社会关系网之中心性分析法
经常研究社会关系网的同学应该对社会关系网中的分析法比较熟悉，最近在写毕业设计用到了这方面的知识，所以在这做个总结。社会关系网是一门研究社会中社会实体（称为参与者）以及他们之间的活动与关系的学问。这种关系和活动可以用网络或者图来进行表示，其中，每一个顶点用来表示一个参与者，而一条边的链接用来表示两个参与者之间的关系。利用网络图我们可以研究该网络的结构特性，以及每一个社会参与者的职责、位置、威望等属性。
所谓重要的或者卓越的参与者，就是那些广泛与其他参与者连接或者发生关系的参与者。一般认为，在一个机构中，与其他同事有广泛的交流或者联系的人，其重要性程度要高于那些与其他同事联系比较少的人。中心参与者就是那些牵涉到许多连接中的参与者。在社会网络关系中，每个结点代表一个参与者，每个链接代表线段两边的两个参与者之间是有关系的。
实际情况中比较常用的中心性分析法主要有三种：度中心性（Degree Centrality）、接近中心性（Closeness Centrality）以及中介中心性（Betweenness Centrality）。下面讲讲这三种中心性分析法的概念。
度中心性：中心参与者是拥有与其他参与者的链接或者链接数目最多，最活跃的参与者。假设网络中的参与者的总数为n。由于网络存在无向和有向的，所以，我们需要区别这两种点的中心度。
- 无向图：在无向图中，参与者i的重要性就是参与者结点的度，经过归一化处理之后可以表示为：
度中心性 过往记忆
其中，d(i)是结点i的总度数，n-1表示结点i最大可能的度数。这个公式所得到的数值范围在0到1之间，因为任何一个结点度的最大值为n-1。
- 有向图：在这中情况下，我们需要区分结点的入度和结点的出度。度中心性基于链出链接定义，即
有向图点中心性 过往记忆
其中，do(i)表示结点i的出度，其他的含义和无向图中的一样。
接近中心性：这种中心性的观察视角主要基于接近度或者距离。它的基本思想是如果一个参与者能很容易的与所有其他参与者进行互动，那么它就是中心的。即它到其他所以参与者的距离要足够短。于是，我们就可以使用最短距离来计算这个数值。假设参与者i和参与者j之间的最短距离记为d(i,j)（由最短路径上的链接数目度量）。同样我们分为有向图和无向图来进行讨论。
- 无向图：参与者i的接近中心性被定义为：
社会关系网 接近中心性
这个公式得出的数值也是在0到1之间。注意，从定义我们可以知道，这个等式只有在相应图为连通图时才有用。
- 有向图：上述公式也可以用在有向图中，只不过距离计算时，需要考虑链接和边的方向。这里就不给出定义了。
中介中心性：如果两个不相邻的参与者k和j想要与对方互动而参与者i处在它们的路径上，那么i可能对它们之间的互动拥有一定的控制力。中介性用来度量i对于其他结点的控制能力。即如果i处在非常多结点的交互路径上，那么i就是一个重要的参与者。同样分为有向图和无向图来讨论。
- 无向图：以pjk表示参与者j和k之间的最短路径的数目，参与者i的中介性定义为所有经过结点i的路径数目，我们用pjk(i)表示，其中，j!=i,k!=i。被所有参与者对之间不包含i的最短路径数总和归一化出来后得到的数值。可以表示为：
社会关系网 中介中心性
注意，参与者k和参与者j之间可能有多条最短路径。有些经过i，有些是不经过i的，我们假设所有路径被使用的可能性是相等的。CB(i)的最小值为0，在所有最短路径都不经过i是被取得，最大值是(n-1)(n-2)/2，即不包含参与者i的其他所有参与者构成的参与者对数目。如果我们想保证上述值在0到1之间，我们可以用CB(i)的最大值(n-1)(n-2)/2对起进行归一化处理，也就是CB(i)除于(n-1)(n-2)/2得到，这里就不给出定义了。
- 有向图：可以利用相同的公式但是需要将它们乘以2，因为考虑这种情形下，从j到k的路径和从k到j的路径是不一样的，所以现在总共有(n-1)(n-2)个节点对。同样的道理，pjk现在也需要考虑两个方向，这里就不给出定义了。（完）
本文链接地址: 社会关系网之中心性分析法（http://www.iteblog.com/archives/427）
社会关系网之中心性分析法相关推荐
- 社会网络分析之中心性
设想一个年级中,有十几个班级,所有班级的同学和老师,大家都通过社交软件相互联系. 在这样一个关系网络中,如何识别出哪些人是交际花,哪些人是具有影响力的人呢? 这就要涉及到中心度的概念了,本文介绍四种中 ...
