Сети “тесного мира”
Стивен Cтрогатц и Дункан Вoттс изучали сети, которые обладают свойством “тесного мира”. Компьютерное моделирование различных типов сетей показало, что этим свойством обладают сети с высокой степенью кластеризации и малой средней длиной пути между узлами. Примерами таких сетей могут быть: сеть актеров Голливуда, нейронная структура Интернета и всемирной паутины. Одним из ключевых свойств сетей “тесного мира” является способность быстрого распространения информации. Регулярные кристаллические решетки (например, треугольные) имеют высокое значение коэффициента кластеризации и большую среднюю длину пути. Классические случайные сети имеют низкое значение коэффициента кластеризации и небольшую среднюю длину пути. Сети “тесного мира” – весьма специфический вид сетевых структур. Формально, сети со свойством “тесного мира” имеет бесконечную размерность и высокий коэффициент кластеризации.
#что_есть_что_в_sna
Стивен Cтрогатц и Дункан Вoттс изучали сети, которые обладают свойством “тесного мира”. Компьютерное моделирование различных типов сетей показало, что этим свойством обладают сети с высокой степенью кластеризации и малой средней длиной пути между узлами. Примерами таких сетей могут быть: сеть актеров Голливуда, нейронная структура Интернета и всемирной паутины. Одним из ключевых свойств сетей “тесного мира” является способность быстрого распространения информации. Регулярные кристаллические решетки (например, треугольные) имеют высокое значение коэффициента кластеризации и большую среднюю длину пути. Классические случайные сети имеют низкое значение коэффициента кластеризации и небольшую среднюю длину пути. Сети “тесного мира” – весьма специфический вид сетевых структур. Формально, сети со свойством “тесного мира” имеет бесконечную размерность и высокий коэффициент кластеризации.
#что_есть_что_в_sna
June 16, 2022
Понятие комплексных сетей
Сложные сети или комплексные сети — это графы с более сложной архитектурой, чем случайные сети с заданным числом узлов. Обычно в таких сетях имеется небольшое число узлов с большим числом связей. Большинство реальных сетей (биологических, технических, социальных) являются сложными. Важными характеристиками сложной сети является: направление связи между узлами, степенью узла (число связей узла), кластерный коэффициент. Задачей исследования теории сложных сетей является определение статических и динамических свойств изначального массива данных по топологии представляющего их графа. Одним из важнейших частных вопросов теории сложных сетей является вопрос о распространении через сети, таких как распространение эпидемий, формирование мнений в социальных сетях.
#что_есть_что_в_sna
Сложные сети или комплексные сети — это графы с более сложной архитектурой, чем случайные сети с заданным числом узлов. Обычно в таких сетях имеется небольшое число узлов с большим числом связей. Большинство реальных сетей (биологических, технических, социальных) являются сложными. Важными характеристиками сложной сети является: направление связи между узлами, степенью узла (число связей узла), кластерный коэффициент. Задачей исследования теории сложных сетей является определение статических и динамических свойств изначального массива данных по топологии представляющего их графа. Одним из важнейших частных вопросов теории сложных сетей является вопрос о распространении через сети, таких как распространение эпидемий, формирование мнений в социальных сетях.
#что_есть_что_в_sna
June 30, 2022
Подкаст об анализе социальных сетей - Knitting Networks
Франциска Ортис и Алехандро Эспиноса-Рада из центра анализа социальных сетей Митчелла (Манчестерский университет) ведут подкаст о сетевом анализе и записали уже 47 интервью с исследователями. Язык подкаста - английский и испанский.
#что_есть_что_в_sna
Франциска Ортис и Алехандро Эспиноса-Рада из центра анализа социальных сетей Митчелла (Манчестерский университет) ведут подкаст о сетевом анализе и записали уже 47 интервью с исследователями. Язык подкаста - английский и испанский.
#что_есть_что_в_sna
Tejiendo Redes / Knitting Networks
Podcast sobre análisis de redes sociales / about social network analysis
July 7, 2022
Премия INSNA «Лучшая студенческая работа»
🏆В этом канале мы неоднократно рассказывали о лауреатах премий INSNA и о том, насколько важный вклад они сделали в развитие теории и методологии изучения социальных сетей. После ознакомления с работами, номинированными на премии Зиммеля и Фримана, а также с биографиями их авторов, может сложиться впечатление, что студентам еще рано рассчитывать на получение наград, и лучшее, что они могут сделать сейчас – выступать на конференциях со своими статьями, набираясь опыта, но не рассчитывая на какие-либо награды.
