《《社會網(wǎng)絡(luò)分析》PPT課件.ppt》由會員分享，可在線閱讀，更多相關(guān)《《社會網(wǎng)絡(luò)分析》PPT課件.ppt（33頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、在社會科學(xué)中，以對社會行動者之間的互動研究為基礎(chǔ)的結(jié)構(gòu)性方法被稱作社會網(wǎng)絡(luò)分析（弗里曼，2008） 這些行動者可能是個體的人，也可能是群體、組織或者國家等。 社會網(wǎng)絡(luò)分析關(guān)注行動者之間的關(guān)系，認(rèn)為這些關(guān)系的模式會影響它們的行動。 因此，揭示不同類別的關(guān)系模式，并確定這些模式在何種條件下會出現(xiàn)以及會導(dǎo)致什么樣的后果就成為社會網(wǎng)絡(luò)分析的核心目標(biāo)之一。,2020/8/19,1,4.5 社會網(wǎng)絡(luò)分析,4.6.1 社會網(wǎng)絡(luò)分析的發(fā)展 當(dāng)代科學(xué)界重視結(jié)構(gòu)性與系統(tǒng)性這一大背景的產(chǎn)物 社會網(wǎng)絡(luò)分析把社會學(xué)家、人類學(xué)家、數(shù)學(xué)家、經(jīng)濟學(xué)家、政治學(xué)家、心理學(xué)家、傳播學(xué)家、統(tǒng)計學(xué)家、生態(tài)學(xué)家、流行病學(xué)家、計算機科學(xué)家

2、、商學(xué)院里的組織行為學(xué)和市場學(xué)學(xué)者，以及物理學(xué)家集合在一起。 雖然這些人背景各異，但共同擁有一個體現(xiàn)在網(wǎng)絡(luò)分析方法中的結(jié)構(gòu)性視角。 多個學(xué)科幾代研究者不斷積累的結(jié)果 關(guān)于社會網(wǎng)絡(luò)分析的起源，有的研究者認(rèn)為始于20世紀(jì)30年代早期莫雷諾（Jacob Moreno）的社會計量學(xué)。也有人認(rèn)為，社會網(wǎng)絡(luò)分析到20世紀(jì)70年代懷特（Harrison White）在哈佛大學(xué)招收研究生時才開始。事實上，社會網(wǎng)絡(luò)分析的相關(guān)理論從19世紀(jì)末20世紀(jì)初的齊美爾（Georg Simmel）就已發(fā)端，甚至能夠追溯至更早的孔德（Auguste Comte）。,2020/8/19,2,20世紀(jì)30年代，莫雷諾的社會關(guān)系計

3、量學(xué)和沃納（William Warner）與梅奧（George Mayo）的人際關(guān)系學(xué)派 1934年，莫雷諾出版了誰將生存？一書，標(biāo)志著社會計量學(xué)的興起。 莫雷諾及其助手統(tǒng)計了研究對象期望和哪位組織成員共同生活和娛樂，并據(jù)此得出一套關(guān)系型數(shù)據(jù)，用以分析各成員在群體中的位置和群體中的小集團(tuán)。 大約在同時期，哈佛大學(xué)的沃納和梅奧在研究組織行為的過程中，提出了人際關(guān)系學(xué)派（The Relational School）。 他們收集了工人之間詳細(xì)的社會網(wǎng)絡(luò)數(shù)據(jù)，比如誰和誰一起玩、誰和誰吵了架等，并用圖形的方式展示了工人之間的種種關(guān)系。,2020/8/19,3,20世紀(jì)50年代，哥倫比亞學(xué)派的傳播研究 拉

4、扎斯菲爾德（Paul Lazarsfeld）、科爾曼（James Coleman）、卡茲（Elihu Katz）和門澤爾（Herbert Menzel）等人采用社會網(wǎng)絡(luò)的方法來研究社會傳播（Social Diffusion），給社會網(wǎng)絡(luò)研究注入了新的活力。1955年，哥倫比亞學(xué)派的代表性作品之一人際影響問世，研究者們從生命周期、合群性和社會經(jīng)濟地位三個方面探討了意見領(lǐng)袖的特征。,2020/8/19,4,1967年哈佛大學(xué)心理學(xué)教授斯坦利米爾格拉姆（Stanley Milgram）通過連鎖信實驗驗證了六度分離理論（Six Degrees of Separation） 六度分離理論（又稱小世界現(xiàn)象

