基于中心論的社會網絡分析法
基于中心論的分析主要有三個點:
1.點度中心度(考慮點的出入度,可直接找出網絡中的中心點)
2.中介中心度(考慮路徑的中介點,可發現網絡中的中介者,或者叫橋梁)
3.接近中心度(考慮點與點的最短路徑,可找出點的對網控制力量)
4.特征中心度(綜合三個中心度考慮一個行動者中心性名額)
然而,這三種方法都忽略了點與點之間的互相作用, 隻孤立地考慮點在網絡中的地位,無法分析出”近朱者赤,近墨者黑”的現象.是以,我們引入了結合pagerank和HIT算法,進而更好地挖掘出網絡中的權威人物.
Pagerank算法:
網頁PageRank的計算基于兩個假設:
數量假設: 在web圖模型中,如果一個網頁節點接收到的其他網頁指向的傳入連結數量越多, 那麼這個頁面越重要.
品質假設:指向頁面A的傳入連結品質不同, 品質高的頁面會通過連結向其他頁面傳遞更多的權重.是以越是品質高的頁面指向頁面A,則頁面A越為重要.
—–在初始階段, 每個頁面設定相同的PageRank值,通過若幹輪的計算, 會得到每個頁面所獲得的最終PageRank值.随着每一輪的計算進行,網頁目前的PageRank值會不斷得到更新,直至數值基本穩定,進而結束算法.
HIT算法:
Hub頁面和Authority頁面是HITS算法最基本的兩個定義.
Authority頁面: 與某個領域或者某個話題相關的高品質網頁
Hub頁面: 包含了很多指向高品質Authority頁面連結的網頁
類似于PageRank, HIT算法也包含兩個假設:
基本假設1:一個好的Authority頁面會被很多好的Hub頁面指向.
基本假設2:一個好的Hub頁面會指向很多好的Authority頁面
HIT與PageRank的差異:
——HIT算法與主題密切相關,而PageRank算法是與查詢無關的全局算法,根據這個差異, 我們可以以特征中心度來作為主題密切相關度的名額, 利用HIT算法, 計算點的authority_score,進而挖掘出網絡中的核心人物.
實驗分析:
實驗使用的資料集: D. E. Knuth根據Victor Hugo(維克多.雨果)的小說Les Misèrables,《悲慘世界》,整理了其中的人物關系網絡。網絡中的節點表示小說中的角色，邊表示兩個角色同時出現在一幕或多幕中。規模：網絡共有77個節點，508條邊.出處：Knuth D E, The Stanford Graph Base: A Platform for Combinatorial Computing. Addison-Wesley, Reading, MA,1993
我們利用igraph工具, 對實驗的資料進行處理, 分别對計算出來的degree(點度中心度), evcent(特征中心度), pagerank, authority_score進行排序,并選出前3個作為對比, 實驗結果如下:
degree排名前三的是: 男主人公Valjean, 情報打聽者Gavorche, 男二号Marius
evcent排名前三的是:情報打聽者Gavorche, 男主人公Valjean, 革命領袖Enjolras
pagerank排名前三的是:男主人公Valjean, 男二号Marius, 主教Myriel
authority_score排名前三的是:男主人公Valjean, 男兒号Marius, 女主人公Cosette
從實驗中分析, 可以看出效果:authority_score > pagerank > degree > evcent
網絡拓撲圖:
具體的實驗代碼可以在我的github上檢視:
https://github.com/Quincy1994/NewworkAnalysis