Однако, это не так – сейчас мы расскажем о премии, которую можно получить уже во время обучения в университете. INSNA ежегодно рассматривает заявки студентов и награждает лучшую работу премией «Лучшая студенческая работа».
🎖Чтобы иметь право на участие, студент должен быть членом INSNA и первым (или единственным) автором статьи на момент подачи заявки. Статья к этому времени не обязательно должна быть опубликована, но должна быть завершена в течение двух лет после крайнего срока подачи.
При оценке статей обращается внимание на следующие пункты:
1️⃣ Оригинальность представленных идей и использованных методов.
2️⃣ Возможность прикладного использования и улучшения методов и идей, описанных в статье.
3️⃣ Вклад работы в развитие анализа социальных сетей с теоретической и/или прикладной точек зрения.
#что_есть_что_в_sna
🏆В этом канале мы неоднократно рассказывали о лауреатах премий INSNA и о том, насколько важный вклад они сделали в развитие теории и методологии изучения социальных сетей. После ознакомления с работами, номинированными на премии Зиммеля и Фримана, а также с биографиями их авторов, может сложиться впечатление, что студентам еще рано рассчитывать на получение наград, и лучшее, что они могут сделать сейчас – выступать на конференциях со своими статьями, набираясь опыта, но не рассчитывая на какие-либо награды.
Однако, это не так – сейчас мы расскажем о премии, которую можно получить уже во время обучения в университете. INSNA ежегодно рассматривает заявки студентов и награждает лучшую работу премией «Лучшая студенческая работа».
🎖Чтобы иметь право на участие, студент должен быть членом INSNA и первым (или единственным) автором статьи на момент подачи заявки. Статья к этому времени не обязательно должна быть опубликована, но должна быть завершена в течение двух лет после крайнего срока подачи.
При оценке статей обращается внимание на следующие пункты:
1️⃣ Оригинальность представленных идей и использованных методов.
2️⃣ Возможность прикладного использования и улучшения методов и идей, описанных в статье.
3️⃣ Вклад работы в развитие анализа социальных сетей с теоретической и/или прикладной точек зрения.
#что_есть_что_в_sna
August 8, 2022
Победитель премии «Лучшая студенческая работа» INSNA 2022
🏆В этом году лучшей студенческой работой была признана статья Шинан Ли «Важность статуса проекта для карьерного успеха: сетевая перспектива». Статья ещё находится на этапе рецензирования и подготовки к публикации и пока что опубликована в сокращенном виде в журнале-сборнике статей, представленных на годовой конференции Academy of Management.
📄В работе авторы изучают взаимосвязь статуса проекта с дальнейшими карьерными перспективами его участников. Выводится новая методология определения статуса проекта в компании – на основании сложности задач, решаемых для клиента. нимание акцентируется на том, что статус проекта как «важного» формируется в ходе сетевого взаимодействия с другими проектами в рамках одной компании.
☑️В ходе исследования выдвигаются потенциальные предикторы статуса проекта в компании и его потенциального влияния на дальнейший карьерный успех участников проекта. Поставленные гипотезы проверяются на выборке из наблюдений за более чем 1000 IT-специалистов в течение 5 лет их работы в крупной международной консалтинговой фирме.
💡Получены выводы о том, что сотрудники, работающие над наиболее важными в компании проектами, в среднем, имеют большую вероятность продвижения по службе в течение шести месяцев с момента завершения проекта. Также предполагается, что влияние проекта на карьерные возможности сотрудника растет в зависимости от формального уровня сотрудника – так, чем выше должность конкретного специалиста, тем выше его возможности продвижения по службе в дальнейшем.
#что_есть_что_в_sna
🏆В этом году лучшей студенческой работой была признана статья Шинан Ли «Важность статуса проекта для карьерного успеха: сетевая перспектива». Статья ещё находится на этапе рецензирования и подготовки к публикации и пока что опубликована в сокращенном виде в журнале-сборнике статей, представленных на годовой конференции Academy of Management.