5、）的出現(xiàn)使得人們對于人際關(guān)系網(wǎng)絡(luò)的威力有了新的認(rèn)識。然而，在這個理論中，沒有對人和人之間的關(guān)系進(jìn)行強弱的區(qū)分。直到1974年，斯坦福大學(xué)社會系的馬克格拉諾維特（Mark Granovetter）提出了弱連接理論，才對這一問題進(jìn)行了補充。 格蘭諾維特指出：每個人與接觸最頻繁的親人、同學(xué)、朋友、同事等之間是一種“強連接”（Strong Ties），然而這種穩(wěn)定的連接在傳播范圍上非常有限。反而，與一個人的工作和事業(yè)關(guān)系最密切的社會關(guān)系并不是“強連接”，而常常是“弱連接”（Weak Ties），例如一個無意間認(rèn)識的人或者打開收音機偶然聽到的一個人等?！叭踹B接”雖然不如“強連接”那樣穩(wěn)定，但卻有著極快的

6、、低成本和高效能的傳播效率。,2020/8/19,5,20世紀(jì)70年代，懷特（Harrison White）在哈佛大學(xué)的研究 懷特將矩陣?yán)碚搼?yīng)用與社會網(wǎng)絡(luò)研究，寫出了一些關(guān)于網(wǎng)絡(luò)分組（block modeling）和機會鏈（chains of opportunny）方面的重要論文。 在這個過程中，培養(yǎng)了一大批對當(dāng)代社會網(wǎng)絡(luò)分析具有重要影響的學(xué)生，比如皮爾曼（Peter Bearman）、波納西（Peter Bonacich）、威爾曼（Barry Wellman）和溫士浦（Christopher Winship）等人。 70年代末，在威爾曼等人的倡導(dǎo)下，社會網(wǎng)絡(luò)研究國際協(xié)會（Internatio

7、nal Network for Social Network Analysis）成立，加上社會網(wǎng)絡(luò)雜志的創(chuàng)辦，標(biāo)志著社會網(wǎng)絡(luò)研究開始了系統(tǒng)化和國際化的進(jìn)程。,2020/8/19,6,20世紀(jì)90年代以來，社會網(wǎng)絡(luò)研究實現(xiàn)了分析方法的突破和多學(xué)科的深入?yún)⑴c 指數(shù)隨機網(wǎng)絡(luò)模型（Exponential Random Graph Models，ERGM）的建立和發(fā)展極大推動了社會網(wǎng)絡(luò)的統(tǒng)計建模。 Snijders等創(chuàng)建的個體導(dǎo)向隨機模型（Stochastic Actor-oriented Models）進(jìn)一步把隨機網(wǎng)絡(luò)模型推廣到分析動態(tài)社會網(wǎng)絡(luò)。 研究主題從單純的對社會網(wǎng)絡(luò)的研究，擴展到對政治網(wǎng)絡(luò)、經(jīng)

8、濟網(wǎng)絡(luò)、文學(xué)作品中的對話網(wǎng)、蛋白質(zhì)互動網(wǎng)、疾病傳染網(wǎng)、計算機網(wǎng)絡(luò)等的研究。 參與的學(xué)科從社會學(xué)、人類學(xué)和統(tǒng)計學(xué)擴張到經(jīng)濟學(xué)、政治學(xué)、傳播學(xué)、文學(xué)、物理學(xué)、生物學(xué)和醫(yī)學(xué)等學(xué)科。,2020/8/19,7,在這個過程中，除了以社會學(xué)為核心的研究繼續(xù)得到鞏固，還形成了以物理學(xué)和計算機科學(xué)為核心的不同流派。 1998年，康奈爾大學(xué)的鄧肯瓦特（Duncan Watts）和斯蒂文斯特羅加茨（Steven Strogatz）在Nature雜志上發(fā)表了一篇名為“小世界網(wǎng)絡(luò)的集體動力學(xué)”（Collective dynamics of the Small World networks）的論文。指出之所以會出現(xiàn)小世界

