Analyzing Social Networks Analyzing Social Networks 评分人数不足

非常好的入门教材

子珂

一直对推荐系统感兴趣,因为在想:有没有可能在豆瓣上有和你各方面比较契合,但是你还尚不知道的人?如果能够介绍认识,会是一件很棒的事情

不过经典的推荐系统并不涉及Nework/Graph model, 所以专门找了这本书读。感觉非常好,介绍了网络分析的方方面面,很适合入门

1. 内容介绍

这本书主要是好在对Network做了比较全面的介绍,这样我就不会自己闷头去想特别多的东西。内容主要包括这几方面

(1) 思考Network的方式(第1,9-12章)

即其核心概念有哪些 (dyad, node, network, relation state 见下图)

用来问一些什么样的问题、做什么样的分析(下图)


显示全文

一直对推荐系统感兴趣,因为在想:有没有可能在豆瓣上有和你各方面比较契合,但是你还尚不知道的人?如果能够介绍认识,会是一件很棒的事情

不过经典的推荐系统并不涉及Nework/Graph model, 所以专门找了这本书读。感觉非常好,介绍了网络分析的方方面面,很适合入门

1. 内容介绍

这本书主要是好在对Network做了比较全面的介绍,这样我就不会自己闷头去想特别多的东西。内容主要包括这几方面

(1) 思考Network的方式(第1,9-12章)

即其核心概念有哪些 (dyad, node, network, relation state 见下图)

用来问一些什么样的问题、做什么样的分析(下图)

这些概念可以帮助我更仔细的去认识、思考社交网络,做进一步的分析

(2) 数学表达(第2,6,8章)

对于网络,怎样用数学来表达?比如怎么表达人与人之间的朋友关系;怎么衡量一个网络的连接程度 (connectedness)、中心化程度 (centrality)

(3) 可视化 (第7章)

这样一幅图,是怎么画出来的?具体来说,点的位置是怎么确定的?

2. 一些有意思的点

分析social networks, 本质上也是分析人们的社交行为,书中提到了一些有意思的观点,我觉得很棒,记录如下

(1) 重复发生的事件,会使人们产生关系

We may also regard recurring events as antecedents of relational states, so that if we frequently have lunch together (perhaps for work-related reasons), we may develop a friendship. It is difficult to develop friendships without any interactions at all.

(2) 一种关系,会引导出另一种关系

For example, business ties can lead to friendship ties, and vice versa. The presence of one tie sets up the opportunity for another kind of tie to form. More generally, ... we often expect relational states like friendship to lead to interactions (e.g., talking) through which things like information can flow, and which in turn can change the relationship (e.g., sharing intimacies deepens the relationship).

(3) 可观察到的交互行为,是人们关系的一种体现

It is also worth noting that interactions are often collected as a proxy for unseen underlying social relations. For example, we might record who talks to whom outside of work, and assume this means they are friends. Again, making these kinds of interpretations is often more powerful, but may be quite unwarranted.

3. 个人感想

(1) 社交网络的层级设置

在我们对社交网络建模的时候,对于关系是可以赋值的,也就是说,关系也可以有强度大小

对于豆瓣来说,也就是有没有除了关注/被关注外,更浅/更深的关系?

目前豆瓣有"好友",算是更深的关系,但没有更浅的。微信这点不错,可以不看别人的朋友圈,否则真的要被信息过载致死了。对我而言,我其实对很多人都很感兴趣,但我实在没有精力去关注他们,因为大多数信息流真的都挺没用的。

所以,能否设计出更有效的信息流?

(2) 推荐好友系统

传统的推荐系统算法,是协同过滤。这对于一般商品推荐是适用的。但是如果想做豆瓣的好友推荐,感觉就不是很够,因为还有非常多的数据(兴趣关注)没有引入进来。

我觉得一个简单的思路,是把书/影/音的关系作为输入,关注/被关注作为输出,用机器学习/深度学习来做。这样有可能能发现兴趣相同,但是并没产生关注/被关注的用户对。不过这样本质上似乎和协同过滤还是蛮相似的(而且每个人关注/被关注的原因并不相同)。

4. 不足之处

- 尽管书中例子穿插讲了不少,但是缺乏一个完整、系统分析的例子

- interactive visulization基本没有涉及


最后,说一下建议阅读内容

虽然书中有推荐阅读的顺序,但是感觉不太好,从数据分析的角度

建议读1-2, 6-8, 9-12章;

3-5,13-15建议略读,看开头的Introductio和Summary就好

先这样大概读一遍,不用花太久就可以对network有个比较好的了解。以后根据需要再回来细读就行了。

2
0

查看更多豆瓣高分好书

回应(0)

添加回应

Analyzing Social Networks的更多书评

推荐Analyzing Social Networks的豆列

了解更多图书信息

值得一读

    豆瓣
    我们的精神角落
    免费下载 iOS / Android 版客户端