- 转：SWOT分析法与职业生涯规划
SWOT分析法与职业生涯规划 SWOT分析法与职业规划,主要介绍SWOT分析法的概念.如何应用SWOT分析法做职业生涯规划.生涯设计公益网(www.16175.com)大学生职业生涯规划专题组推荐. ...
- 灰色关联分析法详解及python实践
1. 关于灰色关联分析 1.1. 什么是灰色关联分析 灰色关联分析是指对一个系统发展变化态势的定量描述和比较的方法,其基本思想是通过确定参考数据列和若干个比较数据列的几何形状相似程度来判断其联系是否紧 ...
- 如何使用netwokx进行复杂网络的中心性分析？
如何使用netwokx进行复杂网络的中心性分析? 这是本学期在大数据哲学与社会科学实验室做的第七次分享了. 第一次分享的是: 如何利用"wordcloud+jieba"制作中文词云 ...
- 目标层准则层MATLAB,层次分析法-MATLAB
层次分析法-MATLAB 第八章 层次分析法 层次分析法(Analytic Hierarchy Process,简称AHP)是对一些较为复杂.较为模糊的问题作出决策的简易方法,它特别适用于那些难于完全 ...
- swot分析法案例_（附数据集）SWOT分析实战案例！
最近一直在为一件事苦恼,开在市中心的那家西点店的生意越做越好,分店也开了两家,但挣得这点钱还是不够买房子.这不,最近看上了这如火如荼的奶茶市场,想借现有资源开一家奶茶店,但不知道这个想法靠不靠谱,要不 ...
- ahp层次分析法软件_层次分析法在历史街区研究中的应用简析
摘要 AHP (Analytic Hierarchy Process)层次分析法通常被运用于解决多目标.多标准.多要素.多层次的非结构化的复杂决策性问题,特别是战略决策性问题,在建筑.规划.风景园林等 ...
- K线图|K线图分析法简介 |K线图怎么看
K线图分析法简介 K线图这种图表源处于日本,被当时日本米市的商人用来记录米市的行情与价格波动,后因其细腻独到的标画方式而被引入到股市及期货市场.目前,这种图表分析法在我国以至整个东南亚地区均尤为流行. ...
- 排队论，对策论，层次分析法
排队论模型 排队论(Queuing Theory)也称随机服务系统理论,就是为解决服务的数量超过服务机构(服务台.服务员等)的容量.也就是说,到达的顾客不能立即得到服务,因而出现了排队现而发展的一门学 ...
最新文章
- python下载保存_下载并保存图片Python2.7
- GitHub地图转误差坐标
- ZetCode 数据库教程
- Android驱动开发第一章
- Java类装载器(Classloader)机制解析整理
- bootstrap datetimepicker 日期插件
- OSC 第 130 期高手问答 — 究竟什么才是微服务？_黄勇【摘选】
- 如何培养孩子一年读100本书
- 华为云服务的使用方法详解--以照片备份与恢复为例
- 洛谷1903 带修莫队
- 西安交通大学城市学院计算机二级,西安交通大学城市学院计算机系举行考研经验分享交流会...
- nvcc与nvidia
- zip压缩到指定目录
- 深入理解面向对象，面向对象3个特性7个原则6种关系
- （转）分辨率 PPI DPI概念定义详解
- Springboot+vue+websocket 实现前后台主动通信
- ICML 2022 | 基于有偏不对称对比学习的长尾分布外检测
- 数学黑洞(一)令人拍案叫绝的卡布列克常数
- java工程师应届生工资一般多少，附架构师必备技术详解
- html5腾讯地图自动定位,HTML5定位，腾讯地图公交导航。