1. 영남대학교 문과대학 언론정보학과
교수 박한우
1차시: 밀도 - 집중도 - 클러스터링 - 블록모델링
7주 사회 네트워크 분석기법
2차시: 저널리즘과 SNS

2. 밀도, 집중도, 클러스터링, 블록모델링 등 사회 네트워크 분석기법에 대해 이해
한다.
1. 밀도
2. 집중도
3. 군집/집락(cluster)
4. 블록모델링
5. 컴포넌트
6. 파당
밀도, 집중도, 클러스터링, 블록모델링키워드
학습순서
학습목표

3. 1. 밀(집)도(density)
• 그래프에서 행위자(점, 노드)들 간의 연결된 정도를 의미
• 네트워크내 전체 구성원이 서로간 얼마나 많은 관계를 맺고 있는가를
표현하기 위한 개념
• 구체적으로 네트워크에서 점들간 라인(line)의 많고 적음을 파악
• 한 네트워크가 얼마나 완벽하게 구축되어 있는가를 표현하는 개념

4. 1. 밀(집)도(density)
The year 2000 The year 2001
The size of a node is proportional to the number of inlinks
The first word represents a family name

5. 1. 밀(집)도(density)
밀도가 높은 네트워크의 특징
1.밀도가 높으면 정보수집과 배포의 통로가 많기 때문에 빠른 속도로 정보
와 자원의 흐림이 진행
2.밀집도가 높은 네트워크 는 하나의 '폐쇄(closed)'망으로 작동하여, 규범
의 공유, 신뢰구축, 상호 모방에 의한 행위 패턴의 동질화 등 공동체적 속
성들이 비교적 쉽게 발달
3.밀집된 네트워크는 약속 위반에 대한 규제(sanction) 가 매우 효과적
밀도가 높은 네트워크에서 각 행위자의 평판이 잘 전달되기 때문
밀집도(density): 통합성의 전반적 수준, 구성원들간 실제 존재하는 관계의 수
/
가능한 관계의 수 [n(n-1)]

6. 1. 밀(집)도(density)
• 참여자들 간의 관계가 맺어지는 정도
• 개인에 대한 지한 지표가 아니고, 네트워크 전체에 대한 지표
제임스 콜먼(James
Coleman)
- 연결밀도가 빽빽할수록 네트워크 효과가 높아진다는 주장
- 빽빽할수록 기회주의적 행위가 처벌되고 규제되는 가능성이 커짐,
행위자들간의 협력이 발생되는 점을 강조
- 평판, 명성, 풍문 등 정보의 전달이 잘됨
- 행위자들 사이에 신뢰가 유지되고 협력이 발생하는 효과가 발생
- 한 집단의 협력을 높이려 한다면 전략적으로 참여자들끼리의
관계밀도를 높이는 방안이 권장

7. 2.집중도(centralization)
• 한 네트워크에서 네트워크 전체가 한 가지 중심으로 집중되는 정도를
표현하는 지표
• 앞서 설명한 중심성(centrality)이 한 점에 초점을 맞추어, 그 점이 중심에
위치하는지에 대한 정도를 표현하는 것이라면, 이 집중도는 한
네트워크 전체가 중심에 집중되는 정도를 표현하는 것이라는 점에 차이
집중도(centralization): 중심적인 개체로 집중 정도, 높을수록 한 개체에
집중되어 자원들이 불평등하게 배분된 상태

8. 2. 집중도
Universities in Europe(at least 100 hyperlinks)

9. 2. 집중도
Universities in Asia
(at least 20 hyperlinks)
Universities in Asia
(at least 50 hyperlinks)

10. 3.군집/집락(cluster)
• 어떠한 형태의 소규모 그룹이 존재하는지를 파악하기 위해서, 계층적
군집분석(hierarchical cluster analysis)이 주로 사용
• 계층적 군집분석의 장점은 각 개체가 다른 개체들과 맺는 관계의 패턴을
계산하여, 사회 시스템을 구성하고 있는 개체들이 어떠한 소규모 그룹을
형성하고 있는지를 덴드로그램(dendrogram)을 통해서 가시적으로 보여 줌
• 군집분석이 개체들 사이의 (직)간접적 연결들의 존재 유무에 기초하여
분산적인(discrete) 그룹으로 분류

