如何在短时间内快速入门 Social Network Analysis?

【李太松的回答(15票)】:

我是管理学专业的,所以推荐的偏社会科学和学术一点。

A 课程:难度按顺序越来越难,课程页面点链接,有的课程会再开始,建议跟着学

1 Network life: Coursera.org 非常基础容易懂。

2 Networks, Crowds, and Markets INFO2040x Course Info 也很简单,涉及的面较广,多是计算机和经济学领域。

3 人群与网络 Coursera.org 第二门课的中文版,稍微难一些,讲的更深。

4 Social Network Analysis Coursera.org 有讲netlogo软件,一款仿真软件,可以跳过这部分。

5 Social and Economic Networks: Models and Analysis Coursera.org 偏经济学,多推导,比较难。

B 软件:顺序按上手难易程度排列,下载请自行google,手册官网一般都有

1 Gephi 免费,做图非常绚丽,官网有中文的在线教程

2 NodeX 基于Excel开发的插件,比较方便

3 UCINET 付费,社会科学多用,统计功能非常强大

4 pajek 免费,处理大规模数据很快

5 statnet R的包,比较难上手,但处理随机图模型和动态数据很赞,有很多扩展包

C 书籍:按难易程度排列,更多的可以自己看这些书的参考文献

1 《社会网络分析法(万卷方法)》 斯科特, 沈崇麟, 刘军

【摘要 书评 试读】图书

入门书,不讲软件

2 整体网分析讲义 刘军

完整介绍了UCINET的用法,推荐,配合软件3使用

3 《跨学科名作译著系列?蜘蛛:社会网络分析技术(第2版)》 沃特?德?诺伊 (Wouter De Nooy), 安德烈?姆尔瓦 (Andrej Mrvar), 弗拉迪米尔?巴塔盖尔吉 (Vladimir Batagelj), 李葆嘉, 林枫

【摘要 书评 试读】图书

完整介绍了pajek的用法,但软件版本有点老,是2.05的,软件已经更新3了

4 《社会网络分析:方法与应用》 斯坦利·沃瑟曼 (Stanley Wasserman), 凯瑟琳·福斯特 (Katherine Faust), 齐心, 陈禹, 孙彩虹

【摘要 书评 试读】图书

基础书,建议入手,讲的很详细,不讲软件

5 《网络、群体与市场:揭示高度互联世界的行为原理与效应机制》 大卫·伊斯利(David Esley), 乔恩·克莱因伯格(Jon Kleinberg), 李晓明, 王卫红, 杨韫利

【摘要 书评 试读】图书

作者是课程2的主讲,译者是课程3的主讲,有深有浅,非常有趣,不讲软件

6 《社会与经济网络》 马修·O·杰克逊(Matthew O.Jackson), 柳茂森

【摘要 书评 试读】图书

作者是课程5的主讲,偏经济,难

PS 复杂网我不是很熟,推荐Barabasi的两本书,还有Watts的工作,国内比较有名的是汪晓帆老师

我的头像也是Gephi画的。

【KangAi的回答(42票)】:

首先社会网络分析有两种路线,一种偏文科的,偏社会学,就是讲究在一定量化基础上定性分析,解释一些社会现象,另外一种是偏理科的,往往需要大量数据点,然后从数学上对拓扑结构进行定量分析和判断,或者会利用到网络上的社交网络(Online Social Networks)进行大规模的计算。如果是软件党,一般就是第一种了,把网络扔进软件算算指标什么的。软件推荐Gephi,这个可视化很方便,效果非常漂亮,做出来就跟Facebook搞数据科学的那帮人效果一样。如果是处理较大型的计算,则可以用Python的iGraph,这个也是一款神器,但不像Gephi那么直观有界面了,需要看个教程学习一下语法。

入门课程的话,在Coursera上面有一个密歇根大学的女老师讲的八周入门课程,那个深入浅出,还有很多交互示例,非常好,这位教授也是在社会网络分析界的知名人士。如果看书的话,如果英语能力好可以看Social Network Analysis (豆瓣),这本书在国外也挺流行,如果英语不好,那国内我也不知道有什么教材啦~

总之社会网络分析是一个研究方法中的大神器,因为网络结构是无处不在的,学习它的好处多多。

【LiuCao的回答(14票)】:

更新:

有兴趣的同学可以来这下数据,免费的:Stanford Large Network Dataset Collection

有P2P, wikipedia amazon IMDB 等关系网的数据。

------

Python 有个包叫做networkx 跑网络数据特别方便

入门最简单办法就是读wikipidea 了搞清楚各种Centrality,搞明白PageRank算法等。

Stanford 有一个network science 数据库,有Facebook twitter 互粉数据什么的,搞熟了也可以拿来跑跑。

楼上说的gephi的确特别方便,下图就是我用gephi跑出来的

您可能对这些内容感兴趣:《沙长六中下期语文教研组课题科研总结》 《州温二十中九年级下英语备课组工作总结》 《沙长六中上学期数学教研总结》 《州温二十中二学期数学教研组工作总结》 《沙长六中下期物理学科教研总结》 《沙长六中上学期化学学科教研总结
评论列表(网友评论仅供网友表达个人看法,并不表明本站同意其观点或证实其描述)
新闻聚焦
热门推荐
返回列表