社会网络分析方法(总结)

社会网络分析方法

SNA分析软件

●第一类为自由可视化SNA 软件，共有Agna 等9 种软件，位于图1 的右上角，这类软件可以自

由下载使用，成本低，但一般这类软件的一个共同缺点是缺乏相应的如在线帮助等技术支持；

●第二类为商业可视化SNA 软件，如InFlow 等3种，这类软件大都有良好的技术支持；（3）第

三类为可视化SNA 软件，如KliqFinder 等4 种，这类软件一般都是商业软件，但他们都有可以通过下载试用版的软件，来使用其中的绝大部分功能

●第四类为自由非可视化SNA 软件，如FATCAT 等7 种，这类软件的特点是免费使用，但对SNA

的分析结果以数据表等形式输出，不具有可视化分析结果的功能；

●第五类为商业非可视化SNA 软件，只有GRADAP 一种，该软件以图表分析为主，不具有可

视化的功能。在23 种SNA 软件中，有16 种SNA 软件，即近70%的SNA 软件，具有可视化功能。

SNA分析方法

使用SNA 软件进行社会网络分析时，一般需要按准备数据、数据处理和数据分析三个步骤进行。尽管因不同的SNA 软件的具体操作不同，但这三个步骤基本是一致的。

1.准备数据，建立关系矩阵

准备数据是指将使用问卷或其他调查方法，或直接从网络教学支撑平台自带的后台数据库中所获得的用于研究的关系数据，经过整理后按照规定格式形成关系矩阵，以备数据处理时使用。这个步骤也是SNA 分析的重要的基础性工作。SNA 中共有三种关系矩阵：邻接矩（AdjacencyMatrix）、发生阵（Incidence Matrix）和隶属关系矩阵（Affiliation Matrix）。邻接矩阵为正方阵，其行和列都代表完全相同的行动者，如果邻接矩阵的值为二值矩阵，则其中的“0”表示两个行动者之间没有关系，而“1”则表示两个行动者之间存在关系。然而我们

在分析e-Learning 的社会网络时，一般都采用非二值矩阵，即使用赋值矩阵，此时，矩阵中的数值表示为两个行动者之间的关系强度，且规定矩阵中的“行”为关系的发送者，而“列”为关系的接受者。发生阵的“行”代表节点，而“列”代表各条线，即发生阵表达的是哪个点连接在哪条线上，因此，发生阵一定是二值矩阵，且不一定是方阵。邻接矩阵和发生阵都表达了图的全部信息[7]。

在SNA 中，往往需要分析行动者的隶属关系，如行动者所属班级、年级或学习小组等，以及会关注行动者的一些自然属性，如性别、年龄等，此时就可以利用隶属关系矩阵来表述。隶属关系矩阵的“行”为行动者，“列”为事件，即各种属性。三种矩阵的建立在三种典型SNA 软件中有多种方法，但归纳起来大致有两种方法。

第一种方法：直接输入关系矩阵内容。这种方法就是利用三种SNA 软件所提供的数据输入功能，按照研究者所获得的原始关系数据，将具体数值输入进关系矩阵中。其操作过程非常类似Excel 软件的操作，操作简单而直接。

第二种方法：从其他软件的数据文件直接导入SNA 软件，形成关系矩阵。

三种典型的SNA 软件都提供了从其他软件导入多种格式的数据文件的功能，以支持多种方法建立关系矩阵。目前，.csv、.txt、.xls、.ntf、.dl 和.net 等格式的文件都可以直接导入进NetMiner、Pajek 和UCINET 三种SNA 软件中。一般导入操作都有菜单和对话框提示，只要注意阅读对话框的提示，并给予相应的选择，就可以完成数据的导入，建立起关系矩阵，整个操作过程一般都十分简单快速。由于一般研究者在收集原始关系数据后，为了数据安全起见都会事先按照某种格式将所收集的数据存入数据文件中，且在SNA 分析的过程中，往往需要同时使用多个SNA 软件，这就存在一个在不同软件之间需要交换关系矩阵的操作，因此，第二种建立关系矩阵的方法往往比第一种更常用。