11. 3.군집/집락(cluster)
• Similarities or Distances? (Default = Similarities)
• Whether items i and j should be clustered together when X(i,j) is large or
when it is small. If data are Similarities, items i and j are clustered together if
X(i,j) is very large. If data are Dissimilarities, items i and j are clustered
together if X(i,j) is very small.
• Given a symmetric n-by-n representing similarities or dissimilarities among a
set of n items, the algorithm finds a series of nested partitions of the items
• The different partitions are ordered according to decreasing [increasing]
levels of similarity [dissimilarity].
• The algorithm begins with the identity partition (in which all items are in
different clusters). It then joins the pair of items most similar (least
different), which are then considered a single entity.
• The algorithm continues in this manner until all items have been joined into a
single cluster (the complete partition)

12. 3.군집/집락(cluster)
• The levels indicate the degree of association (similarity or dissimilarity)
among items within clusters. If, as in the example, the data are distances and
the clustering method is the average clustering method, a level of 1.578
indicates that the average distance among items within the cluster is 1.578.
• Within a given row, an 'X' between two adjacent
columns indicates that the items associated with
those columns were assigned to the same
cluster in that partition. For example, in the first
partition (level 1.000), items D and E belong to
the same cluster, but C is a member of a
different cluster. In the third partition (level
1.578), items D, E and C all belong to the same
cluster.

13. 4.블록모델링
등위집단의
블록화
• 행위자 사이에 맺어진 관계의 패턴을 읽어내려면, 비슷한 행
위자들을 묶음으로 묶어서 표현.
• 블록화란 구조적으로 등위의 행위자들을 그룹으로 묶어나가
는 작업.
• 구조적 등위 행위자들을 블록화하는 방법에는, 보통
CONCOR와 STRUCTURE의 두 가지 방법.
행위자간 관계패턴의 도
출을 위해 행위자들간 상
관관계를 사용하는 방법
CONCOR방법이 행위자들의
유사성(즉, 상관관계)에 기초했
던 것과 달리 경로거리 (path
distance) 개념을 사용하여 행
위자들을 그룹화하는 방법

14. 4.블록모델링
• 전체 네트워크에 속한 구성원들을 블록으로 구성하는 작업.
구조적
등위성
• 한 네트워크에서 다른 행위자들과 직접적인 관계는 없지만 동일한
관계패턴을 가지는 경우를 말함.
• 구조적으로 등위의 행위자들은 서로 직접적인 연결이 있을 필요없
음.
• 다만 지위와 역할에 의해서 유사한 유형을 가지게 되면 구조적 등
위가 성립하게 된다.

15. 5.컴포넌트(component)
• 네트워크내의 하위 네트워크(sub-network)
• 그 자체도 네트워크지만 큰 네트워크에 소속되어 있으므로 하위 네트워크라
부름
• 점들간의 연결 집합체
• 점들 사이의 연결은 직접 혹은 간접 연결을 모두 포함
• 하나의 컴퍼넌트가 되기 위한 조건으로, 소속 점들이 경로거리 1뿐만 아니라
그 이상의 경로거리도 허용

16. 5.컴포넌트(component)
PURPOSE Identify the components, of an undirected graph - and the
weak or strong components of a directed graph.
DESCRIPTIO
N
In an undirected graph two vertices are members of the same
component if there is a path connecting them. In a directed
graph two vertices are in the same weak component if their is
a semi-path connecting them. Two vertices x and y are in the
same strong component if there is a path connecting x to y
and a path connecting y to x.