9、現(xiàn)象，是由于某一類復(fù)雜網(wǎng)絡(luò)的特性。他們注意到復(fù)雜網(wǎng)絡(luò)可以按兩個獨立的結(jié)構(gòu)特性分類，即集聚系數(shù)和節(jié)點間的平均路徑長度。1999年，Barabsi和Albert在Science雜志上發(fā)表的隨機網(wǎng)絡(luò)中標(biāo)度的涌現(xiàn)一文中證明復(fù)雜網(wǎng)絡(luò)的連接度普遍符合冪律分布。隨后，很多研究者，尤其是物理學(xué)家開始關(guān)注各種復(fù)雜網(wǎng)絡(luò)。 于此同時，以康奈爾大學(xué)的Jon M. Kleinberg教授為代表的計算機科學(xué)研究者則主要針對社交網(wǎng)絡(luò)數(shù)據(jù)的特點，運用與修改各種數(shù)據(jù)挖掘算法。提出了針對社交網(wǎng)絡(luò)數(shù)據(jù)的基本算法，如著名的HITS和PAGERANK算法。,2020/8/19,8,4.6.2 社會網(wǎng)絡(luò)分析的主要測量指標(biāo) 社會網(wǎng)絡(luò)分析按

10、照研究群體的不同可分為兩種基本的類型：自我中心網(wǎng)絡(luò)（Ego-centered Networks）分析和整體網(wǎng)絡(luò) （Whole Networks）分析。 自我中心網(wǎng)絡(luò)是從個體的角度來界定社會網(wǎng)絡(luò)，以特定行動者為研究中心，主要考慮與該行動者相關(guān)的聯(lián)系，以此來研究個體行為如何受到其人際網(wǎng)絡(luò)關(guān)系的影響。 而整體網(wǎng)絡(luò)關(guān)注的焦點則是網(wǎng)絡(luò)整體中角色關(guān)系的綜合結(jié)構(gòu)或群體中不同角色的關(guān)系結(jié)構(gòu)。這兩種類型的分析因其側(cè)重點不同，主要使用的測量指標(biāo)也不盡相同，但并非毫無聯(lián)系。 社會網(wǎng)絡(luò)中的測量指標(biāo)主要包括三種類型：對連帶的測量、對個體的測量和對網(wǎng)絡(luò)整體的測量。這些指標(biāo)都是靜態(tài)量，可以通過計算它們在不同時間的值，反映網(wǎng)

11、絡(luò)的變化趨勢。,2020/8/19,9,社會網(wǎng)絡(luò)中連帶的測量,2020/8/19,10,社會網(wǎng)絡(luò)中個體的測量,2020/8/19,11,2020/8/19,12,社會網(wǎng)絡(luò)中網(wǎng)絡(luò)整體的測量,2020/8/19,13,4.6.3 社會網(wǎng)絡(luò)分析的主要步驟,2020/8/19,14,以政府間國際組織為例來具體說明如何應(yīng)用社會網(wǎng)絡(luò)分析方法進(jìn)行相關(guān)研究 假設(shè)存在五個國家（a、b、c、d、e），它們分別是七個政府間國際組織的成員,區(qū)分“全局網(wǎng)”和“個體中心網(wǎng)” 在這個問題中，全局網(wǎng)的研究對象可能是整個國際社會乃至國際體系，而個體中心網(wǎng)則僅以某一具體網(wǎng)絡(luò)為中心。因此這七個政府間國際組織組成的是“個體中心網(wǎng)”。

12、 區(qū)分各種關(guān)系 即使是同一網(wǎng)絡(luò)也可能存在不同的關(guān)系。在這個政府間組織網(wǎng)絡(luò)中可能存在著貿(mào)易關(guān)系、同盟關(guān)系甚至敵對關(guān)系。哈夫納伯頓等人重點關(guān)注這些國家在網(wǎng)絡(luò)組織中的位置所產(chǎn)生的權(quán)力關(guān)系。 收集網(wǎng)絡(luò)關(guān)系數(shù)據(jù) 這些數(shù)據(jù)是多元的，既有經(jīng)濟的，也有政治的以及社會的。在哈夫納伯頓的研究中，使用了國家間軍事爭端數(shù)據(jù)（Militarized Interstate Disputes, MIDs）、國家組織會員數(shù)據(jù)（State System Membership）等數(shù)據(jù)庫以搜集關(guān)系數(shù)據(jù)。,2020/8/19,15,處理關(guān)系數(shù)據(jù) 可以用二分法（以“1”或“0”表示）或者加權(quán)值的方式。,2020/8/19,16,政府間