2. 数据处理，进行SNA 分析

建立SNA 的关系矩阵后，就需要进入数据处理这个步骤，该步骤为SNA 的一项核心工作。SNA 的数据处理工作，可以按照不同的操作分为以下两种类型。

（1）测量

所谓测量，是指针对研究者所建立的关系矩阵，由SNA 软件自动计算出社会网络的各项网络指标或参数值。通常，通过测量可以完成的SNA 有：网络的基本属性、中心性、连通性、结构洞等。有关测量的数据处理操作是最简单的，一般都是直接使用SNA软件菜单中的有关功能即可完成。在测量操作中，一般需要研究者按照软件的提示事先指定某个关系矩阵；测量结束后，一般SNA 软件会给出测量结果，如图3 所示。SNA 测量的结果往往会形成一些数据集合，这些数据集合都是可以导出成为多种格式的数据文件单独存储的，这些数据集合往往是得出SNA 结论的重要依据。

（2）探索性分析

探索性分析往往比测量操作复杂，一般要遵循某种分析程序，而且会因探索的问题或对象的不同，其数据处理操作会有很大不同。通过探索性分析可以完成的SNA 有：凝聚子群分析、网络位置与角色分析和结构洞与经纪人业务分析等。社会网络中的凝聚子群分析是一种典型的探索性分析，探索性分析的数据处理路线往往会存在路径的分支与循环等复杂结构，需要研究者依据一定的判定依据进行判断后进行相应的选择才能完成。因此，探索性分析的操作步骤比较多，且操作过程也比较复杂，探索性分析的效率往往与研究的数据对象大小和性质、研究的问题和研究者自身的经验与技巧等有关系。

3. 数据分析，得出结论

这一步骤是SNA 分析的关键性工作。当上一步的数据处理完毕后，往往会得到一些可视化的图或数据表等信息。一般数据表都与Excel 表格的形式非常接近，比较容易读懂，而常用的图有以下几种。

（1）社群图

社群图表示关系模式，分为二维视图和三维视图两种类型

（2）网络位置图

网络位置图表示关系数据集中的行动者在社会网络中的位置分布。最常见的位置分布就是核心—边缘模型。

（3）树形图

树形图用于表示SNA 中对等性分析等聚类分析的结果。一般有两种表示方式，一种为类似冰柱图的形式，另一种为树形表示方式。

参考文献：

[1]王陆. 典型的社会网络分析软件工具及分析方法[J]. 中国电化教育, 2009, 4(267): 95-100.

[2]魏瑞斌. 社会网络分析在关键词网络分析中的实证研究[J]. 情报杂志, 2009, 28(9): 46-49.

[3]王陆. 虚拟学习社区的社会网络分析[J][J]. 中国电化教育, 2009, 2(5): 11.

[4]王志亮. 社会网络分析方法在科研协作网中的应用研究[D][D]. , 2005.

社会网络分析的应用

7、社会网络分析的应用 一、国外的应用 社会网络分析萌芽于20世纪30年代，形成于60年代，从1980年以后，关于社会网络分析的论文显著增长。国外的应用研究主要集中在社会科学、家庭关系、交通运输、健康和医疗以及传染病传播机制等方面。 在情报学领域，国外的研究主要集中在两个方面:合著网络的研究和引文网络的研究。 (一)合著网络研究 1.Liuxiaoming，BollenJohan等人利用ACM和IEEE的数字图书馆会议文献建立了作者合著网络，利用中心性分指标析该合著网络，研究表明了PageRank和AuthorRank在合著网络研究中的重要性和优势。 2.M.E.J.Newman利用社会网络分析法对物理学、生物学和计算机科学三种学科的作者建立起了论文合著网络，分析了不同学科作者合著网络类型的区别和特点。 3.Logan和Pao则致力于研究如何使用社会网络分析法寻找出某一个领域的最核心作者。 (二)引文网络研究 主要应用于信息资源研究中，对文献之间的引用、共引的研究。 1.HENRY KREUZMAN进行了哲学学科62位代表作者的引文网络研究，揭示了哲学科学和认知论之间的联系。 2.HowardD.white专门探讨了社会网络结构和引文网络之间的内在联

