社会网络分析相关概念概述

一、

网络密度=当前关系总数/理论最大关系数，整体网密度越大，对个体的影响越大

互惠性指的是网络中成员之间的关系是否具有相互性，也就是说任何一对成员之间是否相互“选择”，是否为邻接点。

二、

中心度-> 个体，中心势->群体

中心势( centralization) 刻画整个网络各个点的差异性程度，因此一个网络只有一个中心势。

程度中心势：计算中心势的想法也比较直观：找出图中的最核心点，计算该点的中心度与其他点的中心度之差。也就是定量讨论图中各点中心度分布的不均衡性。差值越大，则图中各点中心度分布得越不均衡，则表明该图的中心势越大——该网络很可能是围绕最核心点发散展开的。 

同样作归一化处理，将图的中心势定义为实际差值总和/最大差值总和。于是，完备图的中心势为0（每个点都有相互联系，无所谓中心不中心），星型或辐射型的网络的中心势接近1。

中间中心势：也是分析网络整体结构的一个指数，其含义是网络中中间中心性最高的节点的中间中心性与其他节点的中间中心性的差距。该节点与别的节点的差距越大，则网络的中间中心势越高，表示该网络中的节点可能分为多个小团体而且过于依赖某一个节点传递关系，该节点在网络中处于极其重要的地位。

接近中心势：对一个社会网络来说，接近中心势越高，表明网络中节点的差异性越大，反之，则表明网络中节点间的差异越小。

点度中心性【程度中心性】是一个用来衡量节点在网络中所处地位的指标，点度中心性的思想是: 如果一个点与许多节点之间有联系，那么该节点在网络中 就 处 于 比 较 中 心 的 位 置，具 有 比 较 大 的“权利”。采用与该节点直接相连的点的数量来衡量点度中心度是比较常用的做法。

接近中心性分析 “距离”是指两点之间最短路径的长度，接近中心性这一概念用来衡量点的中心程度。在一个图中，一个点到其他所有点的距离总和越小，表明这个点不受他人“控制”的能力越强，接近中心性越高。这样的点在网络中有最佳的视野，可以知道网络中所发生的事情，以及信息的流通方向。

中间中心性【中介中心性】在网络中，如果一个行动者处于许多其他两点之间的路径上，可以认为该行动者居于重要地位，因为他具有控制其他两个行动者之间的交往能力。

三、

凝聚子群（Co⁃hesive Subgroup）分析是社会网络分析中的重要方法，其目的是为了揭示社会行动者之间实际存在的或者潜在的关系。当网络中某些行动者之间的关系特别紧密，以至于结合成一个次级团体时，社会网络分析称这样的团体为凝聚子群。如果该网络存在凝聚子群，并且凝聚子群的密度较高，说明处于这个凝聚子群内部的这部分行动者之间联系紧密，在信息分享和合作方面交往频繁。

四、

核心—边缘结构分析根据网络中结点之间联系的紧密程度，将网络中的结点分为两个区域，核心区域和边缘区域。 处于核心区域的结点在网络中占有比较重要的地位， 核心—边缘结构分析的目的是研究社会网络中哪些结点处于核心地位， 哪些结点处于边缘位置。 社会网络分析方法中的核心—边缘结构分析可以对网络“位置”结构进行量化分析，区分出网络的核心与边缘

偏心率（Eccentricity）：

从一个给定起始点到距离它最远节点的距离。

社区划分：

聚类算法是利用社区检测（community detection）算法，又被称为是社区发现算法，它是用来揭示网络聚集行为的一种技术。社区检测实际就是一种网络聚类的方法，这里的“社区”在文献中并没有一种严格的定义，我们可以将其理解为一类具有相同特性的节点的集合。复杂网络领域中的大牛Newman提出了一种模块度（modularity）的概念，从而使得网络社区划分的优劣可以有一个明确的评价指标来衡量。所以模块度其实就是指一个网络在某种社区划分下与随机网络的差异，因为随机网络并不具有社区结构，对应的差异越大说明该社区划分越好。有时在划分模块时需要用到边的权重，一般而言对于社区发现来讲的话，边权越大，应该说两个点之间的联系越紧密，越容易被划分到相同的community之中。

——整理于网络和相关论文