📄В работе авторы изучают взаимосвязь статуса проекта с дальнейшими карьерными перспективами его участников. Выводится новая методология определения статуса проекта в компании – на основании сложности задач, решаемых для клиента. нимание акцентируется на том, что статус проекта как «важного» формируется в ходе сетевого взаимодействия с другими проектами в рамках одной компании.
☑️В ходе исследования выдвигаются потенциальные предикторы статуса проекта в компании и его потенциального влияния на дальнейший карьерный успех участников проекта. Поставленные гипотезы проверяются на выборке из наблюдений за более чем 1000 IT-специалистов в течение 5 лет их работы в крупной международной консалтинговой фирме.
💡Получены выводы о том, что сотрудники, работающие над наиболее важными в компании проектами, в среднем, имеют большую вероятность продвижения по службе в течение шести месяцев с момента завершения проекта. Также предполагается, что влияние проекта на карьерные возможности сотрудника растет в зависимости от формального уровня сотрудника – так, чем выше должность конкретного специалиста, тем выше его возможности продвижения по службе в дальнейшем.
#что_есть_что_в_sna
journals.aom.org
The Importance of Project Status for Career Success: A Network Perspective | Academy of Management Proceedings
In client-oriented project-based organizations, there is a mystique around “hotshot” projects and how they affect one’s career. In this study, we investigate how the status of the projects that employees are assigned to affects their career success. While…
August 15, 2022
Организационный сетевой анализ
Организационный сетевой анализ (OCA) - это раздел HR-аналитики позволяет увидеть, какие социальные связи существуют в действующих командах и компании в целом, где и между кем они эффективны, а где требуется их создавать или восстанавливать. Сетевой анализ оргструктуры показывает основные аспекты взаимодействия людей в компании, в ходе выполнения их работы.
Выделяют 4 основных категории анализа:
1⃣ Потоки информации. ОСА позволяет увидеть, какая информационная связь существует между сотрудниками: кто из них источник информации, а кто – запрашивающий;
2⃣ Центральные фигуры, лидеры мнений. Сетевой анализ организационной структуры компании показывает, у кого в команде сосредоточено больше информации, к кому чаще обращаются за советом, в том числе коллеги из других отделов;
3⃣ Люди на периферии. По данным организационного сетевого анализа можно выделить людей, изолированных или слабо связанных с информационными сетями. Эти люди могут обладать потенциалом, который не используется, и компания упускает выгоду;
4⃣ Подгруппы. В рамках разных отделов могут формироваться неформальные группы, объединённые, помимо решения рабочих задач, чем-то еще, например, общими интересами, функциями, местонахождением рабочего офиса. В таких подгруппах развиваются неформальные связи, которые ускоряют коммуникацию, делают командную работу удобнее и эффективнее, и компании полезно это использовать.
При построении базы в ОСА активно используют данные цифровой коммуникации между сотрудниками в корпоративных мессенджерах.
#что_есть_что_в_sna
Организационный сетевой анализ (OCA) - это раздел HR-аналитики позволяет увидеть, какие социальные связи существуют в действующих командах и компании в целом, где и между кем они эффективны, а где требуется их создавать или восстанавливать. Сетевой анализ оргструктуры показывает основные аспекты взаимодействия людей в компании, в ходе выполнения их работы.
Выделяют 4 основных категории анализа:
1⃣ Потоки информации. ОСА позволяет увидеть, какая информационная связь существует между сотрудниками: кто из них источник информации, а кто – запрашивающий;
2⃣ Центральные фигуры, лидеры мнений. Сетевой анализ организационной структуры компании показывает, у кого в команде сосредоточено больше информации, к кому чаще обращаются за советом, в том числе коллеги из других отделов;
3⃣ Люди на периферии. По данным организационного сетевого анализа можно выделить людей, изолированных или слабо связанных с информационными сетями. Эти люди могут обладать потенциалом, который не используется, и компания упускает выгоду;
4⃣ Подгруппы. В рамках разных отделов могут формироваться неформальные группы, объединённые, помимо решения рабочих задач, чем-то еще, например, общими интересами, функциями, местонахождением рабочего офиса. В таких подгруппах развиваются неформальные связи, которые ускоряют коммуникацию, делают командную работу удобнее и эффективнее, и компании полезно это использовать.