系。 3.学者们提出了二值矩阵和赋值矩阵，还构建同被引网络的研究方法，用来分析同被引情况。 二、.国内的应用 国内的社会网络分析己被运用到合著和引文网络研究、竞争情报、知识管理、网络信息资源评价以及图书馆资源配置等众多领域。 （一）合著网络研究 1.李亮，朱庆华等选取《情报学报》1998一2005年之间的合著者为研究对象，对合著网络进行中心性分析、凝聚子群分析和核心--边缘分析的实证研究。 2.刘蓓，袁毅等选取中国期刊网里情报学、情报工作栏目下的所有作者为研究对象，进行社会网络分析，并做了团队合作的时序变化研究。 3.鲍杨，朱庆华等选取了CSSCI数据库里近十年以来的全部情报学领域的论文进行社会网络分析研究，在合著网络分析中，对“小团体”的形成机制进行了研究。 (二)引文网络研究 社会网络引文分析方法与引文分析家所使用的方法是一致的并扩展了它的研究方法，主要分为作者引文研究和期刊引文研究。 1.徐媛媛，朱庆华以参考咨询领域内的32名高被引作者为研究对象，运用社会网络分析法从密度、中心度和凝聚子群方面进行研究。 2.邱均平教授对编辑出版类期刊进行引文网络分析，结果说明期刊同被引方法应用于确定核心期刊是有效的。他在后来对图书馆学情报学

社会网络分析法

第十三章社会网络分析法 近几十年来社会网络分析法有了迅速的发展，它已被“泛应用到了社会学、政治学、人类学和社会政策研究等多个领域。本章我们将侧重介绍社会网络分析法的基本概念、历史、主要分析技术及其应用。 第一节社会网络分析的概念 一、什么是社会网络分析 网络指的是各种关联，而社会网络(social network)即可简单地称为社会关系所构成的结构。故从这一方面来说，社会网络代表着一种结构关系，它可反映行动者之间的社会关系。构成社会网络的主要要素有： 行动者(actor)：这里的行动者不但指具体的个人，还可指一个群体、公司或其他集体性的社会单位。每个行动者在网络中的位置被称为“结点(node)”。 关系纽带(relational tie)：行动者之间相互的关联即称关系纽带。人们之间的关系形式是多种多样的，如亲属关系、合作关系、交换关系、对抗关系等，这些都构成了不同的关系纽带。 二人组(dyad)：由两个行动者所构成的关系。这是社会网络的最简单或最基本的形式，是我们分析各种关系纽带的基础。 二人组(triad)：由三个行动者所构成的关系。 子群(subgroup)：指行动者之间的任何形式关系的子集。 群体(group)：其关系得到测量的所有行动者的集合。 社会网络分析是对社会网络的关系结构及其属性加以分析的一套规范和方法。它又被称结构分析(structural analysis)，因为它主要分析的是不同社会单位(个体、群体或社会)所构成的社会关系的结构及其属性。 从这个意义上说，社会网络分析不仅是对关系或结构加以分析的一套技术，还是一种理论方法——结构分析思想。因为在社会网络分析学者看来，社会学所研究的对象就是社会结构，而这种结构即表现为行动者之间的关系模式。社会网络分析家B·韦尔曼(Barry Wellman)指出：“网络分析探究的是深层结构——隐藏在复杂的社会系统表面之下的一定的网络模式。”例如，网络分析者特别关注特定网络中的关联模式如何通过提供不同的机会或限制，从而影响到人们的行动。 韦尔曼指出，作为一种研究社会结构的基本方法，社会网络分析具有如下基本原理： 1．关系纽带经常是不对称地相互作用着的，在内容和强度上都有所不同。 2．关系纽带间接或直接地把网络成员连接在一起；故必须在更大的网络结构背景中对其加以分析。 3．社会纽带结构产生了非随机的网络，因而形成了网络群(network clusters)、网络界限和交叉关联。

