這是對7169個好友關(guān)系的做圖。當(dāng)然最中心的點是我自己?？梢钥吹街車蝗κ窍鄬铝⒌摹霸啤?，那是因為我只抓了兩層的原因。
七千多個好友，這么多層關(guān)系，如何分析？別擔(dān)心，社交網(wǎng)絡(luò)分析不是一個新興的領(lǐng)域，看米國文獻說這個領(lǐng)域從六七十年代就有了，只不過是近十年火起來的。所以有一大堆現(xiàn)成的算法來基本搞定你的大部分需求。
對七千多個好友的基本分析如下：
—————2014-06-08 21時32分16秒開始整體分析—————-
社交網(wǎng)總共有7169個好友
排名前10的好友數(shù)
1–徐希文–909
2–劉杉–607
3–李超–505
4–colipso–405
5–呂秀芳–343
6–藏新汀–336
7–王大舸–312
8–王卉卉–258
9–孫昊–255
10–楊子旭–248
——–2014-06-08 21時32分16秒開始受歡迎指數(shù)分析(基于closenes centrality)————
受歡迎指數(shù)排名前10的好友為
1–colipso–0.51
2–馬佳–0.50
3–徐希文–0.40
4–賈麗娜–0.40
5–洛鋒–0.39
6–張偉–0.39
7–陳欣–0.39
8–王蘊杰–0.39
9–孫峰–0.39
10–張寧–0.38
———2014-06-08 21時35分15秒開始樞紐指數(shù)分析(基于Betweenness centrality算法 )———-
處于樞紐節(jié)點的前10好友為
1–徐希文–0.21
2–colipso–0.20
3–劉杉–0.14
4–馬佳–0.12
5–李超–0.11
6–呂秀芳–0.08
7–藏新汀–0.08
8–王大舸–0.08
9–王卉卉–0.06
10–陳欣–0.05
———-2014-06-08 21時49分07秒開始幕后黑手指數(shù)分析(基于Eigenvector centrality算法)———
Not defined for multigraphs.
——-2014-06-08 21時49分07秒開始Google PageRank指數(shù)分析(基于Google PageRank算法)——-
pagerank() not defined for graphs with multiedges.
對一些詞解釋下：
樞紐：一個人同時屬于兩個不怎么想干的群體，那么這個人就處于樞紐的位置。
幕后黑手：顧名思義，一個人不怎么和大部分人聯(lián)系，只和關(guān)鍵人物發(fā)生聯(lián)系，通過關(guān)鍵人來影響群體。
在分析中后兩個算法因為底層數(shù)據(jù)構(gòu)造的社交網(wǎng)絡(luò)為無向網(wǎng)絡(luò)，所以在這一個具體分析中不適用。
2)核心交往圈
扯那么多基本人我不可能都認(rèn)識，networkx還提供了分析某人的核心交往圈的算法，還是以我為例：
—————2014-06-08 21時20分39秒開始整體分析—————-
社交網(wǎng)總共有502個好友
其他的分析因為是用同一個模塊來實現(xiàn)的，和上面相同，就不重復(fù)了。
3)圈里圈外
上面的還只是宏觀層面的結(jié)果，從微觀層面看，在大群體中也總是少不了一個一個的小圈子，這個圈子里的人關(guān)系更為緊密，有著共同的話題，一般對圈子之外的人有一定的排斥性，而對圈子里的人信任度會很高，正所謂圈里圈外。
對于一門發(fā)展了將近半個世紀(jì)的學(xué)科，還是那句話，你想到的東西早就有人想到了。
比如我的好友圈中：
第45個小圈子為:崔文英 殷渤濤 鄭新玉 孫昊 陳欣 張辰星 陸伯文 這是我的一幫高中同學(xué)。
4)最短路徑
已經(jīng)有非常成熟的算法來尋找社交網(wǎng)絡(luò)中的兩個節(jié)點之間的最短路徑。也就是所謂的六度空間。即我如果想認(rèn)識某某，那么應(yīng)該找那些最少的中間人來達(dá)到目的？
舉一反三一下，如果是由各種書籍來組成的一個網(wǎng)絡(luò)，書是節(jié)點，一個人如果讀過兩本書，那么這兩本書就有個連線。問題來了，在各種小說APP上，如果一個人讀了兩本書，如何給他推薦第三本書？這兩本書最短路徑上的其它書嘛，有人會問，這不是兩本書已經(jīng)有連線了，路徑不是最短了嗎？這就涉及到了路徑的權(quán)重問題，有了權(quán)重，直接的連線就不一定最短咯。權(quán)重如何得到？Well,It depands.