При построении базы в ОСА активно используют данные цифровой коммуникации между сотрудниками в корпоративных мессенджерах.
#что_есть_что_в_sna
September 5, 2022
Взвешенный корреляционный сетевой анализ
Взвешенный корреляционный анализ сети (WGCNA) является широко используемыми методами для изучения биологических сетей на основе парных корреляций между переменным. Это позволяет определять кластеры, внутри модульные концентраторы и сетевые узлы с учетом членства в кластерах, изучать отношения между модулями совместного выражения и сравнивать топологию сети различных сетей.
WGCNA может использоваться как метод сокращения данных (связанный с косвенным факторным анализом), как метод кластеризации (нечеткая кластеризация), как метод выбора признаков (например, как метод скрининга генов). Анализ происходит в 3 этапа. Сначала определяется мера сходства элементов сети. Затем строится матрица смежности используется для количественной оценки того, насколько сильно узлы связаны друг с другом. Заключительным этапом является кластеризация сетевых модулей с использованием меры сетевой близости.
Программный пакет WGCNA в R предоставляет функции для выполнения всех аспектов взвешенного сетевого анализа (построение модуля, выбор гена-концентратора, статистика сохранения модулей, дифференциальный сетевой анализ, сетевая статистика).
#что_есть_что_в_sna
Взвешенный корреляционный анализ сети (WGCNA) является широко используемыми методами для изучения биологических сетей на основе парных корреляций между переменным. Это позволяет определять кластеры, внутри модульные концентраторы и сетевые узлы с учетом членства в кластерах, изучать отношения между модулями совместного выражения и сравнивать топологию сети различных сетей.
WGCNA может использоваться как метод сокращения данных (связанный с косвенным факторным анализом), как метод кластеризации (нечеткая кластеризация), как метод выбора признаков (например, как метод скрининга генов). Анализ происходит в 3 этапа. Сначала определяется мера сходства элементов сети. Затем строится матрица смежности используется для количественной оценки того, насколько сильно узлы связаны друг с другом. Заключительным этапом является кластеризация сетевых модулей с использованием меры сетевой близости.
Программный пакет WGCNA в R предоставляет функции для выполнения всех аспектов взвешенного сетевого анализа (построение модуля, выбор гена-концентратора, статистика сохранения модулей, дифференциальный сетевой анализ, сетевая статистика).
#что_есть_что_в_sna
September 12, 2022
Программа для визуализации и анализа сетей Gephi
В рамках рубрики “Что есть что в SNA” хотим рассказать вам об очень интересной и эффективной программе для визуализации и анализа сетей - Gephi. Программа абсолютно бесплатна и доступна как на Windows, так и на iOS и на Linux.
Gephi предоставляет широкие возможности для работы с сетями - поддерживается работа со всеми типами сетей, содержащими как направленные, так и ненаправленные и смешанные связи. Мощности программы позволяют анализировать и визуализировать сети содержащие до 100 тысяч узлов и 1 миллиона ребер(связей).
В качестве основных особенностей программы отметим следующее:
1⃣Визуализация в реальном времени - стройте графики максимально быстро, применяйте любые фильтры/добавляйте любые вычисления и смотрите на изменения в графике в реальном времени. В наличии множество инструментов для манипуляций с графиками.
2⃣Наличие “макетов визуализации” - в наличии множество заготовленных вариантов расположения узлов и связей на графике - попробуйте их и скорее всего вы найдете ту форму представления сети, которая вам подойдет.
3⃣Расчет метрик сетей - программа позволяет в пару кликов рассчитать ключевые метрики по Вашей сети - Betweenness Centrality, Closeness, Diameter, Clustering Coefficient, PageRank и др. Все метрики объединяются в удобную для чтения и работы таблицы.
4⃣Сетевой-временной анализ - есть возможность выгружать темпоральные данные и рассчитывать изменения метрик по временным периодам.
5⃣Расширение - в наличии множество плагинов, позволяющих добавить программе необходимый вам функционал.
#что_есть_что_в_sna
В рамках рубрики “Что есть что в SNA” хотим рассказать вам об очень интересной и эффективной программе для визуализации и анализа сетей - Gephi. Программа абсолютно бесплатна и доступна как на Windows, так и на iOS и на Linux.
