社會網路分析法英文

❶ 「社交網路分析」是門怎樣的學科

首先，如其名，研究社會網路。社會網路的主體通常為人，（你要是非把貓貓狗狗物品啥的算上我也不跟你爭論），每個人為一個節點，人與人之間的關系為邊，關系有強弱有方向也有性質（如敵人情侶同盟等等）。其基礎就是離散數學的圖論。然後通過一些運算來計算聚集度，平均值啥的。也可以通過編程來實現更高層次的數據分析。然後，應用前景。眾所周知，社交網路發展飛速，數據分析也是如火如荼。

社會網路分析有助於網站進行精準廣告投放，以及內容推送，提高用戶粘性（各種商業應用我就不展開了）。在社會學上的應用，我是學商務的我也不懂，就私里揣測，人際關系難道不是人類千百年來想要解決的難題嗎，老師說的三元閉包理論真的很有用，兩個人的孤島關系是很難維持的。

❷ 誰有中文版John Scott著《Social network analysis》即《社會網路分析法》

社會是一個由多種多樣的關系構成的巨大網路。如何研究關系？視角當然多種多樣，既可以像林語堂的小說中描述的那樣對關系進行細致的刻畫，又可以像黃光國等社會心理學家那樣對人情、面子和關系網進行質的描述，更可以用社會網路分析法對關系進行量化的表徵，從而揭示關系的結構，解釋一定的社會現象。社會網路分析的意義在於，它可以對各種關系進行精確的量化分析，從而為某種中層理論的構建和實證命題的檢驗提供量化的工具，甚至可以建立「宏觀和微觀」之間的橋梁。

http://www.douban.com/subject/2009919/

❸ 社會網路如何使社會不平等永久化

社會網路分析方法是由社會學家根據數學方法、圖論等發展起來的定量分析方法。

社會網路分析是對社會網路的關系結構以及屬性加以分析的一套規范和方法。它又被稱為結構分析法（structural analysis）

社會網路分析不僅是對關系和結構加以分析的技術，還是一種理論方法--結構思想。

社會網路分析是社會學領域比較成熟的分析方法，該方法可以解決一些社會學的問題。

社會網路要素：

①行動者，在社會網路中用節點表示；

②關系，在社會網路中用劍線表示，關系的內容可能是友誼、借貸或是溝通，其關系可以是單向或雙方，且存在關系強度的差異，關系不同即構成不同的網路

社會網路分析的原理：

關系紐帶經常是不對稱地相互作用著的，在內容和強度上都有所不同

關系紐帶間接或直接地把網路成員連接在一起；故必須在更大的網路結構背景中進行分析

社會紐帶結構產生了非隨機的網路，因而形成了網路群(network clusters)、網路界限和交叉關聯

交叉關聯把網路群以及個體聯系在一起

不對稱的紐帶和復雜網路使稀缺資源的分配不平等

網路產生了以獲取稀缺資源為目的的合作和競爭行為

社會網路分析方法--數學表達式：

①圖論法和矩陣法，這是社會網路分析最基本的方法

②二方關系圖和三方關系圖

③圖的矩陣表達

④反應行動者的關系圖。通過網路密度、結點度、割點、橋等指標進行具體測量距離，行動者之間的距離越小，意味著他們之間的聯系越密切，交流互動越充分。由此可以了解一個網路中行動者之間的分化與差異

❹ 什麼是社會網路

社會網路（socialnetwork）是一種基於「網路」（節點之間的相互連接）而非「群體」（明確的邊界和秩序）的社會組織形式，也是西方社會學從1960年代興起的一種分析視角。隨著工業化、城市化的進行和新的通訊技術的興起，社會呈現越來越網路化的趨勢，發生「社會網路革命」（socialnetworkrevolution），與移動革命（mobilerevolution）、互聯網革命（internetrevolution）並列為新時期影響人類社會的三大革命.
社會網路是指社會個體成員之間因為互動而形成的相對穩定的關系體系，社會網路關注的是人們之間的互動和聯系,社會互動會影響人們的社會行為。
社會網路是由許多節點構成的一種社會結構，節點通常是指個人或組織，社會網路代表各種社會關系，經由這些社會關系，把從偶然相識的泛泛之交到緊密結合的家庭關系的各種人們或組織串連起來。社會關系包括朋友關系、同學關系、生意夥伴關系、種族信仰關系等。
社會網路分析是社會科學領域的叫法。類似的東西在物理和計算機領域叫復雜網路。在數學領域叫做圖論。也有一些學者叫網路科學。基本的東西都類似，但關注的點不同。就和一個男人有時是爸爸，有時是兒子，有時是孫子。
最早的溯源可以歸到哥尼斯堡七橋問題。莫雷諾在上世紀初開始將可視化和類似的網路分析技術應用在分析社會現象上，比如女生的午餐關系。之後生物領域和社會領域分別獨立發展出比較完善的分析技術。集大成者是Harvard的HarrisonWhite，許多之後著名的學者都是他的徒子徒孫。
很難說SocialNetworkAnalysis是一門特定的學科。更多的應用是作為一種研究方法，有時候也會作為一種研究視角（perspective）。當然，也產生了一些中層的理論（theory），比較常見的是Granovetter的弱聯系理論，Burt的結構洞理論，Watts的小世界模型，Barabasi的PowerLaw。
之前的社會科學往往關注個體（或者行動者，如企業、個人）的特性，而忽略個體之間的關系。而社會網路的研究正是研究關系的方法、視角。最大的特徵在於考慮了個體之間的互相依賴，更接近於現實社會。將這些關系用如題頭所示的圖片展示出來，可以直觀的看到各個行動者在網路中的位置和網路整體結構。

❺ 《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:

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。