先看一则有趣的研究：给定一个人所有朋友的连接关系，单从网络结构你能识别出他或她的Romantic伴侣吗？Facebook高级工程师Lars Backstrom和康内尔大学计算机科学家Jon Kleinberg于2013年在Eprint Arxiv上发表《浪漫关系与社会网络分散性：基于Facebook关系状态的网络分析》一文指出，利用他们建构的“分散性”测度仅以网络结构就可以识别特定个体的爱情伴侣，甚至可以预测，如果一对恋人或配偶的分散性得分比较低，他们在随后两个月分手的概率会大于50%。由于文章中建构分散性测度的计算过程较为复杂，有兴趣的读者可以自行下载原文研读^[1]，这里仅对Lars Backstrom和Jon Kleinberg用到的社会网络分析法做简要介绍。

1社会网络分析的基本概念社会网络分析的基本概念

“社会网络”指的是作为节点的社会行动者（social  actor）及其间的关系的集合。也可以说，一个社会网络是由多个点（社会行动者）和各点之间的连线（行动者之间的关系）组成的集合。用点和线来表达网络，这是社会网络的形式化界定。

社会网络分析是研究一组行动者的关系的研究方法。一组行动者可以是人、社区、群体、组织、国家等，他们的关系模式反映出的现象或数据是网络分析的焦点。从社会网络的角度出发，人在社会环境中的相互作用可以表达为基于关系的一种模式或规则，而基于这种关系的有规律模式反映了社会结构，这种结构的量化分析是社会网络分析的出发点。因此，社会网络分析关注的焦点是关系和关系的模式，采用的方式和方法从概念上有别于传统的统计分析和数据处理方法。社会网络分析建立的两大支柱是：可视化分析与对人、社会、政治、经济的关系测量。

2社社会网络分析法常用的几类分析网络用的几类分析

（一）中心性分析——权力的量化研究

“中心性”是社会网络分析的重点之一。个人或组织在其社会网络中具有怎样的权力，或者说居于怎样的中心地位，这一思想是社会网络分析者最早探讨的内容之一。个体的中心度(Centrality)测量个体处于网络中心的程度，反映了该点在网络中的重要性程度。因此一个网络中有多少个行动者／节点，就有多少个个体的中心度。除了计算网络中个体的中心度外，还可以计算整个网络的集中趋势(可简称为中心势)(Centralization)。与个体中心度刻画的是个体特性不同，网络中心势刻画的是整个网络中各个点的差异性程度，因此一个网络只有一个中心势。根据计算方法的不同，中心度和中心势都可以分为3种：点度中心度／点度中心势，中间中心度／中间中心势，接近中心度／接近中心势。

（二）凝聚子群分析

当网络中某些行动者之间的关系特别紧密，以至于结合成一个次级团体时，这样的团体在社会网络分析中被称为凝聚子群。分析网络中存在多少个这样的子群，子群内部成员之间关系的特点，子群之间关系特点，一个子群的成员与另一个子群成员之间的关系特点等就是凝聚子群分析。由于凝聚子群成员之间的关系十分紧密，因此有的学者也将凝聚子群分析形象地称为“小团体分析”。凝聚子群根据理论思想和计算方法的不同，存在不同类型的凝聚子群定义及分析方法。常用的分析包括：派系(Cliques)、n-派系(n-Cliques)、n-宗派(n—Clan)、k-丛(k-Plex)等。

（三）核心-边缘结构分析

核心-边缘(Core—Periphery)结构分析的目的是研究社会网络中哪些节点处于核心地位，哪些节点处于边缘地位。核心边缘结构分析具有较广的应用性，可用于分析精英网络、科学引文关系网络以及组织关系网络等多种社会现象中的核心-边缘结构。

根据关系数据的类型(定类数据和定比数据)，核心—边缘结构有不同的形式。定类数据和定比数据是统计学中的基本概念，一般来说，定类数据是用类别来表示的，通常用数字表示这些类别，但是这些数值不能用来进行数学计算；而定比数据是用数值来表示的，可以用来进行数学计算。如果数据是定类数据，可以构建离散的核心-边缘模型；如果数据是定比数据，可以构建连续的核心-边缘模型。而离散的核心-边缘模型根据核心成员和边缘成员之间关系的有无及关系的紧密程度，又可分为3种：核心-边缘全关联模型、核心-边缘局部关联模型和核心-边缘关系缺失模型。

3社社会网络分析法常用的软件会网络分析法常用的软件
（一）UCINET简介

UCINET为菜单驱动的Windows程序，可能是最知名和最经常被使用的处理社会网络数据和其他相似性数据的综合性分析程序。与UCINET捆绑在一起的还有Pajek、Mage和NetDraw等三个软件。UCINET能够处理的原始数据为矩阵格式，提供了大量数据管理和转化工具。该程序本身不包含 网络可视化的图形程序，但可将数据和处理结果输出至NetDraw、Pajek、Mage和KrackPlot等软件作图。UCINET包含大量包括探测凝聚子群（cliques, clans, plexes）和区域（components, cores）、中心性分析（centrality）、个人网络分析和结构洞分析在内的网络分析程序。UCINET还包含为数众多的基于过程的分析程序，如聚类分析、多维标度、二模标度（奇异值分解、因子分析和对应分析）、角色和地位分析（结构、角色和正则对等性）和拟合中心-边缘模型。此外，UCINET 提供了从简单统计到拟合p1模型在内的多种统计程序。

（二）Pajek简介

Pajek是一个特别为处理大数据集而设计的网络分析和可视化程序。Pajek可以同时处理多个网络，也可以处理二模网络和时间事件网络（时间事件网络包括了某一网络随时间的流逝而发生的网络的发展或进化）。Pajek提供了纵向网络分析的工具。数据文件中可以包含指示行动者在某一观察时刻的网络位置的时间标志，因而可以生成一系列交叉网络，可以对这些网络进行分析并考察网络的演化。不过这些分析是非统计性的；如果要对网络演化进行统计分析，需要使用STOCNET软件的SIENA模块。Pajek可以分析多于一百万个节点的超大型网络。Pajek提供了多种数据输入方式，例如，可以从网络文件（扩展名NET）中引 入ASCII格式的网络数据。网络文件中包含节点列表和弧/边（arcs/edges）列表，只需指定存在的联系即可，从而高效率地输入大型网络数据。图 形功能是Pajek的强项，可以方便地调整图形以及指定图形所代表的含义。由于大型网络难于在一个视图中显示，因此Pajek会区分不同的网络亚结构分别予以可视化。每种数据类型在Pajek中都有自己的描述方法。Pajek提供的基于过程的分析方法包括探测结构平衡和聚集性 （clusterability），分层分解和团块模型（结构、正则对等性）等。Pajek只包含少数基本的统计程序。