Social network analysis

  • 1,239 views
Uploaded on

Přednáška o social network analysis pro posluchače semináře o vizualizaci, Brno, 19.4. 2012

Přednáška o social network analysis pro posluchače semináře o vizualizaci, Brno, 19.4. 2012

  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
No Downloads

Views

Total Views
1,239
On Slideshare
0
From Embeds
0
Number of Embeds
0

Actions

Shares
Downloads
6
Comments
0
Likes
1

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. Social networkanalysis19. 4. 2012, Josef Šlerka, Brno, seminář o VizualizaciStudia nových médií, ÚISK, FF UK
  • 2. Sociální síť... vzniká jako soubor lidí mezi kterými existujínějaké vztahy, které formalizujeme pomocímatice nebo grafu a dále analyzujem.
  • 3. Řekni to písní...Igor má rád Evu, Eva jeho niea tak preto Igor stále smutný je.Eva chce mít Vojta, Vojto Evu niea tak preto Eva, stále smutná je.
  • 4. Souborset prvků, které vytvářejí grafsám může být zajímavý třeba pro průniky
  • 5. SouborIgorEvaVojta
  • 6. Matrix lásky Igor Vojta Eva Igor --- 0 1 Vojta 0 --- 0 --- Eva 0 1
  • 7. Malý graf lásky
  • 8. Velký graf lásky
  • 9. Vztahy jsou totiž všudeTwitter: princip followinguFacebook: kamarádi, členství ve skupině, lajkyFlickr: přátelé, tagyDiskuse: členství v diskusích, reagováníPolitika: společná hlasování
  • 10. Stavební prvky grafuuzel (nodes, vertices, entities, items etc.)vazba (ties, connections, relationships etc.)vazby mohou mít směr případně váhu či jichmůže být vícz pohledu sociologie mohou mít i kvality např.silné nebo slabé
  • 11. Typologie grafů I.Unimodal (jedna přímá vazba)Multimodal (vícero přímých vazeb)Affiliation (vazba prostřenictvím např. akce)Multiplex Network (kvalitativně různé vazby)
  • 12. Typologie grafů II.Full (každý s každý)Partial (tak nějak všichni)Egocentric (já jsem centrum dění)
  • 13. Typologie grafů III.CentralizedDecentralizedDistributed
  • 14. Co lze třeba měřitPočet hran (Degree Centrality)Prostřednictví (Betweenness Centralities)Blízkost (Closeness Centrality)Hustota (Density), Dosažitelnost (Reachability)Eigenvector CentralityShluky a komunity
  • 15. ... ale proč????
  • 16. Degree Centralitypočet přímých vazeb k dalším uzlůmměří aktivitu uzlů v síti.uzly s vysokou hodnotou Degree Centralityjsou „spojky“ nebo „středy“ v této síti.
  • 17. Closeness Centralitynejvyšší, jestliže z uzlu lze dosáhnout ke všemdalším uzlům v síti.nejmenší hodnota součtu vzdáleností kostatním uzlůmuzly snadno přijímají a přenášejí inovace.uzel s vysokou mírou blízkosti středu majívelký vliv na to, co se v síti odehrává.
  • 18. Betweenness - Bridgesnejvyšší pokud cesty mezi libovolnými dvěmauzly sítě vždy procházejí tímto uzlem.měří, kolik cest mezi dvojicí uzlů procházídaným uzlem.závora, propojení nebo zprostředkovatel rolí.kontroluje tok informací v síti a umožňujedobrou viditelnost všeho, co se děje v síti.
  • 19. Hustota sítěkoeficient shlukováníokolí bodu či celá síťpočet hran/počet možných hrančím vyšší číslo, tím vyšší hustota sítěhustota = n * (n - 1) / 2
  • 20. Reachibilitypočet uzlu dosažitelných z jedno bodu najeden, dva či tři kroky
