Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
Witology<br />Семинар M&A<br />29 сентября 2011<br />Сентябрь 2011<br />
Социально-сетевой анализ форумов при помощи пакета UCINet<br />Алексей Друца,м.н.с. ЛКМ МехМата МГУ<br />www.adrutsa.ru<br...
Analytic Technologies UCINet v6.354<br />Форматирование и редактирование первичных данных:<br />Подпрограммы импорта/экспо...
Задание характеристик отображения (форм, размеров, цветов, шрифтов и др.) в зависимости от входящих данных.
Простейший социально-сетевой анализ графа прямо в визуализирующей программе.</li></ul>Социально-сетевой анализ…<br />
Analytic Technologies UCINet v6.354<br />Социально-сетевой анализ:<br />Анализ связности графа.<br />Определение регионов ...
Граф сообщений темы #2 форума АСИ<br />Valued Direct Graph<br />Узлы: 29 шт.<br />Максимальное <br />значение ребра: 10<br />
Матрица сообщений<br />Матрица сообщений <br />Матрица смежности (adjacencymatrix) графа<br />:=<br />Среднее значение: 0,...
Матрица связей<br />дихотомизация<br />Матрица сообщений<br />Матрица связей<br />If (xij!=0) xij = 1<br />unvalued direct...
Содержание отчета<br />ЦЕНТРАЛИЗАЦИЯ (CENTRALIZATION)<br />СВЯЗНОСТЬ (COHESION)<br />РЕГИОНЫ (REGIONS) И ПОДГРУППЫ<br />ЭК...
I. ЦЕНТРАЛИЗАЦИЯ<br />(CENTRALIZATION)<br />
Центральности матрицы сообщений<br />Flow Btwn– Flow Betweenness Centrality <br />Beta = 0,0732650 <br />Main Eigen value ...
Центральности матрицы связей<br />2Reach = 2-Step reach / Reach Centrality (степенная  центральность, вычисленная по окруж...
Рассеивание по OutDegree и InDegree<br />Матрица сообщений<br />InDegree<br />OutDegree<br />
Рассеивание по OutDegree и InDegree<br />Матрица связей<br />InDegree<br />OutDegree<br />
Сравнение сообщений и связей: Degree<br />
Сравнение сообщений и связей: Degree<br />Корреляция результатов центральности для матриц сообщений и связей<br />
Централизация сети<br />
Дополнительные параметры<br />Кроме перечисленных выше методов вычисления центральностей, данный пакет позволяет измерять ...
II. СВЯЗНОСТЬ (COHESION)<br />
Транзитивность<br />Adjacency – A triple x_ik,x_ij,x_jk is transitive if x_ik is 1 whenever x_ij and x_jk are both 1.<br /...
Коэффициент кластеризации<br />
Взаимность (Reciprocity)<br />Парная взаимность (Dyad-based Reciprocity):0.3725<br />In the dyad-based method, the recipro...
K-локальные мосты<br />A bridge is an edge whose removal disconnects the graph. A k-local bridge is an edge whose removal ...
III. РЕГИОНЫ (REGIONS)<br />И ПОДГРУППЫ<br />
Связные компоненты<br />Неоднородность = 1 – ∑p2; 	Энтропия = –∑ pln(p); 	p – component density.<br />Фрагментация – доля ...
Бикомпоненты и точки сочленения<br />
Клики, N-клики, N-кланы, K-сплетения<br />N-клика (clique)– подграф, в котором расстояния между всеми его узлами ≤ N.<br /...
Клики в ориент. графе: узлы<br />
Клики в ориент. графе: кластеризация<br />
Клики в ориент. графе: клики<br />Указано количество общих узлов<br />
Клики в неор. графе: узлы<br />
Клики в неор. графе: кластеризация<br />
Клики в неор. графе: клики с 4 узлами<br />Указано количество общих узлов<br />
Кластеризация клик в неор. графе<br />
2-клики: узлы<br />Приведены ребра, входящие в не менее, чем 4 шт. 2-клик<br />
2-клики: кластеризация<br />
3-клики<br />
4-клики<br />
2-сплетения с ≥4 узлами<br />Приведены ребра, входящие в не менее, чем 2 шт. сплетений<br />
2-сплетения с ≥4 узлами<br />
3-сплетения с ≥4 узлами<br />
The edge connectivity<br />The edge connectivity of a pair of vertices is the minimum number of edges which must be delete...
Лямбда-множества<br />A lambda set is a maximal subset of vertices with the property that the edge connectivity of any pai...
Разбиение на 2 фракции<br />
Разбиение на 3 фракции<br />
Разбиение на 4 фракции<br />
Разбиение Гирвана-Ньюмэна<br />
Кластеризация Маркова<br />
Ядро и периферия (Core/Periphery)<br />Дискретные методы<br />CORR и DENSITY<br />Матрица связей<br />Матрица сообщений<br...
Ядро и периферия (Core/Periphery)<br />Непрерывные методы исчисления<br />
IV. ЭКВИВАЛЕНТОНСТЬ (ROLES & POSITIONS)<br />
Structural Equivalence<br />Методы:<br />Euclidean Distance – The distance between the vectors in n-dimensional space, i.e...
Convergence of iterated Correlations<br />Матрица сообщений<br />Матрица связей<br />
Regular equivalence<br />
Categorical Regular equivalence<br />Матрица сообщений<br />Матрица связей<br />
V. СОБСТВЕННЫЕ ПОДСЕТИ (EGO NETWORKS)<br />
Собственные подсети неор. графа<br />
Собственные подсети<br />Также собственные сети можно построить отдельно по входящим и выходящим ребрам<br />Кроме этого д...
VI. ДОПОЛНИТЕЛЬНЫЕ ПАРАМЕТРЫ<br />
Upcoming SlideShare
Loading in …5
×