Gephi предоставляет широкие возможности для работы с сетями - поддерживается работа со всеми типами сетей, содержащими как направленные, так и ненаправленные и смешанные связи. Мощности программы позволяют анализировать и визуализировать сети содержащие до 100 тысяч узлов и 1 миллиона ребер(связей).
В качестве основных особенностей программы отметим следующее:
1⃣Визуализация в реальном времени - стройте графики максимально быстро, применяйте любые фильтры/добавляйте любые вычисления и смотрите на изменения в графике в реальном времени. В наличии множество инструментов для манипуляций с графиками.
2⃣Наличие “макетов визуализации” - в наличии множество заготовленных вариантов расположения узлов и связей на графике - попробуйте их и скорее всего вы найдете ту форму представления сети, которая вам подойдет.
3⃣Расчет метрик сетей - программа позволяет в пару кликов рассчитать ключевые метрики по Вашей сети - Betweenness Centrality, Closeness, Diameter, Clustering Coefficient, PageRank и др. Все метрики объединяются в удобную для чтения и работы таблицы.
4⃣Сетевой-временной анализ - есть возможность выгружать темпоральные данные и рассчитывать изменения метрик по временным периодам.
5⃣Расширение - в наличии множество плагинов, позволяющих добавить программе необходимый вам функционал.
#что_есть_что_в_sna
October 6, 2022
Применение сетевого анализа для защиты государственной безопасности
Анализ социальных сетей применяется в разведывательной, контрразведывательной и правоохранительной деятельности. Этот метод позволяет аналитикам составить карту тайных организаций, таких как шпионская группа, организованная преступная семья или уличная банда. Агентство национальной безопасности (АНБ) использует свои программы электронного наблюдения для получения данных, необходимых для проведения подобного анализа террористических ячеек и других сетей, которые считаются важными для национальной безопасности. В ходе анализа сети АНБ просматривает до трех узлов в глубину. После того, как первоначальное картирование социальной сети завершено, проводится анализ для определения структуры сети и выявления, например, лидеров сети. Это позволяет военным или правоохранительным органам проводить операции по аресту членов группы, занимающие руководящие позиции, чтобы нарушить функционирование сети. АНБ проводит анализ социальных сетей на основе записей детализации вызовов, также известных как метаданные.
#что_есть_что_в_sna
Анализ социальных сетей применяется в разведывательной, контрразведывательной и правоохранительной деятельности. Этот метод позволяет аналитикам составить карту тайных организаций, таких как шпионская группа, организованная преступная семья или уличная банда. Агентство национальной безопасности (АНБ) использует свои программы электронного наблюдения для получения данных, необходимых для проведения подобного анализа террористических ячеек и других сетей, которые считаются важными для национальной безопасности. В ходе анализа сети АНБ просматривает до трех узлов в глубину. После того, как первоначальное картирование социальной сети завершено, проводится анализ для определения структуры сети и выявления, например, лидеров сети. Это позволяет военным или правоохранительным органам проводить операции по аресту членов группы, занимающие руководящие позиции, чтобы нарушить функционирование сети. АНБ проводит анализ социальных сетей на основе записей детализации вызовов, также известных как метаданные.
#что_есть_что_в_sna
October 13, 2022
Сетевой подход к изучению сообществ
Сетевой подход предлагает рассмотрение индивида не как представителя тех или иных социальных групп, а как узла в различных сетях взаимодействий. Канадский социолог Барри Уэллман выделяет три этапа взаимодействия индивидов:
🔹«Little boxes communities»-сообщества «небольших коробок»
🔹«Glocalized networks»-«глокализованные» сети
🔹«Networked individualism»-сетевой индивидуализм
Метафора «Little boxes communities» обозначает традиционные сообщества, где индивиды плотно связанные между собой, образуют гомогенные группы, объединяющие людей, живущих рядом друг с другом. «Глокализованные» сети - это разнообразные, неоднородные сети взаимодействий с центрами в виде домохозяйств или рабочих мест, связанных с другими на глобальном уровне. Переход к следующему этапу взаимодействия - сетевому индивидуализму, характеризуется тем, что каждый индивид переключается между своими личными связями и сетями. Люди остаются соединенными друг с другом, но персонально, а не как представители рабочих групп или домохозяйств.