由于我只抓了兩層好友，so，最短路徑不會超過2.
隨便找一個：colipso —谷雨— 范文卓 我想認(rèn)識范，那么找谷雨就對了。
5)三人行
對于任意三個人，可以有如下16種關(guān)系：
比如對于012C這種類型，作為中間人，是不是可以介紹另外兩人認(rèn)識那？
看看我的交往圈里面這16種類型各占多少：
201類型的三節(jié)點有94109個
021C類型的三節(jié)點有0個
021D類型的三節(jié)點有0個
210類型的三節(jié)點有0個
120U類型的三節(jié)點有0個
030C類型的三節(jié)點有0個
003類型的三節(jié)點有19747819個
300類型的三節(jié)點有3605個
012類型的三節(jié)點有0個
021U類型的三節(jié)點有0個
120D類型的三節(jié)點有0個
102類型的三節(jié)點有1112967個
111U類型的三節(jié)點有0個
030T類型的三節(jié)點有0個
120C類型的三節(jié)點有0個
111D類型的三節(jié)點有0個
當(dāng)然，因為我只抓了兩層交往圈，可以說還是比較核心的交往圈，所以很多三節(jié)點類型都沒有出現(xiàn)，如果抓取的層數(shù)更多，結(jié)果會更顯著。
仍然是舉一反三，網(wǎng)絡(luò)中的節(jié)點無論是人還是物，對于16種結(jié)構(gòu)中的每一種其實都可以制定一定的策略來達(dá)到一定的目的。上述分析已經(jīng)完成了行動的第一步，識別目標(biāo)。
三：亂七八糟的一些想法
1)傳統(tǒng)統(tǒng)計和現(xiàn)代分析
最近同時在研究R和社交網(wǎng)絡(luò)分析，發(fā)現(xiàn)傳統(tǒng)統(tǒng)計分析方法和現(xiàn)代分析方法還是有一些差別的。
傳統(tǒng)統(tǒng)計分析方法起源于19世紀(jì)，無論是點估計/區(qū)間估計/假設(shè)檢驗都是依賴于一定的分布假設(shè)前提，更不要提貝葉斯統(tǒng)計，有大量的學(xué)術(shù)研究搞定了小樣本下檢驗整體的方法，目的是想方設(shè)法降低計算量。但問題是現(xiàn)在的環(huán)境/用戶偏好變化非常快，也就是分布變化快。用傳統(tǒng)統(tǒng)計方法在分析的群體變化，分析的參數(shù)變化下還是有一定局限。
而現(xiàn)代的分析方法無論是蒙特卡洛模擬還是社交網(wǎng)絡(luò)分析都是基于密集計算，管你什么分布，模擬100次不夠，那就模擬10000次，100000次。根據(jù)大數(shù)定律，結(jié)果跑也跑出來了，八九不離十。
2)工具
上面的所有分析都是用python 和networkx模塊完成。Python的靈活數(shù)據(jù)結(jié)構(gòu)，大量的開源模塊(numpy/scipy/matplotlib/networkx/webpy等等)可以說是居家旅行，數(shù)據(jù)分析的必備良藥。清晰的語言規(guī)范也避免了括號風(fēng)暴。我很欣賞。
networkx分析規(guī)模的瓶頸首先在于內(nèi)存/存儲，其次在于算法的合理性。對于10萬以內(nèi)的節(jié)點數(shù)還是容易應(yīng)付的。如果節(jié)點數(shù)量級在于千萬甚至億，那就得好好設(shè)計了。
3)分析價值
分析能產(chǎn)生的價值一種是用于決策/一種用在產(chǎn)品。決策的對錯在中長期能看到效果。產(chǎn)品則更直接，分析價值快速見于用戶數(shù)量/意見。
本文來源：大數(shù)據(jù)中國 ? 文/黃鵬
起點課堂會員權(quán)益
職業(yè)體系課特權(quán)
線下行業(yè)大會特權(quán)
個人IP打造特權(quán)
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導(dǎo)直播
12場專業(yè)技能直播
會員專屬社群
榮耀標(biāo)識