社会网络分析论文：社会网络分析动态性社区发现改进k-均值核心节点相似度增量分析

【关键词】社会网络分析动态性社区发现改进k-均值核心节点相似度增量分析 【英文关键词】Dynamic Social Network Analysis Dynamic Nature Community Detection ModifiedK-means Core Nodes Similarity IncrementalAnalysis 社会网络分析论文：动态社会网络社区发现算法研究 【中文摘要】现实世界中，社会网络以朋友关系网络、科研人员合著关系网络、电力网络等形式广泛存在于多个领域。目前，社会网络分析已经成为数据挖掘中的一个研究热点。作为社会网络分析中的一项重要内容，社区发现吸引了大量来自多个领域的专家学者的密切关注并且已经产生了大量的研究成果。然而，作为社会网络的一个重要属性，动态性在大多数研究中没有被提及。因而，针对动态网络中的社区发现算法研究较少。动态社会网络中的社区发现通常是建立在某种静态算法基础上的。而现有的社区发现算法通常存在着需要额外的先验知识作为输入和社区划分质量不高等问题。针对这些问题，本文提出了一种基于改进的k均值算法思想的高质量社区发现算法——MKBCD。该算法包含了一种新的初始核心节点选择方法，并给出了相关阈值的通用选择方案和一个确定非核心节点社区归属的两阶段

策略。在Zachary karate club等真实和虚拟数据集上的实验证明了新算法的效率以及在挖掘高质量社区上的优势。在此基础上还提出了一种动态网络中骨干节点挖掘算法，能够从动态变化的社会网络中挖掘每个社区的骨干节点集合。增量式算法是一种在动态变化的网络中挖掘社区结构的算法，适用于网络结构变化频繁，但是短时间内不会发生较大变异而且变化不影响整体社区结构的场合。现有增量式算法存在着运行时间较长和算法精度较低等问题，无法实现效率和精度同时达到一个较高的水平。本文在现有工作的基础之上提出了一种基于增量分析的动态社区发现算法CDBIA，分析了增量对网络中相关节点的影响及其传递过程。在动态Zachary网络和虚拟数据集上的实验结果表明，CDBIA算法在保持较低的时间复杂度的同时，在社区结构的稳定性和社区划分质量上的都能得到较好的效果。 【英文摘要】Social networks are widespread in many areas of the real world such as friendshipnetworks, scientists’co-author relationship networks, and information networks and so on.Along with the rapid development of technology, Facebook, Twitter, blog community andother new forms of social networks have appeared in recent years. Nowadays, social networkanalysis has become an important mission and hot issue in data mining.As an important property of social networks, community structure and relative researchhave attracted