"Социально-сетевой анализ форумов при помощи пакета UCINet"

2,498 views

Published on

Докладчик: Алексей Друца,
аспирант Мех-Мата МГУ, м.н.с. Лаборатории Компьютерного Моделирования Мех-мата МГУ.

Доклад посвящен демонстрации функциональных возможностей программного пакета UCINet с точки зрения проведения социально-сетевого анализа обсуждений интернет-форума.
Программный пакет UCINet представляет собой интегрированную среду по форматированию и обработке входных и выходных данных о графе, которым является ветка обсуждения интернет-форума.
В рамках семинара будут представлены краткое описание основных характеристик графов, полученных результатов, а также подробно рассмотрены отдельные функциональные блоки пакета.
Видео: http://vimeo.com/user7862600

  • These are one of the best companies for review articles. High quality with cheap rates. ⇒⇒⇒WRITE-MY-PAPER.net ⇐⇐⇐ I highly recommend it :)
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here

"Социально-сетевой анализ форумов при помощи пакета UCINet"

  1. 1. Witology<br />Семинар M&A<br />29 сентября 2011<br />Сентябрь 2011<br />
  2. 2. Социально-сетевой анализ форумов при помощи пакета UCINet<br />Алексей Друца,м.н.с. ЛКМ МехМата МГУ<br />www.adrutsa.ru<br />Сентябрь 2011<br />
  3. 3. Analytic Technologies UCINet v6.354<br />Форматирование и редактирование первичных данных:<br />Подпрограммы импорта/экспорта данных.<br />Подпрограммы редактирования (Matrix editor, spreadsheet editor, List editor).<br />Обработка данных:<br />Обработка графов (удаление/добавление узлов, объединение, сравнение, работа с атрибутами).<br />Матричная алгебра и обработка значений элементов матрицы.<br />Статистический анализ.<br />Визуализация:<br />Scatter plot – анализ рассеивания данных.<br />Построение дендограмм и древовидных диаграмм кластеризации.<br />NetDraw – отдельная программа, поставляемая вместе с UCINet. Она позволяет строить графы и включает в себя функциональность:<br /><ul><li>Управление отображением и расположением узлов и ребер.
  4. 4. Задание характеристик отображения (форм, размеров, цветов, шрифтов и др.) в зависимости от входящих данных.
  5. 5. Простейший социально-сетевой анализ графа прямо в визуализирующей программе.</li></ul>Социально-сетевой анализ…<br />
  6. 6. Analytic Technologies UCINet v6.354<br />Социально-сетевой анализ:<br />Анализ связности графа.<br />Определение регионов и подгрупп графа.<br />Определение путей и траекторий между узлами графа.<br />Анализ собственных подсетей для узлов графа.<br />Анализ централизации графа и различный анализ центральности его узлов.<br />Выделение ядра и периферии графа, а также вычисление эквивалентности между вершинами.<br />Анализ подграфов внутри графа, в том числе анализ узлов по их внешним атрибутам (возраст, пол,...).<br />Сравнительный анализ нескольких графов.<br />Анализ графа во времени.<br />
  7. 7. Граф сообщений темы #2 форума АСИ<br />Valued Direct Graph<br />Узлы: 29 шт.<br />Максимальное <br />значение ребра: 10<br />
  8. 8. Матрица сообщений<br />Матрица сообщений <br />Матрица смежности (adjacencymatrix) графа<br />:=<br />Среднее значение: 0,180<br />Стд. отклонение: 0,794<br />
  9. 9. Матрица связей<br />дихотомизация<br />Матрица сообщений<br />Матрица связей<br />If (xij!=0) xij = 1<br />unvalued direct <br />graph<br />Число ненулевых значений: 70<br />Доля ненулевых значений среди всех недиагональных элементов:0,0862<br />Процент взаимных ребер среди всех ребер: 37.25%<br />
  10. 10. Содержание отчета<br />ЦЕНТРАЛИЗАЦИЯ (CENTRALIZATION)<br />СВЯЗНОСТЬ (COHESION)<br />РЕГИОНЫ (REGIONS) И ПОДГРУППЫ<br />ЭКВИВАЛЕНТОНСТЬ (ROLES & POSITIONS)<br />СОБСТВЕННЫЕ ПОДСЕТИ (EGO NETWORKS)<br />ДОПОЛНИТЕЛЬНЫЕ ПАРАМЕТРЫ<br />
  11. 11. I. ЦЕНТРАЛИЗАЦИЯ<br />(CENTRALIZATION)<br />
