什么是社交网络分析,社交媒体与社会网络分析
社交网络算法可以识别强关系网络，若关系网络；基于好友关系为用户推荐商品或内容；社交网络中人物影响力的计算；金融行业中的反欺诈预测等等方面。
安装图像pip安装如果出现了错误，可以先下载下来，再安装：http://www。lfd。UCI。edu/~ Goh lke/python libs/
点安装车轮管安装python _ I graph-0。7 .1 .后6-cp36-cp36m-win _ amd64。万海社交网络算法-分析指标衡量指标：度（度)密度（密度)团（小团体)度中心性（程度中心性)紧密中心性（接近中心性)介数中心性（中间中心性)聚集系数（聚类系数)图里面包括的算法网页等级算法社区发现算法（基于图结构)GN算法社区评价指标模块度（模块化)阻断率（电导)案例权力的游戏里面的社交网络在csv.reader(f.read()中，将CSV edges=[]first line=true with open( stormofswords。CSV ， r )作为外宾：对于第二排导入split lines()):if first line==True:first line=False continue u，v，weight=[I for I in row]edges。从igraph追加((u，v，int(weight)))将图形导入为IGraphg=IGraph .TupleList(edges，directed=True，vertex_name_attr=name ，edge_attrs=None，weights=True)print(g)names=g . vs[ name ]weights=g . es[ weight ]print(names)print(weights)#网络直径：一个网络的直径被定义为网络中最长最短路径print(g . diameter())names=g . vs[ name ]print(g . get _ diameter)[names[x]for x in g . get _ diameter()]#尝试下乔恩的到"玛格丽"之间的最短路径print(g.shortest_paths(Jon ， marge ry ))print(-)print([names[x]for x in g . get _ shortest _ paths( Jon ， marge ry )[0]])print(-)#看下" Jon " paths=g . get _ all _ shortest _ paths( Jon )for p in paths:print([names[x]for x in p])#度的中心性print(g . max degree())for p in g . vs:if p . degree()15:print(p[ name ]，p.degree())#最大的度为36个，说明最大的节点联结了36个边#社区检测（社区检测)簇=I图。community _ walk陷阱(g，weights=weight ).as _ clustering()nodes=[{ name :node[ name ]} for node in g . vs]community={ } for nodes:idx=g . vs . find(name=node[ name ]).索引节点[社区]=集群。会员资格[idx]如果节点[社区]不在社区中：community[node[社区]]=[node[名称]]else:community[node[社区]].社区。items():print( community ，c，:，l)中c，l的追加(节点[名称])
