《社会网络分析》是一本由Maksim Tsvetovat / Alexander Kou著作,机械工业出版社出版的平装图书,本书定价:CNY 59.00,页数:177,特精心从网络上整理的一些读者的读后感,希望对大家能有帮助。
《社会网络分析》读后感(一):<社会网络分析>读书笔记
1.google的员工和明星justin bieber就"埃及革命"话题的社交媒体传播对比,前者只有8w粉丝,每条推文有3200条转发,后者有750w粉丝,但每条只有300人转发。
社交媒体上某些主题信息不是通过名人或者权威的声音传播的,而是因为在普通人身上找到共鸣,通过聚集的人群传播的。
名人,程度中心度dgree centerality,与节点的连接数量,如Facebook上的粉丝数。
八卦传播者,亲近中心度closeness centrality,个人获取和传递信息的能力与它和网络节点的距离决定,有些人和网络中其他节点的平均距离很低(谁都认识)
传播瓶颈或社群桥梁,居间中心性 betweenness centrality,在2个群体的最短路径上,把控传播渠道沟通多个团体的人。
灰衣主教,特征向量中心性eigenvector centrality,前三项中心性都不高,但有很多高程度中心性的人(名人)都认识他
2.结构洞,三人组成的连接中沟通不认识双方的人,他们能降低信息不对称度,并有机会从中谋利。
一般从个人网络开始(你的朋友),每个浏览是独立的,浏览数量和你的粉丝数有关,但如果你的朋友都转发了(触发了朋友的朋友进行传播),在社群中关注者超过7%后,视频变成特定社群的文化符号meme后,传播就会开始进行指数级增长直至饱和。
在一个社群饱和后再进入更大社群,从未错过临界质量,新成员可以完美地嵌入他们的其他学校伙伴构成的网络中。Facebook从哈佛开始,先达到7%的用户数量,进步达到50%的饱和后再开始进入常春藤,再进入高中和世界。
4.如何判断一个信息是否会在网络中扩散
*信源,信息的源头是否是我相信的
例子,连锁信(关于我的xx个问题,点名xx个人),暴走漫画,电视广告(低相关性,低严重性,低紧迫性)
5.同质性是社会网络的一个重要因素,存在差异但可沟通的个体,主导双方关系的很可能是好奇心
6.整体网络中连接强度分布均值接近0.3的弱关系,强关系少且需要建立在完全的共识上。
《社会网络分析》读后感(二):翻译问题
书本身写得不错,但翻译有些差强人意,部分地方影响理解。边读边记录如下,供读者参考。
使用迪杰斯特拉算法(详情参考第2章)计算每对节点间的最短路径对于网络中的每个阶段:- ——像刚才一样计算最短距离。- 对结果进行标准化处理,使得取值范围落在0~1之间原文翻译过来应该是:
- 使用Dijkstra算法计算每对节点之间的最短距离
- 对于网络中的节点I,计算经过节点I的最短路径的数量
- 对结果进行标准化使得取值在0~1之间
《社会网络分析》读后感(三):《社会网络分析》回顾及勘误
读《社会网络分析》前,恰巧我初识Python。将书中代码拍了一遍后,从代码的角度理解了网络分析,同时又熟悉了Python的一些写法和对包NetworkX的使用。个人觉得有所收获,前提是刚好在学习Python和网络分析的初阶看此书。
在拍代码的过程中也发现书中几个错误和一些注意点,做些总结希望帮到以后的读者。
零、中文版书中都为黑白图,看不清,学习上会带来一定的不便。我这里有英文原版的电子版,彩页。有需要的可以联系我。
一、想要输出节点分布图,需要一行>>>matpoltlib.pyplot.show(),如在导论中的第一段代码。之后的代码多数不提示需要此行代码,请同学们自行添加。
gt;>>cc=networkx.connect_component_subgraphs(e)[0]
其中[0]表示取最大元组,但是这句在window环境无法编译通过 ,在linux环境下就好了,不知道为什么
三、第四章中分层聚类算法施行后得到的结果与书中不同,请根据数据自行分析。
四、关于matpoltlib.pyplot包中的函数hist()和loglog()函数,务必亲测。会在第三章出现。
五、在第三章程度中心性的代码中,有一行排序代码,如下:
gt;>>sorted(map.iteritems(),key=lambda(k,v):(-v,k))
因为sorted函数默认以关键字由大到小的方式排序,所以通过(-v,k)将排序的首关键字转换为key的value(v,k),并以由小到大的方式排列(-v)