R语言数据挖掘1.4　社交网络挖掘

1.4　社交网络挖掘

正如我们前面提到的，数据挖掘是从数据中发现一个模型，社交网络挖掘就是从表示社交网络的图形数据中发现模型。

社交网络挖掘是网络数据挖掘的一个应用，比较流行的应用有社会科学和文献计量学、PageRank和HITS算法、粗粒度图模型的不足、增强模型和技术、主题提取的评估以及网络的评估与建模。

社交网络

当涉及社交网络的讨论时，你会想到Facebook、Google+和LinkedIn等。社交网络的基本特征如下：

存在一个参与网络的实体集合。通常情况下，这些实体是人，但它们也完全可能是其他实体。

网络的实体之间至少存在一种关系。在Facebook上，这种关系被称为朋友，有时，这种关系要么存在要么不存在，两个人要么是朋友要么不是朋友。然而，在社交网络的其他例子中，关系有一个度。这个度可以是离散的，比如在Google+上，朋友、家人、相识或者不相识；这个度也可能是一个实际的数字，比如平均一天内两个人相互交谈所花费的时间。

社交网络有一个非随机性或者忠诚性的假设。这个条件最难形式化，但直观解释是关系趋于集中；也就是说，如果实体A与B和C都相关，那么B与C相关的概率就高于平均水平。

下面是社交网络的一些种类：

电话网络（telephone network）：该网络的节点是电话号码，代表个体。

电子邮件网络（E-mail network）：该网络的节点是电子邮件地址，也代表个体。

合作网络（collaboration network）：该网络的节点代表发表了研究论文的个体，连接两个节点的边表示联合发表一篇或者多篇论文的两个个体。

社交网络以无向图建模。实体是节点，如果两个节点根据刻画网络的关系相互关联，那么就有一条边连接两个节点。如果相关联的关系有一个度，那么这个度就通过标记边来表示。

下载代码示例

你可以从http://www.packtpub.com的账户中下载所有你购买的Packt出版社出版的书籍的示例代码文件。如果你在其他地方购买了这本书，你可以访问http://www.packtpub.com/support网站并注册，我们将通过电子邮件直接给你发送文件。

这里有一个例子，它是用R语言的sna程序包中的科尔曼高中朋友数据（Coleman’s High School Friendship Data）进行分析。数据来源于对某个学年同一高中的73个男孩之间的友好关系的研究，所有被调查对象提供了两个时间点（春季和秋季）来报告其关系。数据集的名称是coleman，它是R语言中的数组类型。节点代表一个具体的学生，线代表两个学生之间的关系。