  • 21. Eigenvector centralityLze počítat jen v neorientovaném grafuPřidává k výsledku nejen počet vazeb uzlu,ale také počet vazeb uzlů, které mají uzly sním spojenéOdhaluje i nepřímý vlivGoogle Page Rank je variant Eigenvectorcentality
  • 22. Shlukování a komunitysegmentování podle vlastnostíbuď sdílené vlasnosti (degree)nebo možná příslušnost do komunity
  • 23. Role uzlů v sítiPeripheral – výrazně menší než průměrnácentralityCentral connector – výrazně větší nežprůměrná centralitaBroker – výrazaně větší než průměrnábetweenness
  • 24. Sociální roleKomunikátořiSpojovatelé / Úzká hrdlaProdavačiInovátořiMaveniLidé na okraji
  • 25. Software pro SNAPajekUCINETGephiNWB... řada dalších
  • 26. NodeXLvolně dostupný, GPL licencefunguje i jako template pro Excelsnadno ovladatelnýmnoho formátů (Pajek, UCINET, GraphML)import z Twitteru, Flickru a daších
  • 27. NodeXLhttp://nodexl.codeplex.com/
  • 28. SNA pro staršíR - nástroj pro statistickou a dalšímatematickou analýzuvynikající knihovna igraphpomalá učící křivka, ale vynikající výsledkyvyžaduje, ale programování
  • 29. Praktické ukázkyanalýza průniků fanoušků telco operátorůanalýza průniků fanoušků na Twitteruanalýza Twitteru followerů @stunomeanalýza hashtagu #lumia800analýza zmínek o slovenské Tatrabanceanalýza hlasování politiků v Praze
  • 30. Průniky fanouškůlisty fanoušku stránek O2, Vodafone a T-Mobile, kteří od 1.3. do 18.4. alespoň jednoukomentovali statusy operátorůdata získána pomoci NodeXL
  • 31. Aktivní fanoušciO2 1.240 unikátních komentujícíchT-Mobile 455 unikátních komentujícíVodafone 1.362 unikátních komentujících
  • 32. Průnikyo2 (1.240) T-Mobile (455) 30 1.145 398 10 65 27 1.270 Vodafone (1.362)
  • 33. 10 procent konkurencekonkurenční poměr = počet fans / pouze mýchO2 - 0.92T-Mobile - 0.87Vodafone - 0.93
  • 34. Průniky fanouškůlisty fanoušků Twitter účtů ct24zive, rozanek azpravyrozhlasczdata získána pomoci Klábosení
  • 35. Aktivní fanoušci@ct24zive 11.289 followers@rozanek 1.543 followers@zpravyrozhlascz 1.033 followersProstý součet: 13.865, Unikátní součet: 12.772Poměr shody: 0.92Společný průnik: 145
  • 36. Průniky - první pokus ct24zive rozanek zpravyrozhlascz ct24zive x 494 584 rozanek 494 x 210zpravyrozhlascz 584 210 x
  • 37. Průniky - druhý pokus poměry mezi průnikem a ct24zive rozanek zpravyrozhlascz počtem ct24zive x 0.04 0.05 rozanek 0.32 x 0.13zpravyrozhlascz 0.57 0.2 x
  • 38. @stunome
  • 39. @stunome
  • 40. Lumia 800přehled za týdenní komunikaci o hashtaguzoohlednění lidé, kteří napsal aspoň třikrátrůzné možnosti pohledugenerováno v R (igraphu)
  • 41. běžný orientovaný graf
  • 42. velikost uzlu je dána jeho betweenness
  • 43. Neighbor-Joining Tree
  • 44. Tatra Bankapřehled za týdení komunikaci o Tatra Bancekdokoli, kdo zmínil během březnarůzné možnosti pohledugenerováno v R (igraphu)
  • 45. betweenness indegree
  • 46. Pražský magistrátanalýza hlasování za tři volební obdobívazba existuje při 75% shodných hlasováníukazuje skutečné hlasovací jádroukazuje vazby napříč stranamiinspirace americkým experimentem
  • 47. 1998 - 2002
  • 48. 2002 - 2006
  • 49. 2006 - 2010
  • 50. Děkuji za pozornost!Otázky? Odpovědi?Email: slerka@ataxo.com,Twitter: http://www.twitter.com/josefslerkaBlog: http://ttgoogle.blogspot.com