13、國際組織成員的隸屬矩陣D。 其中，以“1”表示該國家屬于某個組織，“0”則相反。,社會計量矩陣表示成員網(wǎng)絡(luò)。 a和b之間的值為4，表示a與b共同屬于4個組織。,也可以用圖直觀的表示。 其中，v值表示國家間在這個網(wǎng)絡(luò)中共屬的政府間組織數(shù)量。,選擇是否包含行為體的屬性信息 如國家的經(jīng)濟社會情況，國家的政治（政體）、軍事信息等。由于在結(jié)構(gòu)化的研究取向中，社會網(wǎng)絡(luò)分析重點關(guān)注的是行為體之間的關(guān)系數(shù)據(jù)，這個步驟是可選擇的。 對得到的網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行分析 由于社會網(wǎng)絡(luò)分析往往涉及龐大的關(guān)系數(shù)據(jù)，因此計算和分析過程幾乎完全依靠社會網(wǎng)絡(luò)分析軟件來進(jìn)行。社會網(wǎng)絡(luò)分析提供了一系列描述網(wǎng)絡(luò)屬性的指標(biāo)，例如中心度、密度、

14、中間性、接近性、派系、聚類等?？梢杂蒙缛簣D或者矩陣的形式表示。 基于此，可以分析網(wǎng)絡(luò)中各個點在網(wǎng)絡(luò)中的中心度或重要性以及網(wǎng)絡(luò)分化的子群等特征。并進(jìn)一步研究各種群體間的直接關(guān)系，進(jìn)而研究其宏觀結(jié)構(gòu)。,2020/8/19,17,4.6.4 社會網(wǎng)絡(luò)分析的工具 對于社會網(wǎng)絡(luò)分析中的數(shù)據(jù)，除了使用SPSS、SAS、R等進(jìn)行處理以外，還可以使用專門的網(wǎng)絡(luò)分析軟件。它們能夠幫助研究者進(jìn)行數(shù)據(jù)錄入、統(tǒng)計、建模等一系列工作，還提供多種靜態(tài)布局和動態(tài)交互的可視化功能。 斯科特和瓦瑟爾曼曾經(jīng)在Models and Methods in Social Network Analysis一書中介紹了23種社會網(wǎng)絡(luò)分析軟

15、件，包括其適用對象、數(shù)據(jù)格式、功能和所提供的支持等方面的具體情況。在眾多軟件中，較為常用的網(wǎng)絡(luò)分析軟件主要包括UCINET、Pajek、NetworkX和NetMiner等。,2020/8/19,18,4.6.5 社會網(wǎng)絡(luò)分析的典型案例 案例1：對SARS病毒傳播擴散趨勢和控制病毒傳播手段可行性的測算（林國基，2003） 人們發(fā)現(xiàn)具有小世界效應(yīng)的動態(tài)系統(tǒng)模型能加快信號傳播的速度，提高計算能力和計算同步性。謠言、傳染病在小世界網(wǎng)絡(luò)中的傳播也比在規(guī)則網(wǎng)絡(luò)中更為容易。 流行病傳播模型是時空動力學(xué)模型。傳統(tǒng)理論的主要基本假設(shè)把社會中人與人的關(guān)系看成規(guī)則網(wǎng)絡(luò)，主要的預(yù)測模型是反應(yīng)擴散模型。隨著現(xiàn)代化交通

16、工具的發(fā)展，此模型已經(jīng)不能如實反映傳染病傳播的實際情況。近年來，大量的統(tǒng)計數(shù)據(jù)表明，社會網(wǎng)絡(luò)模型應(yīng)該是“小世界”模型。由現(xiàn)代交通工具帶來的社會網(wǎng)絡(luò)的新特點，使得研究現(xiàn)代流行病傳播必須考慮小世界網(wǎng)絡(luò)模型。 用小世界網(wǎng)絡(luò)模型模擬SARS病毒的傳播，成功得到了和現(xiàn)實病毒擴散相同的趨勢，同時指出與病毒傳播速度相關(guān)的網(wǎng)絡(luò)參量，并通過引入網(wǎng)絡(luò)反饋提出控制病毒傳播的幾種可能的手段和以后的發(fā)展可能性。,2020/8/19,19,模型構(gòu)建 在模擬中取網(wǎng)絡(luò)的大小為N=1 000 000，p=0.01，K值作為一調(diào)節(jié)參量待定。 根據(jù)SARS病毒的傳播規(guī)律，把一個人的感染周期分為三個階段：潛伏期、傳染期和隔離期。一個

