多[算法](https://networkx.org/documentation/stable/reference/algorithms/link_prediction.html)

現在的最新的應用就是用這些算法跑深度學習，

讓模型去決定哪個參數銓重較高

### 社群偵測(Community Detection)

###### tags: `social network analysis`