  12. 12. Центральности матрицы сообщений<br />Flow Btwn– Flow Betweenness Centrality <br />Beta = 0,0732650 <br />Main Eigen value = 13,5808440 <br />
  13. 13. Центральности матрицы связей<br />2Reach = 2-Step reach / Reach Centrality (степенная центральность, вычисленная по окружению узла, достижимого в 2 шага);<br />SRD = Closeness by Sum of Reciprocal Distances (Близость по Сумме Взаимных Расстояний).<br />
  14. 14. Рассеивание по OutDegree и InDegree<br />Матрица сообщений<br />InDegree<br />OutDegree<br />
  15. 15. Рассеивание по OutDegree и InDegree<br />Матрица связей<br />InDegree<br />OutDegree<br />
  16. 16. Сравнение сообщений и связей: Degree<br />
  17. 17. Сравнение сообщений и связей: Degree<br />Корреляция результатов центральности для матриц сообщений и связей<br />
  18. 18. Централизация сети<br />
  19. 19. Дополнительные параметры<br />Кроме перечисленных выше методов вычисления центральностей, данный пакет позволяет измерять и находить следующие данные (см. отчет):<br />Фактор влияния (influence)<br />Ядра и авторитеты (Hubsandauthorities)<br />Близость (Closeness) вычисленная по параметрам: SRD(InCloseness & OutCloseness), ARD (Integration & Radiality), SLP (farness & closeness)<br />Информационная центральность (InformationCentrality), для которой необходима обратимость матрицы сообщений<br />Центральность по промежуточности (BetweennessCentrality):FreemanBetweenness & ProximalBetweenness, EdgeBetweenness, FlowBetweenness<br />Fragmentationcentrality<br />Totalcentralitydecomposition<br />Группа с наилучшей показателем центральности (Bestcentralitygroup)<br />и др.<br />
  20. 20. II. СВЯЗНОСТЬ (COHESION)<br />
  21. 21. Транзитивность<br />Adjacency – A triple x_ik,x_ij,x_jk is transitive if x_ik is 1 whenever x_ij and x_jk are both 1.<br />Euclidean – A triple x_ik,x_ij,x_jk is transitive if x_ik >= x_ij + x_jk.<br />Strong – A triple x_ik,x_ij,x_jk is transitive if x_ik >= min(x_ij,x_jk).<br />Weak – A triple x_ik,x_ij,x_jk is transitive if whenever min(x_ij,x_jk) >= s then x_ik >= w for user-specified s and w. s is the strong tie value and w the weak tie value.<br />Stochastic – A triple x_ik,x_ij,x_jk is transitive if x_ik >= x_ij * x_jk.<br />
  22. 22. Коэффициент кластеризации<br />
  23. 23. Взаимность (Reciprocity)<br />Парная взаимность (Dyad-based Reciprocity):0.3725<br />In the dyad-based method, the reciprocity value indicates the prop. of dyads that are reciprocal. I.e., Num(Xij>0 and Xji>0)/Num(Xij>0 or Xji>0)<br />Реберная взаимность (Arc-Based Reciprocity): 0.5429<br />In the arc-based method, the reciprocity value indicates the prop. of all arcs (directed edges) that are reciprocated.<br />
  24. 24. K-локальные мосты<br />A bridge is an edge whose removal disconnects the graph. A k-local bridge is an edge whose removal increases the distance of its endpoints to a value of k or more.<br />Значения k-локального моста для каждого ребра: большая стрелка соответствует большему значению. <br />Большие узлы имеют большее среднее значение k-локального моста выходящих из них ребер.<br />
  25. 25. III. РЕГИОНЫ (REGIONS)<br />И ПОДГРУППЫ<br />
  26. 26. Связные компоненты<br />Неоднородность = 1 – ∑p2; Энтропия = –∑ pln(p); p – component density.<br />Фрагментация – доля пар узлов, которые не могут достичь друг друга.<br />Бикомпонента – максимальный несепарабельный подграф.<br />Сепарабельный граф – граф без точек сочленения.<br />Точка сочленения – узел, удаление которого увеличит количество связных компонент.<br />
  27. 27. Бикомпоненты и точки сочленения<br />
  28. 28. Клики, N-клики, N-кланы, K-сплетения<br />N-клика (clique)– подграф, в котором расстояния между всеми его узлами ≤ N.<br />N-кликаявляется N-кланом (clan), если её диаметр как подграфа ≤ N.<br />K-сплетение (plex) – максимальный подграф, в котором каждая вершина не соединена с не более, чем K узлами сплетения.<br />
