学科08:社会网络学重要模型

三种网络模式

互联网出现
网络基本形态
中心式
分散式
分布式

截屏2021-12-11 12.23.29

结构洞 structural hole

就是所谓的跨界者,像是改开初期会外语的中国人。

截屏2021-12-11 12.30.08

中心度 centrality

中心度
度中心度
联系数量
特征向量中心度
联系质量
传播中心度
影响范围
中介中心度
类似结构洞

截屏2021-12-11 12.37.17

弱联系 weak ties

截屏2021-12-11 12.44.11

小世界

截屏2021-12-11 12.46.33

无尺度网络

截屏2021-12-11 12.48.36

两个推动力
不断扩张
逐渐连接

基本再生数

截屏2021-12-11 13.07.18

差序格局

截屏2021-12-11 13.10.27

陌生人刚开始建议直接问能不能帮到对方什么

截屏2021-12-11 13.13.25

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
网络约束系数是用来衡量一个网络中节点之间的联系密度的指标,它可以用于衡量网络的紧密程度。计算结构洞的网络约束系数可以帮助我们更好地理解网络结构的连接和分割情况,以及网络拓扑结构的复杂性。 在计算结构洞的网络约束系数时,可以使用以下公式: $$C=\frac{2\cdot E}{K\cdot(K-1)}$$ 其中,$E$ 表示网络中的边数,$K$ 表示网络中每个节点的度数(即与该节点相连的边数)。 具体地,在计算结构洞的网络约束系数时,需要先计算网络中的所有最小基环,然后对于每个最小基环,计算其包含的节点的度数之和(称为环的度数和)。最后,将所有最小基环的度数和相加得到网络的总度数和 $K$,再根据上述公式计算网络约束系数 $C$。 以下是一个简单的Python代码示例,用于计算结构洞的网络约束系数: ``` import networkx as nx # 创建一个简单的网络结构 G = nx.Graph() G.add_edges_from([(1,2),(2,3),(3,4),(4,1),(2,4)]) # 计算网络中的所有最小基环 cycles = nx.minimum_cycle_basis(G) # 计算网络的总度数和 K K = sum([len(G.neighbors(node)) for node in G.nodes()]) # 计算每个最小基环的度数和,并将其相加 sum_degrees = 0 for cycle in cycles: degrees = sum([len(G.neighbors(node)) for node in cycle]) sum_degrees += degrees # 计算网络约束系数 C = 2 * len(G.edges()) / (K * (K - 1)) # 输出结果 print("Network constraint coefficient:", C) ``` 请注意,这只是一个简单的示例,实际使用时可能需要根据具体情况进行修改和调整。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

太阳城S

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值