#что_есть_что_в_sna
Сетевой подход предлагает рассмотрение индивида не как представителя тех или иных социальных групп, а как узла в различных сетях взаимодействий. Канадский социолог Барри Уэллман выделяет три этапа взаимодействия индивидов:
🔹«Little boxes communities»-сообщества «небольших коробок»
🔹«Glocalized networks»-«глокализованные» сети
🔹«Networked individualism»-сетевой индивидуализм
Метафора «Little boxes communities» обозначает традиционные сообщества, где индивиды плотно связанные между собой, образуют гомогенные группы, объединяющие людей, живущих рядом друг с другом. «Глокализованные» сети - это разнообразные, неоднородные сети взаимодействий с центрами в виде домохозяйств или рабочих мест, связанных с другими на глобальном уровне. Переход к следующему этапу взаимодействия - сетевому индивидуализму, характеризуется тем, что каждый индивид переключается между своими личными связями и сетями. Люди остаются соединенными друг с другом, но персонально, а не как представители рабочих групп или домохозяйств.
#что_есть_что_в_sna
October 17, 2022
Пакет NetworkX в Python
Ранее мы рассказывали о возможностях анализа сетей с использованием языка R. Сегодня давайте рассмотрим инструмент сетевого анализа, доступный в Python.
В Python реализовано огромное множество библиотек и пакетов. Мы рассмотрим наиболее функциональную библиотеку для сетевого анализа на Python, в которой реализован наиболее обширный инструментарий – NetworkX.
Сегодня с помощью NetworkX вы можете:
🔀Строить направленные и ненаправленные сети.
💻Визуализировать их в 2D и в 3D
📑 Быстро получить всю необходимую информацию о сети – например, количество узлов, связей между ними, объединений по типу диада/триада
📊Рассчитывать метрики сети – adjacency, centrality, betweenness, диаметр, радиус сети
🚻Проводить анализ community detection, выявляя в сети общности узлов.
Библиотека позволяет работать с сетями, размером до 10 миллионов узлов и 100 миллионов ребер.
Библиотека поддерживает импорт файлов в следующих форматах - GML, Graph6/Sparse6, GraphML, GraphViz (.dot), NetworkX (.yaml, adjacency lists, and edge lists), LEDA. Отдельно стоит отметить, что NetworkX поддерживает работу с файлами Pajek, что делает эту библиотеку удобным дополнением к классическому инструментарию сетевого анализа.
#что_есть_что_в_sna
Ранее мы рассказывали о возможностях анализа сетей с использованием языка R. Сегодня давайте рассмотрим инструмент сетевого анализа, доступный в Python.
В Python реализовано огромное множество библиотек и пакетов. Мы рассмотрим наиболее функциональную библиотеку для сетевого анализа на Python, в которой реализован наиболее обширный инструментарий – NetworkX.
Сегодня с помощью NetworkX вы можете:
🔀Строить направленные и ненаправленные сети.
💻Визуализировать их в 2D и в 3D
📑 Быстро получить всю необходимую информацию о сети – например, количество узлов, связей между ними, объединений по типу диада/триада
📊Рассчитывать метрики сети – adjacency, centrality, betweenness, диаметр, радиус сети
🚻Проводить анализ community detection, выявляя в сети общности узлов.
Библиотека позволяет работать с сетями, размером до 10 миллионов узлов и 100 миллионов ребер.
Библиотека поддерживает импорт файлов в следующих форматах - GML, Graph6/Sparse6, GraphML, GraphViz (.dot), NetworkX (.yaml, adjacency lists, and edge lists), LEDA. Отдельно стоит отметить, что NetworkX поддерживает работу с файлами Pajek, что делает эту библиотеку удобным дополнением к классическому инструментарию сетевого анализа.
#что_есть_что_в_sna
November 3, 2022
Метод социокартирования
Социокартирование - это метод, разработанный для обработки и визуализации реляционных данных (например, данных социальных сетей). Чаще всего он используется для отображения социальной структуры в небольших командах (10-25 человек). Социокартирование использует метафору ландшафта для отображения сложных многомерных данных на трехмерной карте, где отдельные объекты локализованы таким образом, что их расстояние на карте соответствует их расстоянию в базовых данных.