  29. 29. Клики в ориент. графе: узлы<br />
  30. 30. Клики в ориент. графе: кластеризация<br />
  31. 31. Клики в ориент. графе: клики<br />Указано количество общих узлов<br />
  32. 32. Клики в неор. графе: узлы<br />
  33. 33. Клики в неор. графе: кластеризация<br />
  34. 34. Клики в неор. графе: клики с 4 узлами<br />Указано количество общих узлов<br />
  35. 35. Кластеризация клик в неор. графе<br />
  36. 36. 2-клики: узлы<br />Приведены ребра, входящие в не менее, чем 4 шт. 2-клик<br />
  37. 37. 2-клики: кластеризация<br />
  38. 38. 3-клики<br />
  39. 39. 4-клики<br />
  40. 40. 2-сплетения с ≥4 узлами<br />Приведены ребра, входящие в не менее, чем 2 шт. сплетений<br />
  41. 41. 2-сплетения с ≥4 узлами<br />
  42. 42. 3-сплетения с ≥4 узлами<br />
  43. 43. The edge connectivity<br />The edge connectivity of a pair of vertices is the minimum number of edges which must be deleted so that there is no path connecting them.<br />
  44. 44. Лямбда-множества<br />A lambda set is a maximal subset of vertices with the property that the edge connectivity of any pair of vertices within the subset is strictly greater than the edge connectivity of any pair of vertices, one of which is in the subset and one of which is outside.<br />Hence if l(a,b) represents the edge-connectivity of two vertices a and b from a graph G(V,E) then a subset S is a lambda set if it is the maximal set with the property that for all a,b,c in S and d in V-S then l(a,b) > l(c,d). <br />
  45. 45. Разбиение на 2 фракции<br />
  46. 46. Разбиение на 3 фракции<br />
  47. 47. Разбиение на 4 фракции<br />
  48. 48. Разбиение Гирвана-Ньюмэна<br />
  49. 49. Кластеризация Маркова<br />
  50. 50. Ядро и периферия (Core/Periphery)<br />Дискретные методы<br />CORR и DENSITY<br />Матрица связей<br />Матрица сообщений<br />Дискретные методы SXY и EMPTYPER <br />
  51. 51. Ядро и периферия (Core/Periphery)<br />Непрерывные методы исчисления<br />
  52. 52. IV. ЭКВИВАЛЕНТОНСТЬ (ROLES & POSITIONS)<br />
  53. 53. Structural Equivalence<br />Методы:<br />Euclidean Distance – The distance between the vectors in n-dimensional space, i.e. the root of the sum of squared differences.<br />Correlation – Pearson product correlation coefficient of every pair of profiles.<br />Matches – Proportion of exact matches between all pairs of profiles.<br />Positive Matches – Proportion of exact matches in which at least one element is positive, between all pairs of profiles.<br />Number of Overlaps<br />Sum of cross-products<br />Примеры диаграмм кластеризации для Euclidean Distanceи Correlation<br />
  54. 54. Convergence of iterated Correlations<br />Матрица сообщений<br />Матрица связей<br />
  55. 55. Regular equivalence<br />
  56. 56. Categorical Regular equivalence<br />Матрица сообщений<br />Матрица связей<br />
  57. 57. V. СОБСТВЕННЫЕ ПОДСЕТИ (EGO NETWORKS)<br />
  58. 58. Собственные подсети неор. графа<br />
  59. 59. Собственные подсети<br />Также собственные сети можно построить отдельно по входящим и выходящим ребрам<br />Кроме этого для собственных подсетей можно вычислять (см. отчет):<br />Структурные дыры (structuralholes)<br />GOULD & FERNANDEZ BROKERAGE MEASURES<br />Honestbrokerindex<br />и др.<br />
  60. 60. VI. ДОПОЛНИТЕЛЬНЫЕ ПАРАМЕТРЫ<br />
  61. 61. Дополнительные параметры<br />Кроме перечисленных выше параметров, данный пакет позволяет измерять и находить следующие данные (см. отчет):<br />ExpansivenessandPopularityParameters (HollandandLeinhardt P1 modelforbinarynetworks)<br />JimmieD’smultipleeigenvector<br />Colleen’smultipleCore-Periphery<br />Политическая независимость (PoliticalIndependence)<br />и др.<br />
  62. 62. Спасибо за внимание!<br />Обсуждение: <br />http://blog.witology.com<br />

×