首先,如其名,研究社会网络。社会网络的主体通常为人,(你要是非把猫猫狗狗物品啥的算上我也不跟你争论),每个人为一个节点,人与人之间的关系为边,关系有强弱有方向也有性质(如敌人情侣同盟等等)。其基础就是离散数学的图论。然后通过一些运算来计算聚集度,平均值啥的。也可以通过编程来实现更高层次的数据分析。然后,应用前景。众所周知,社交网络发展飞速,数据分析也是如火如荼。
社会网络分析有助于网站进行精准广告投放,以及内容推送,提高用户粘性(各种商业应用我就不展开了)。在社会学上的应用,我是学商务的我也不懂,就私里揣测,人际关系难道不是人类千百年来想要解决的难题吗,老师说的三元闭包理论真的很有用,两个人的孤岛关系是很难维持的。
很难说Social Network Analysis是一门特定的学科。更多的应用是作为一种研究方法,有时候也会作为一种研究视角(perspective)。当然,也产生了一些中层的理论(theory),比较常见的是Granovetter的弱联系理论,Burt的结构洞理论。之前的社会科学往往关注个体(或者行动者,如企业、个人)的特性,而忽略个体之间的关系。而社会网络的研究正是研究关系的方法、视角。最大的特征在于考虑了个体之间的互相依赖,更接近于现实社会。可以从以下三个方面定义一个网络:
1,行动者(actors)。比如人组成的网络,班级组成的网络,学校组成的网络。
2,联系(ties)。图形中往往用边来表示。比如人和人的友谊、借贷关系。企业和企业间的合作关系。国家和国家的敌对关系。
3,边界。这些行动者和边需要确定一个界限,比如知乎内的用户,比如政府单位内,比如同性恋群体。有了这三个部分,我们就可以从日常生活中的各个方面抽取出各种不同的网络。比如知乎用户间的点赞和评论关系网。班级内的朋友网络等。然后用一系列的指标去观察这些网络对网络中的行动者的影响,或者这些网络形成的原因。
我们知道每个用户的活动时间序列,知道用户之间的联系,但显然不能简单地认为谁粉丝多谁就值钱,因为有些人粉丝质量高。那最简单的办法就是咱们来个page rank,至少我能知道谁相对谁更值钱。这样我至少能在一定程度上量化影响力了,然后再根据其他的feature做一些调整。
但这个方法还是有问题。因为pagerank没有考虑时间序列。影响力估计的不准。那再进一步,做一个generative model,每个user都以一定的概率(可以简单的时变)观看,转发,点赞他们关注的人的post,为了减少参数,再引入一些隐含变量声明用户分多少多少类。做一个agent based model。然后把这个model 放进data 里面,做参数估计。最后user的粉丝的点赞的期望,可能可以作为影响力的量化。