社交网络模型及属性介绍

社交网络的属性介绍：

网络属性	社会解释的例子
局部拓扑	结构对等：如果两个参与者与其他参与者具有相似的连接，则它们是相似或等效的。三合会封闭：演员的两个朋友最终成为朋友。平衡理论：朋友的朋友是朋友，敌人的朋友是敌人，依此类推。
度和特征向量中心度	社会资本：演员为朋友带来共同利益。影响：演员导致朋友行为的改变。
亲密关系中心性	影响：见上文。信息传播/传播：演员在广播或共享信息方面有多好？
中介中心性	信息传播：见上文。经纪：演员在“中间人”中的表现如何？
社区结构	亲同性（认知平衡）：“羽毛鸟聚集在一起”。知识保存：紧密联系的社区中的参与者保存知识。复杂的传染：一伙相互联系的受感染演员是传染的源头。
度分布	小世界（六度分离）：平均两个角色之间通过六个“握手”联系在一起。友谊悖论：“我的朋友比我有更多的朋友。”
网络动态	优先依恋（帕累托原则）：“ [演员]变得富有[在朋友中]变得更加富有。

为什么获取不到一个完整的社交网络？

社交网络过于庞大
真正的社交网络是动态的

BFS算法维持一个已经发现了但是还没有访问的列表，该算法将新的节点都添加到列表中，并且在访问后将他们删除。

随机采样算法需要种子节点的外部列表，例如各种好友列表以及圈子人员列表。随机性是采样成功的关键。

通信网络中存在的一些问题：

通信媒体允许信息广播，例如会议的发言人可以同时对所有人讲话，电子邮件可以同时发送给许多人，论坛上一篇帖子可以供所有人阅读，假设每个参会者，阅读者，收件人不是要给随机的路人，则可以通过将发言人\发件人\发帖人\与每个收件人分开的边缘来组成星形网络
与其他的社交网络相比较，通信网络没有严格的文档记录，例如交流的内容（执法人员才可以获取）

Erdös-Rényi图模型 :

二项图，总共包含N个节点，最多可以包含
N×(N−1)2\frac {N\times(N-1)} 2 2N×(N−1)
个节点，预期的边缘数量为
p×N×(N−1)2\frac {p\times N \times (N-1)} 2 2p×N×(N−1)
如果 P == 0，网络则完全孤立，如果P == 1，网络则完全图。如果不确定用哪种网络就使用该模型。

Watts-Strogatz图模型：

Watts-Strogatz图模型是更加接近现实社交网络的更逼真的近似值。该模型将N个节点排列再一个环中，然后以p的概率重新布线任何边缘（将其一端连接到随机选择的节点），它们给人一种“小世界”的错觉，在几何世界中，遥远的节点可能通过短路径相连。
该模型解释了“六度分离”现象，该现象声称，平均而言，地球上任何两个人彼此之间只有六次握手[Wat03]。

Barabási-Albert图模型：

不幸的是，无论如何扭曲它们，WattsStrogatz网络中的节点都不会形成紧密的社区，这也使“小世界”网络也变得不切实际。 Barabási–Albert偏好依恋模型[Bar03]为综合社交网络增加了另一层次的现实主义。它使用第5页上简要提到的优先连接原则，并在第129页上的“使组件变得如此巨大？”中详细介绍。当一个新节点即将加入现有网络时，它很可能最高度数的节点建立k个连接。该模型刺激了具有过多连接的集线器（“名人”节点）的出现。、

Holme-Kim图模型：

HolmeeKim模型更进一步。在添加了k条边后，它还会添加具有p概率的三合会（第6页介绍），从而使合成网络更加聚类且栩栩如生。

社交网络中区分强弱连接：

Granovatter并没有提出量化连接强度的机制，提出了四个维度的考虑标准：

连接花费的时间
情感强度
亲密感
互惠程度

其中第一个和第四个容易获取数据，而中间两个涉及NLP（Natual Language Progress），量化情感强度与亲密度需要做些复杂的处理。