网络分析法

网络分析法（Analysis Network Process Method）简介 1996年Saaty教授在层次分析法（AHP）的基础上提出了网络分析法（Analysis Network Process Method ，ANP）。ANP方法的基本理论与AHP法相同，不同的是模型结构，ANP 法中引入超矩阵的概念，采用这种方法，所有网络结构中的元素均能够对结论产生影响，最终结果不仅被备选方案的权重影响，也被备选方案所属元素集影响，可以通过反馈更好的反映现实生活。 ANP法的基本结构 与AHP法自上而下的层次结构不同，ANP法的网络结构中的连接没有固定方向，它既包括元素集之间的循环连接，也包括元素集对自身的反馈连接，这种网络结构往往能够较好的反映现实社会的问题，并且采用这种将问题细化结构、简单计算的方法远比采用简单划分结构、复杂计算过程的方法得到结果更令人满意。 网络分析法模型将系统分为控制层和网络层两个部分，控制层包括决策问题的目标和决策准则，至少应存在一个目标，但决策的准则可以没有，网络层由元素组组成，这些元素组受到控制层的支配，元素组间以及内部元素之间相互依存、相互影响，形成了网络结构。典型的ANP模型如图所示： 网络分析法的基本步骤： 1）分析问题 对决策问题进行分析，形成元素集，分析元素层次是否内部独立，是否存在依存和反馈，分析方法类同于AHP方法，可采用会议法、专家填表等形式进行。 2）构造ANP的典型结构 首先构造控制层，界定决策目标和准则，再构造网络层次，分析每一个元素集的网络结构和相互影响关系，元素集间关系确定后即可构建相应的ANP网络，基本实际问题中都是既有内部依存又有循环的ANP网络层次。 3）构造ANP的超矩阵计算权重 网络分析法中的1-9标度法

社会网络分析方法(总结)

社会网络分析方法 SNA分析软件 ●第一类为自由可视化SNA 软件，共有Agna 等9 种软件，位于图1 的右上角，这类软件可以自 由下载使用，成本低，但一般这类软件的一个共同缺点是缺乏相应的如在线帮助等技术支持； ●第二类为商业可视化SNA 软件，如InFlow 等3种，这类软件大都有良好的技术支持；（3）第 三类为可视化SNA 软件，如KliqFinder 等4 种，这类软件一般都是商业软件，但他们都有可以通过下载试用版的软件，来使用其中的绝大部分功能 ●第四类为自由非可视化SNA 软件，如FATCAT 等7 种，这类软件的特点是免费使用，但对SNA 的分析结果以数据表等形式输出，不具有可视化分析结果的功能； ●第五类为商业非可视化SNA 软件，只有GRADAP 一种，该软件以图表分析为主，不具有可 视化的功能。在23 种SNA 软件中，有16 种SNA 软件，即近70%的SNA 软件，具有可视化功能。 SNA分析方法 使用SNA 软件进行社会网络分析时，一般需要按准备数据、数据处理和数据分析三个步骤进行。尽管因不同的SNA 软件的具体操作不同，但这三个步骤基本是一致的。 1.准备数据，建立关系矩阵 准备数据是指将使用问卷或其他调查方法，或直接从网络教学支撑平台自带的后台数据库中所获得的用于研究的关系数据，经过整理后按照规定格式形成关系矩阵，以备数据处理时使用。这个步骤也是SNA 分析的重要的基础性工作。SNA 中共有三种关系矩阵：邻接矩（AdjacencyMatrix）、发生阵（Incidence Matrix）和隶属关系矩阵（Affiliation Matrix）。邻接矩阵为正方阵，其行和列都代表完全相同的行动者，如果邻接矩阵的值为二值矩阵，则其中的“0”表示两个行动者之间没有关系，而“1”则表示两个行动者之间存在关系。然而我们

