10 社交网络

10 社交网络

10.2 社交网络的聚类分析

10.2.1 社交网络的距离量度

10.2.2 标准的聚类方法

点分配法：
* 假设用k-means 算法聚类， 选k=2, 随机选一个点，以这个点创建一个类，在选择一个离他最远的点作为另一个类，这个点选得约晚越好。
*

10.2.3 中间性

• 中间性指的是一条边多大程度处在两个聚类之间，成为这两个聚类的桥梁。
• 一条边的中间性值越大，说明有越多的任意两点，他们之间要走捷径就必须通过这个edge(a, b)。
  
  • 这样的成对节点的数目就是Betweenness值
  • 经过edge(a, b)的最短路径不止一条的，按相同最短路径的数量作为分母算个比例记入edge(a, b) 的betweenness

10.2.4 Girvan-Newman 算法

• 为了计算所有边的Betweenness，我们需要为每条边计算通过它们的最短路径（捷径）的数量。这里一斤（GN）算法
• 为了计算一条边的Betweenness值，访问每个节点，统计从该节点开始到其它所有节点的最短路径中通过这条边的次数。
• GN算法由breadth-first search（BFS）算法开始:
  
  1. 从节点X开始，每个节点的level记录为其到X的最短距离的长度。
     
     • 跨level级别的边称为DAG（directed, acyclic graph)
     • 靠近root节点的Y为父节点，Z为子节点。
     • 用实线代表DAG， 虚线代表同级别节点的连线
  2. 第二步用到达root可供选择的最短路径的数量来标记每个节点
     
     1. 选E为root，其标记为1
     2. 一级有D，F 他们只有一个父节点E，最短路径条数为1，标记为1
     3. B，G在level2，B只有一个父节点D，所以最短路径跟其父节点一样为1
     4. G有两个父节点D，F 所以最短路径条数为父节点标记之和=2
     5. 最后，A，C到root的距离为3，在level3，他们都只有父节点B，所以标记为1
  3. 最后一步
     
     1. 每个叶子（in DAG）得1分
     2. 不是叶子的得1分+其到下一个Leve的DAG edge的分数之和
     3. 一个DAG edge(Y, Z) 的分值为其下一级节点Z的分值的一部分，其占比是根节点到这个节点Y的最短路径数/根节点到Z的所有父节点最短路径数之和。

10.2.5 使用betweenness 来发现社群

• 在节点图上，逐步增加edge，从betweenness 小的开始增加，允许的Betweenness越大，就会产生越大的社群。

• 更常见的是移出edge的方法，从Betweenness最高的edge开始去掉直到合适为止。