17. 6. 파당
• 모든 점들이 서로간 직접적으로 연결되어 있어야만 파당이 성립된다는 것을
의미
• 이것은 앞서 언급한 컴퍼넌트 개념과 다른 가장 큰 차이
파당
사전적 정의: '주의 혹은 주장과 이해를 같이 하는 사람들끼리 어
울려서 모인 무리'
네트워크적 표현
'한 네트워크에서 세 점 이상으로 구성된 가장 완벽한 하위 프로
그래프'로 표현
그 하위 그래프(파당)의 모든 점들
이 반드시 직접적으로 연결되어 있
어야 한다는 것

18. 6. 파당
• 컴퍼넌트의 경우 거리와 관계없이 각 구성원들이 연결되어 있기만 하면 컴퍼넌트
구성원이 됨
• 파당은 반드시 모든 구성원들 사이에 직접적인 연결 (거리 1)이 있어야 함
• 파당은 그 정의상 완벽한 연계관계 그리고 높은 밀도를 가지게 됨
• 높은 수준의 결속감, 협동관계, 정체성의 공유, 정보의 교환, 집합행동의 가능성
• 파당의 예: 정치 집단, 폭력 집단

19. 6. 파당
PURPOSE Find all cliques in a network.
DESCRIPTIO
N
A clique is a maximally complete subgraph. The program
implements the Bron and Kerbosch (1973) algorithm to find all
Luce and Perry (1949) cliques greater than a specified size.
The routine will also provide an analysis of the overlapping
structure of the cliques. This analysis gives information on the
number of times each pair of actors are in the same clique,
and gives a single link hierarchical clustering based upon this
information.

20. 6. 파당
PURPOSE Identify the components, of an undirected graph - and the
weak or strong components of a directed graph.
DESCRIPTIO
N
In an undirected graph two vertices are members of the same
component if there is a path connecting them. In a directed
graph two vertices are in the same weak component if their is
a semi-path connecting them. Two vertices x and y are in the
same strong component if there is a path connecting x to y
and a path connecting y to x.

21. 6. 파당
• 온라인 소비자들 사이의 상호 신뢰감
• 아마존은 고객들에게 '이 책을 구입한 소비자가 역시 구입한 책들'(who bought
this book also bought these books)에 대한 정보를 하이퍼링크의 연결을
통해서 제공
• 유사한 관심을 지닌 사람들이 구입한 여타 서적들에 하이퍼링크를
설정함으로써, 고객들이 다른 사람들이 구매한 또 다른 책들을 사도록
설득하는데 기여
아마존 닷 컴에 대한 Krebs(2000)의 연구

22. 6. 파당
• 하이퍼링크된 책들이 어떻게 상호연결되어 있는지 그리고 각 책들이
네트워크에서 어떤 위치를 차지하고 있는지를 분석함으로써 도서 구입자들
사이의 사회 네트워크를 찾아내고자 함
• 책들을 토픽별로 그룹화하여 그룹 내에서 분석대상이 된 책들의 위치 또한
살펴
보도록 함

23. ( )분석의 장점은 각 개체가 다른 개체들과 맺는 관계의 패
턴을 계산하여, 사회 시스템을 구성하고 있는 개체들이 어떠한
소규모 그룹을 형성하고 있는지를 덴드로그램(dendrogram)을
통해서 가시적으로 보여 줌
QUIZ
정답 : 계층적 군집분석

24. • 밀도: 그래프에서 행위자(점, 노드)들 간의 연결된 정도를 의미.
• 집중도(centralization): 한 네트워크에서 네트워크 전체가 한 가지 중심으로
집중되는 정도를 표현하는 지표
• 어떠한 형태의 소규모 그룹이 존재하는지를 파악하기 위해서, 계층적
군집분석(hierarchical cluster analysis)이 주로 사용됨.
• 블록모델링: 전체 네트워크에 속한 구성원들을 블록으로 구성하는 작업이
다.
학습정리

25. 참고 문헌
• http://www.hanpark.net
• http://cafe.naver.com/newmas.cafe
• 송동원, 「사회 네트워크 분석」,금문사, 2002