Преобразование данных заключается в том, чтобы 1) выбрать некоторую метрику, которая может быть разумно интерпретирована как расстояние, и 2) перевести многомерную матрицу расстояний в двумерную систему координат таким образом, чтобы корреляция между расстояниями на карте и расстояниями в данных была максимальной.
Социокартирование учитывает, что, реляционные данные могут быть асимметричными (например, Джон любит Мэри больше, чем она его), и сохраняет эту информацию, отображая объекты таким образом, что для каждого объекта ближайшим другим объектом является тот, который ближе всего к нему по метрике выбора в исходных данных, и так далее для других объектов, упорядоченных по расстоянию.
#что_есть_что_в_sna
Социокартирование - это метод, разработанный для обработки и визуализации реляционных данных (например, данных социальных сетей). Чаще всего он используется для отображения социальной структуры в небольших командах (10-25 человек). Социокартирование использует метафору ландшафта для отображения сложных многомерных данных на трехмерной карте, где отдельные объекты локализованы таким образом, что их расстояние на карте соответствует их расстоянию в базовых данных.
Преобразование данных заключается в том, чтобы 1) выбрать некоторую метрику, которая может быть разумно интерпретирована как расстояние, и 2) перевести многомерную матрицу расстояний в двумерную систему координат таким образом, чтобы корреляция между расстояниями на карте и расстояниями в данных была максимальной.
Социокартирование учитывает, что, реляционные данные могут быть асимметричными (например, Джон любит Мэри больше, чем она его), и сохраняет эту информацию, отображая объекты таким образом, что для каждого объекта ближайшим другим объектом является тот, который ближе всего к нему по метрике выбора в исходных данных, и так далее для других объектов, упорядоченных по расстоянию.
#что_есть_что_в_sna
November 10, 2022
Пакет для анализа сетей в Python - graph-tool
Данный пакет находится в открытом доступе. Его технической особенностью является оптимизация для работы в компьютерах с многоядерными процессорами.
Пакет позволяет выполнять следующие задачи:
➿ Создавать и настраивать как направленные, так и ненаправленные сети.
🔖 Присваивать метки вершинам, ребрам и самой сети, что позволяет делать многоуровневые графики сетей.
📉 Визуализировать сети благодаря встроенному инструментарию pycairo и Graphviz
📊 Считать ключевые статистики по сетям, в том числе рассчитывать меры центральности и визуализировать расчеты в форме графиков.
Помимо этого, graph-tool позволяет производить кластерный анализ и поиск сообществ в сети.
Также пакет поддерживает алгоритмы: изоморфизм графов, изоморфизм подграфов, минимальное остовное дерево, компоненты связности, дерево доминаторов, максимальный поток.
В пакете реализованы сетевые модели: Прайс, Барабаши-Альберт, геометрические сети, многомерный решетчатый граф.
#что_есть_что_в_sna
Данный пакет находится в открытом доступе. Его технической особенностью является оптимизация для работы в компьютерах с многоядерными процессорами.
Пакет позволяет выполнять следующие задачи:
➿ Создавать и настраивать как направленные, так и ненаправленные сети.
🔖 Присваивать метки вершинам, ребрам и самой сети, что позволяет делать многоуровневые графики сетей.
📉 Визуализировать сети благодаря встроенному инструментарию pycairo и Graphviz
📊 Считать ключевые статистики по сетям, в том числе рассчитывать меры центральности и визуализировать расчеты в форме графиков.
Помимо этого, graph-tool позволяет производить кластерный анализ и поиск сообществ в сети.
Также пакет поддерживает алгоритмы: изоморфизм графов, изоморфизм подграфов, минимальное остовное дерево, компоненты связности, дерево доминаторов, максимальный поток.
В пакете реализованы сетевые модели: Прайс, Барабаши-Альберт, геометрические сети, многомерный решетчатый граф.
#что_есть_что_в_sna
December 5, 2022
Социальный медиа майнинг
Майнинг в социальных сетях (Social media mining) - это процесс получения больших данных из пользовательского контента на сайтах социальных сетей и в мобильных приложениях с целью извлечения закономерностей, формирования выводов о пользователях и их действиях и интересах. Майнеры разрабатывают алгоритмы, подходящие для исследования больших массивов данных социальных сетей. Данный метод анализа основан на теориях и методологиях анализа социальных сетей, сетевых наук, социологии, этнографии, оптимизации и математики. Социальная аналитика также использует анализ настроений, поскольку пользователи социальных сетей часто передают положительные или отрицательные настроения в своих сообщениях.
