Video: SOSYAL AĞ ANALİZİ - Ünite 5 Konu Anlatımı 1 2024
İnsanlar, benzer düşünce ve düşünceleri olan diğer insanların bulunduğu topluluklar oluşturmaya eğilimlidir. Bu kümeleri incelemek suretiyle, belirli davranışları bir bütün olarak grupla ilişkilendirmek daha kolaydır (davranışın bir kişiye atfedilmesi hem tehlikelidir hem de güvenilmez olur).
Kümeler üzerinde yapılan araştırmanın arkasındaki fikir, insanlar arasında bir bağlantı olursa genelde ortak bir fikir ve hedef grubuna sahip olmalarıdır. Kümeler bularak, grup üyeliğini inceleyerek bu fikirleri belirleyebilirsiniz. Örneğin, sigorta dolandırıcılığının tespiti ve vergi incelemesinde insanların kümelerini bulmaya çalışmak yaygın bir şey. Beklenmedik gruplar, bir grup dolandırıcı veya vergi kaçıranının parçası olduklarından şüphe uyandırabilirler; çünkü insanların bu gibi durumlarda bir araya gelmeleri normal sebeplerden yoksundur.
Arkadaşlık grafikleri, insanların birbirleriyle nasıl bağlantı kurduklarını temsil edebilir. Noktalar bireyleri temsil eder ve kenarları, aile ilişkileri, iş bağlantıları veya arkadaşlık bağları gibi bağlantılarını temsil eder. Tipik olarak, arkadaşlık grafikleri karşılıklı ilişkileri temsil ettikleri için yönlendirilmemiş ve bazen iki kişi arasındaki bağın gücünü temsil etmek üzere ağırlıklandırılmışlardır.
Pek çok araştırma sadece derneklere odaklanmış yönsüz grafikler üzerine odaklanmaktadır. Yönlendirilmiş grafikleri kullanarak, A Kişisi'nin Kişi B'yi bildiğini, ancak Kişi B'nin A Kişisinin olduğunu bile bilmediğini gösterebilirsiniz. Bu durumda, aslında göz önüne almanız gereken 16 çeşit triadınız var.
Arkadaşlık grafiğinde kümeler ararken, bu kümelerdeki düğümler arasındaki bağlantılar üçlülere bağlıdır - esas olarak, özel üçgenler türleri. Üç kişi arasındaki bağlantılar bu kategorilere girilebilir:
- Kapalı: Üç insan birbirini tanıyor. Bu durumda, herkesin herkes bildiği bir aile ortamını düşünün.
- Açık: Bir kişi iki kişiyi tanır, ancak diğer iki kişi birbirini tanımaz. İşyerindeki bir insanı ve evde bir başka insanı tanıyan bir kişiyi düşünün, ancak iş yerindeki birey evdeki birey hakkında hiçbir şey bilmiyor.
- Bağlantılı çift: Bir kişi bir triadda diğerlerinden bir tanır, ancak üçüncü kişiyi tanımıyor. Bu durum, birbirlerine yeni biriyle tanışmak hakkında bir şeyler bilen iki kişiyi içerir; bu kişiler potansiyel olarak grubun bir parçası olmak istemektedir.
- Bağlantısız: Üçlü bir grup oluşturur, ancak gruptaki hiç kimse birbirini tanımaz. Bu sonuncusu biraz tuhaf görünebilir, ancak bir kongre veya seminer düşünün.Bu olaylardaki insanlar bir grup oluşturuyor ancak birbirleriyle ilgili hiçbir şey bilmiyor olabilirler. Bununla birlikte, benzer ilgi alanlarına sahip olduklarından, grubun davranışını anlamak için kümeleme kullanabilirsiniz.
Üçlüler doğal olarak ilişkilerde ortaya çıkıyor ve pek çok İnternet sosyal ağları, katılımcı arasındaki bağlantıları hızlandırmak için bu fikri kullanıyor. Bağlantı yoğunluğu her tür sosyal ağ için önemlidir, çünkü bağlı bir ağ bilgi yayabilir ve içeriği daha kolay paylaşabilir. Örneğin, profesyonel sosyal ağ olan LinkedIn, ağının bağlantı yoğunluğunu artırmaya karar verdiğinde, açık üçlüleri araştırıp, onları bağlanmaya davet ederek onları kapatmaya çalışarak başladı. Üçlü kapanış, LinkedIn'in Bağlantı Öneri algoritmasının temelinde. Quora'nın cevabını okuyarak, işleyişi hakkında daha fazla bilgi bulabilirsiniz.
Buradaki örnek, Zachary'nin Karate Club örnek grafiğine dayanmaktadır. Ağların nasıl çalıştığını, geniş bir veri kümesi yüklemek için çok fazla zaman harcamanıza izin vermeyen küçük bir grafik. Neyse ki, bu veri kümesi
networkx
paketinin bir parçası gibi görünüyor. Zachary'nin Karate Club ağı, 1970'den 1972'ye kadar bir karate kulübünün 34 üyesi arasındaki dostluk ilişkisini temsil ediyor. Sosyolog Wayne W. Zachary bunu bir çalışma konusu olarak kullandı. Üzerine "Küçük Gruplarda Çatışma ve Ayrılma için Bir Bilgi Akış Modeli" başlıklı bir makale yazdı. "Bu grafik ve makalenin ilginç yanı, o yıllarda, karate öğretmenlerinden biri (düğüm numarası 0) ile kulübün başkanı (düğüm numarası 33) arasındaki bir çatışma ortaya çıktı. Grafiğin kümelenmesiyle, oluşumdan kısa bir süre sonra kulübün iki gruba ayrılmasını mükemmel bir şekilde tahmin edebilirsiniz.
Bu örnek ayrıca grupları gösteren bir grafik çizdiğinden (daha kolay görselleştirebilirsiniz) ayrıca
matplotlib
paketini kullanmanız gerekir. Aşağıdaki kod, veri kümesinin düğümlerini ve kenarlarını nasıl grafikte göstereceklerini gösterir.
import networkx nx
ithalat matplotlib olarak. pipl olarak plt
% matplotlib satır içi
grafik = nx. karate_club_graph ()
pos = nx. spring_layout (grafik)
nx. çizmek (graf, pos, with_labels = True)
plt. show ()
Grafiği ekranda görüntülemek için, düğümlerin nasl konumlanacağını belirleyen bir düzen de sağlamanız gerekir. Bu örnek, Fruchterman-Reingold kuvvet yönelimli algoritmayı kullanır (
nx. Spring_layout
çağrısı). Şekilde örnekten çıktılar gösterilmektedir. (Çıktı biraz farklı görünebilir.)
Grufların otomatik mizanpajlarını oluşturmak için Fruchterman-Reingold kuvvet yöneltme algoritması, elektrik yüklü parçacıklar veya aynı işareti taşıyan mıknatıslar arasındaki fizikte görünen şeyleri taklit ederek birbiri ile ayrılmayan düğümler ve kenarlı anlaşılabilir düzenler yaratır. Grafik çıktısını inceleyerek, bazı düğümlerin sadece bir bağlantıya, bazılarına ikisine ve ikiden fazla bağlantıya sahip olduklarını görebilirsiniz.Daha önce belirtildiği gibi kenarlar üçlü oluşturur. Bununla birlikte, en önemli husus, rakamın sosyal bir ağda ortaya çıkan kümelenmeyi açıkça gösterdiği yönündedir.
