R語言資料挖掘1.4 社交網絡挖掘

<b>1.4　社交網絡挖掘</b>

正如我們前面提到的，資料挖掘是從資料中發現一個模型，社交網絡挖掘就是從表示社交網絡的圖形資料中發現模型。

社交網絡挖掘是網絡資料挖掘的一個應用，比較流行的應用有社會科學和文獻計量學、pagerank和hits算法、粗粒度圖模型的不足、增強模型和技術、主題提取的評估以及網絡的評估與模組化。

社交網絡

當涉及社交網絡的讨論時，你會想到facebook、google+和linkedin等。社交網絡的基本特征如下：

存在一個參與網絡的實體集合。通常情況下，這些實體是人，但它們也完全可能是其他實體。

網絡的實體之間至少存在一種關系。在facebook上，這種關系被稱為朋友，有時，這種關系要麼存在要麼不存在，兩個人要麼是朋友要麼不是朋友。然而，在社交網絡的其他例子中，關系有一個度。這個度可以是離散的，比如在google+上，朋友、家人、相識或者不相識；這個度也可能是一個實際的數字，比如平均一天内兩個人互相交談所花費的時間。

社交網絡有一個非随機性或者忠誠性的假設。這個條件最難形式化，但直覺解釋是關系趨于集中；也就是說，如果實體a與b和c都相關，那麼b與c相關的機率就高于平均水準。

下面是社交網絡的一些種類：

電話網絡（telephone network）：該網絡的節點是電話号碼，代表個體。

電子郵件網絡（e-mail network）：該網絡的節點是電子郵件位址，也代表個體。

合作網絡（collaboration network）：該網絡的節點代表發表了研究論文的個體，連接配接兩個節點的邊表示聯合發表一篇或者多篇論文的兩個個體。

社交網絡以無向圖模組化。實體是節點，如果兩個節點根據刻畫網絡的關系互相關聯，那麼就有一條邊連接配接兩個節點。如果相關聯的關系有一個度，那麼這個度就通過标記邊來表示。

下載下傳代碼示例

你可以從http://www.packtpub.com的賬戶中下載下傳所有你購買的packt出版社出版的書籍的示例代碼檔案。如果你在其他地方購買了這本書，你可以通路http://www.packtpub.com/support網站并注冊，我們将通過電子郵件直接給你發送檔案。

這裡有一個例子，它是用r語言的sna程式包中的科爾曼高中朋友資料（coleman’s high school friendship data）進行分析。資料來源于對某個學年同一高中的73個男孩之間的友好關系的研究，所有被調查對象提供了兩個時間點（春季和秋季）來報告其關系。資料集的名稱是coleman，它是r語言中的數組類型。節點代表一個具體的學生，線代表兩個學生之間的關系。