17、人被感染后進(jìn)入潛伏期，假設(shè)平均為6天，在不同的人中是標(biāo)準(zhǔn)差為2天的高斯分布。然后進(jìn)入天數(shù)為T的傳染期，期間每個和他有親密接觸關(guān)系的人都有pi的概率被傳染，接著被隔離治療，假設(shè)為10天，最后康復(fù)重新進(jìn)入網(wǎng)絡(luò)中，忽略掉病人死亡的情況。病毒傳染情況可以用一個量S來表示： 其中傳染率pi是相對固定的值，假設(shè)pi平均值為0.05，在不同的人中是標(biāo)準(zhǔn)差為0.01的高斯分布，再根據(jù)實際情況調(diào)節(jié)K和T的值來觀察病毒傳播的情況。 實際模擬中首先在網(wǎng)絡(luò)中引進(jìn)一個病源，然后根據(jù)上述的規(guī)則演化，并每步記錄總的患病人數(shù)Nt和當(dāng)天仍患病的病人人數(shù)Ni。,2020/8/19,20,模擬結(jié)果 網(wǎng)絡(luò)參數(shù)對病毒傳播的影響 有兩個

18、可調(diào)參數(shù)：K表示人們之間聯(lián)系的密切程度，而T則表示發(fā)現(xiàn)并隔離病源的速度?？梢灶A(yù)料K越大，T越長，病毒就越容易傳播；K越小，T越短，病毒就越難傳播，模擬結(jié)果也證實了這一點。 病毒傳播速度非常敏感地依賴于這兩個參數(shù)，只要參數(shù)稍作變化，病毒的傳播速度就會有很大改變。 而且當(dāng)T固定時，對于參數(shù)K，存在一個臨界Kc值，當(dāng)KKc時，病毒將迅速傳播直到所有人都被傳染。如當(dāng)T=2時，有Kc14。下圖展示了K對病毒傳播的影響。,2020/8/19,21,平均連接邊數(shù)K對病毒傳播的影響 （兩圖均有T=2。左圖K=10，病毒傳播自動衰減；右圖K=20，病毒迅速傳播）,2020/8/19,22,下圖則顯示了T對病毒傳

19、播的影響。T只要增加1天，傳染的速度就會大幅度增加，其中K=20。 由此可見，不能及時發(fā)現(xiàn)病源和人們之間接觸太多會非常有利于病毒的傳播，初期出現(xiàn)爆發(fā)正是由于這兩個原因，要控制病毒的蔓延也正要從這兩個方面入手。,2020/8/19,23,引入反饋機制后對病毒傳播的影響 減小T值和K值可以抑制病毒的傳播。T值的減小有賴于政府和醫(yī)療部門加強對病源的搜查和效率的提高，而K值的減小則和制定的隔離制度和人們的自覺有關(guān)系。人們的自覺性往往是一個漸變的過程，會隨著疫情的變化而變化，是一個反饋過程。 具體的反饋過程如下：初始狀態(tài)K=K0，當(dāng)人們發(fā)現(xiàn)最近的連續(xù)3天（這是人們的反應(yīng)時間）當(dāng)前患病人數(shù)Ni都增長的時候

20、，人們每天就把平均連接邊數(shù)K減小2，直到Ni不再上升為止。模擬顯示Ni和Nt隨著時間的變化情況如圖所示，說明現(xiàn)實中隔離制度是正確的。,2020/8/19,24,但如果人們在SARS尚未得到控制之前放松警惕，不能貫徹好隔離制度，又會有什么影響呢？可以利用小世界網(wǎng)絡(luò)模型來看一看。在上述的反饋機制中加入一條，當(dāng)人們發(fā)現(xiàn)當(dāng)前患病人數(shù)Ni100并且最近連續(xù)3天Ni都減小時，就會放松警惕，每天把平均連接邊數(shù)K又增加2，直到Ni不再減小為止。模擬圖顯示人們放松警惕時Ni和Nt隨時間的變化曲線，其中T=2，K0=80。,2020/8/19,25,信息透明度對病毒傳播的影響 實際情況中，不是所有人都能及時獲得疫