#что_есть_что_в_sna
Майнинг в социальных сетях (Social media mining) - это процесс получения больших данных из пользовательского контента на сайтах социальных сетей и в мобильных приложениях с целью извлечения закономерностей, формирования выводов о пользователях и их действиях и интересах. Майнеры разрабатывают алгоритмы, подходящие для исследования больших массивов данных социальных сетей. Данный метод анализа основан на теориях и методологиях анализа социальных сетей, сетевых наук, социологии, этнографии, оптимизации и математики. Социальная аналитика также использует анализ настроений, поскольку пользователи социальных сетей часто передают положительные или отрицательные настроения в своих сообщениях.
#что_есть_что_в_sna
December 12, 2022
Программа для сетевого анализа - NetMiner.
Ее функционал содержит все базовые функции для анализа сетей, а также уникальные инструменты анализа.
В NetMiner реализованы модели машинного обучения, что позволяет качественно решать задачи классификации, кластеризации и др.
Второй особенностью является поддержка пользовательских скриптов – вы можете прямо в программе написать на Python свой скрипт для обработки/анализа данных и программа сохранит его в библиотеку, что позволит вам в дальнейшем использовать его снова, экономя время на программировании.
Также в программе доступны расширения для парсинга, которые значительно упрощают сбор данных для исследования:
• Парсинг данных о сетях пользователей/мнений в Facebook, Twitter, YouTube и др.
• Парсинг библиометрических данных из WoS и Scopus.
Программа платная, но доступна как студенческая, так и университетская подписка.
#что_есть_что_в_sna
Ее функционал содержит все базовые функции для анализа сетей, а также уникальные инструменты анализа.
В NetMiner реализованы модели машинного обучения, что позволяет качественно решать задачи классификации, кластеризации и др.
Второй особенностью является поддержка пользовательских скриптов – вы можете прямо в программе написать на Python свой скрипт для обработки/анализа данных и программа сохранит его в библиотеку, что позволит вам в дальнейшем использовать его снова, экономя время на программировании.
Также в программе доступны расширения для парсинга, которые значительно упрощают сбор данных для исследования:
• Парсинг данных о сетях пользователей/мнений в Facebook, Twitter, YouTube и др.
• Парсинг библиометрических данных из WoS и Scopus.
Программа платная, но доступна как студенческая, так и университетская подписка.
#что_есть_что_в_sna
December 19, 2022
Сегодня мы рассмотрим программу, специально разработанную для проведения текстового анализа с построением сетей – AutoMap.
AutoMap позволяет извлекать информацию из текстов с помощью методов сетевого анализа текста. Программа поддерживает извлечение нескольких типов данных из неструктурированных документов:
1⃣ Данные анализа контента (слова и частоты)
2⃣ Данные семантической сети (сеть понятий)
3⃣ Данные о тональности текста (Sentiment analysis)
AutoMap является комплексным решением для проведения текстового анализа, включая в себя как инструменты предобработки (стемминг, лемматизация, обнаружение биграмм и т.д.), так и постобработки текстов (составление словарей, инструменты вторичной очистки данных и т.д.).
AutoMap использует маркировку частей речи и анализ близости для сетевого текстового анализа.🗣 Сначала связи между словами кодируются, затем на основании этих кодировок строится сеть.
#что_есть_что_в_sna
AutoMap позволяет извлекать информацию из текстов с помощью методов сетевого анализа текста. Программа поддерживает извлечение нескольких типов данных из неструктурированных документов:
1⃣ Данные анализа контента (слова и частоты)
2⃣ Данные семантической сети (сеть понятий)
3⃣ Данные о тональности текста (Sentiment analysis)
AutoMap является комплексным решением для проведения текстового анализа, включая в себя как инструменты предобработки (стемминг, лемматизация, обнаружение биграмм и т.д.), так и постобработки текстов (составление словарей, инструменты вторичной очистки данных и т.д.).
AutoMap использует маркировку частей речи и анализ близости для сетевого текстового анализа.🗣 Сначала связи между словами кодируются, затем на основании этих кодировок строится сеть.
#что_есть_что_в_sna
February 6, 2023