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。