21、情信息從而開始自我隔離的。在這個小世界網(wǎng)絡(luò)模型中，引入一個叫信息透明度Ti的量來表征這種情況，Ti是知道疫情情況從而會進(jìn)行自我隔離的人占總?cè)藬?shù)的比例。從模擬圖可以看到透明度對病毒的傳播也有重要的影響（其中K0=60，T=2，兩條曲線分別為Ti=0.7和Ti=1.0的情況）。 很明顯當(dāng)透明度比較高時，疫情消失需要的時間比較少，高峰期患病的人數(shù)也比較少，因此讓人們盡早地知道疫情，從而做好預(yù)防措施也是控制疫情的有效方法。,2020/8/19,26,綜合以上所提到的各種因素，可以擬合一下北京2003年的疫情發(fā)展?fàn)顩r。參考的是北京2003年4月20日以來的部分?jǐn)?shù)據(jù)，網(wǎng)絡(luò)大小只有1百萬，而北京的人口大概是

22、1千萬，所以把北京的患病人數(shù)除以10后作為模型的擬合數(shù)據(jù)。模型設(shè)計如下：一開始K0=70，Ti=0.1，T=2，當(dāng)Nt30后Ti變化為1.0，每次反饋時如果需要進(jìn)一步自我隔離則K值減小4，其他參數(shù)不變。 可見利用小世界網(wǎng)絡(luò)模型模擬的結(jié)果和北京SARS疫情的發(fā)展吻合得很好，說明了用小世界網(wǎng)絡(luò)模型來模擬人類社會，并研究、預(yù)測疾病的傳播是比較成功的。,2020/8/19,27,案例2： Your Choice Reveal Who You Are 美國南部某小城鎮(zhèn)一組女士的社交結(jié)構(gòu) 20世紀(jì)30年代，一組社會學(xué)家和種族學(xué)家做了一個很小的“數(shù)據(jù)挖掘”實驗。他們的目標(biāo)是描繪出美國南部小城鎮(zhèn)的一組女士的社

23、交結(jié)構(gòu)圖。 誰和誰是朋友? 她們屬于哪些社交圈? 誰在社交圈中起到了關(guān)鍵作用? 是否有可能只通過檢視公共行為來推導(dǎo)出網(wǎng)絡(luò)結(jié)構(gòu)? 當(dāng)?shù)貓蠹埳瞎_發(fā)表的數(shù)據(jù) 18個女士參加14個不同的社交活動,2020/8/19,28,Valdis Krebs. Your Choice Reveal Who You Are: Mining and Visualizing Social Patterns in: Beautiful Visualization, Julie Steele, Noah Iliinsky (eds.), OReilly Media, Inc. Sebastopol, CA, 2010,

24、pp. 103-122.,單模式分析（一種類型的節(jié)點） 雙模式分析（節(jié)點有兩類，如下圖-南方女性） 左邊的藍(lán)色節(jié)點表示受研究的女性，而右邊的綠色節(jié)點表示參加的每個活動。用圓圈表示人，方框表示活動。,2020/8/19,29,把雙模式數(shù)據(jù)轉(zhuǎn)換成單模式數(shù)據(jù) 確定節(jié)點和連線 節(jié)點布局,找出自然形成的社交網(wǎng)絡(luò) “逐步納入”，首先專注于結(jié)構(gòu)圖中最強的關(guān)聯(lián)，然后逐漸降低闕值找出弱關(guān)聯(lián)，允許更多人和已經(jīng)存在于結(jié)構(gòu)圖中的人進(jìn)行關(guān)聯(lián)。 從最大強度連接開始（設(shè)為5級，5最強） 接下來，包含下一強度級別的連接：強度為4的連接,2020/8/19,31,包含強度為3的連接之后 閾值降低到強度為2,2020/8/19,32,該社交網(wǎng)絡(luò)揭示了： 存在兩個顯著不同的社交聚類。 兩個聚類之間是連接的。社交重疊說明了兩個聚類之間的興趣和關(guān)系存在一些可能的共同性。 產(chǎn)生各種不同的網(wǎng)絡(luò)角色。 6號女士可能不會受到12號女士的言談舉止的影響。 4號女士可能在藍(lán)色聚類內(nèi)有最高的內(nèi)部影響。 藍(lán)色分組的9號女士是“黏合劑”。 16號、17號和18號女士可能是小鎮(zhèn)新來的。,2020/8/19,33,