Презентация на тему "Анализ социальных сетей"

Содержание

• 
  Слайд 1

  Анализ социальных сетей (SNA)

  Май, 2015 http://prezentacija.biz/

• 
  Слайд 2

  Зачем

  «Все связано» Изучение связей Выявление влиятельных объектов Распространение идей, заболеваний, информации… Применение в различных областях социология, экономика, психология, маркетинг, история, политика, здравоохранение, литература, биология…

• 
  Слайд 3

  Атипичная пневмония

  http://ai.arizona.edu/research/bioportal/

• 
  Слайд 4

  Рецепты и ингредиенты

  Teng C.Y. et al. Recipe recommendation usingingredient networks

• 
  Слайд 5

  Письма в организации

• 
  Слайд 6

  Визуализация

• 
  Слайд 7

  Упрощение восприятия

• 
  Слайд 8

  Пример: Политические блоги

• 
  Слайд 9

  Пример: Дружеские связи

• 
  Слайд 10

  Пример: Профессиональные связи

• 
  Слайд 11

  Метрики

  Мощность, меры центральности

• 
  Слайд 12

  Мощность

  Входящая Исходящая Компоненты связности, главный компонент

• 
  Слайд 13

  Центральность

  есть ли выделяющиеся узлы

• 
  Слайд 14

  Центральность: пример

• 
  Слайд 15

  Мосты

  существуют узлы с низкой мощностью, но «в выгодном месте»

• 
  Слайд 16

  Betweenness

  число путей, проходящих через узел

• 
  Слайд 17

  Близость

  важно быть в активном окружении

• 
  Слайд 18
  

  основана на длине кратчайшего пути между рассматриваемой вершиной и всеми остальными

• 
  Слайд 19

  Другие метрики

  eigenvectors расширение на ориентированные графы Page Rank …

• 
  Слайд 20

  Сообщества

• 
  Слайд 21

  Выделение сообществ

  изучение структуры распространение информации формирование мнений

• 
  Слайд 22

  Клики

  все узлы в клике связаны друг с другом

• 
  Слайд 23

  k-ядра

  каждый узел связан с k других узлов

• 
  Слайд 24

  Другие способы

  n-клики: максимальное расстояние p-клики: частота связи в группе кластеризация модулярность

• 
  Слайд 25

  Случайные графы

• 
  Слайд 26

  Зачем нужна модель

  Упрощение представления Математические выводы Предсказания Сравнения и различия

• 
  Слайд 27

  Граф Эрдеша-Реньи

  Неориентированный граф Узлы связаны случайно Параметры N – число вершин p – вероятность ребра M – общее число ребер

• 
  Слайд 28

  Построение случайного графа

• 
  Слайд 29

  Безмасштабные сети

  Степенное распределение по степени узла Соответствие сетям реального мира Число узлов увеличивается со временем WWW социальные сети дружеские предпочтения …

• 
  Слайд 30

  Модель Барабаши-Алберт

  рост сети предпочтительное соединение чем выше степень узла, тем вероятнее, что новый узел будет присоединен к нему

• 
  Слайд 31

  Построение модели

  «Barabasi Albert model» участника HorváthÁrpád - Created by the NetworkX module of the Python.

• 
  Слайд 32

  Распространение информации

• 
  Слайд 33

  Моделирование в сетях

  распространение информации идей заболеваний знаний координация мобилизация математические модели граничные значения

• 
  Слайд 34

  Программные инструменты

  Gephi NetLogo iGraph Pajek UCINet NodeXL NetworkX (Python) sna (R), и другие пакеты

• 
  Слайд 35

  Что посмотреть

  Social Network Analysis https://www.coursera.org/course/sna Данные для Gephihttps://github.com/gephi/gephi/wiki/Datasets Newman M. E. J. Modularity and community structure in networks http://www.pnas.org/content/103/23/8577.ful Freeman L.2004. The Development of Social Network Analysis: A Study in the Sociology of Science. Empirical Press of Vancouver, BC, Canada Wellman B. Marin A. 2011. Social Network Analysis: An Introduction, in P. Carrington, J.Scott, eds., Handbook of Social Network. Thousand Oaks, CA: Sage. Wasserman S., Faust K. 2005. Social networks analysis: Methods and applications. New York: Cambridge University