网络分析法

什么是网络分析法 网络分析法（ANP）是美国匹兹堡大学的T.L.Saaty教授于1996年提出的一种适应非独立的递阶层次结构的决策方法，它是在层次分析法(Analytic Hierarchy Process,简称AHP)的基础上发展而形成的一种新的实用决策方法。 AHP作为一种决策过程，它提供了一种表示决策因素测度的基本方法。这种方法采用相对标度的形式，并充分利用了人的经验和判断力。在递阶层次结构下，它根据所规定的相对标度—比例标度，依靠决策者的判断，对同一层次有关元素的相对重要性进行两两比较，并按层次从上到下合成方案对于决策目标的测度。这种递阶层次结构虽然给处理系统问题带来了方便，同时也限制了它在复杂决策问题中的应用。在许多实际问题中，各层次内部元素往往是依赖的C低层元素对高层元素亦有支配作用，即存在反馈。此时系统的结构更类似于网络结构。网络分析法正是适应这种需要，由AHP延伸发展得到的系统决策方法。 ANP首先将系统元素划分为两大部分：第一部分称为控制因素层，包括问题目标及决策准则。所有的决策准则均被认为是彼此独立的，且只受目标元素支配。控制因素中可以没有决策准则，但至少有一个目标。控制层中每个准则的权重均可用AHP方法获得。第二部分为网络层，它是由所有受控制层支配的元素组组成的C其内部是互相影响的网络结构，它是由所有受控制层支配的元素组成的，元素之间互相依存、互相支配，元素和层次间内部不独立，递阶层次结构中的每个准则支配的不是一个简单的内部独立的元素，而是一个互相依存，反馈的网络结构。控制层和网络层组成为典型ANP层次结构，见下图。

[编辑] 网络分析法的特点[2] AHP通过分析影响目标的一系列因素，比较其相对重要性，最后选出得分最高的方案即为最优方案。Harker和Vargas曾经这样评价AHP：“AHP是一套复杂的评价系统，当我们进行多目标、多准则以及多评委的决策时，面对众多的可选方案，AHP能够用来解决各种量化和非量化、理性与非理性的决策问题。”AHP简单易用，其缜密的理论基础决定了它能解决各种实际问题。AHP模型使各决策层之间相互联系，并能推出跨层次之间的相互关系。模型的顶层为企业的总目标，然后逐层分解成各项具体的准则、子准则等，直到管理者能够量化各子准则的相对权重为止。 层次分析法能够为决策者解决各种复杂系统问题，但它也存在一些缺憾。例如，AHP就未能考虑到不同决策层或同一层次之间的相互影响，AHP模型只是强调各决策层之间的单向层次关系，即下一层对上一层的影响。但在实际工作中对总目标层进行逐层分解时，时常会遇到各因素交叉作用的情况。如一个项目的不同研究阶段对各评委的权重是不同的；同样，各评委在项目研究的不同阶段对各评价指标的打分也会发生变化。这时，AHP模型就显得有些无能为力了。

基于Pajeck工具的学习分析领域的社会网络分析

2019年第6期 184研究与探讨 信息技术与信息化 基于Pajeck 工具的学习分析领域的社会网络分析 吴馨楠* WU Xin-nan 摘　要 以学习分析为核心的“大数据驱动式教学”模式已成为当下智慧教育时代的重要教学手段。本文通过对 中国知网平台数据进行检索，对所选文献进行时间限定，分析学习分析领域的研究方向和相关文献的出版年份，然后使用Pajeck 软件，对学习分析领域的研究者、中心度、关键词进行分析，通过此方式获得对学习分析研究领域快速直观的认识。 关键词 学习分析；社会网络分析；Pajeck Abstract Nowadays, the ‘big data-driven teaching’ model with learning analysis as the core has become an important teaching method in the current era of wisdom education. This paper retrieves the data of CNKI platform, then use the Pajeck software to analyze the researchers, centers, and keywords in the field of learning analysis, In this way, we get a quick and intuitive understanding of the study field of learning analysis. Key words study analysis;social network analysis;Pajeck doi：10.3969/j.issn.1672-9528.2019.06.060 * 宁夏大学教育学院 宁夏银川 750000 1 引言 在2011年举办的首届“学习分析和知识”国际会议上，与会代表一致认为：学习分析技术是通过收集和分析学习者在学习环境中的相关数据，并可以被用来理解和优化学习及其环境的一种技术。学习分析是指教育工作者利用学习分析技术，对学习者的学习活动所产生的相关数据收集后进行分析，以评估学习结果，识别潜在的问题, 预测未来的表现。本文以Pajeck 软件为工具，基于中国知网数据库所收录的文献数据，筛选出学习分析领域的文献，形成社会网络关系图, 通过分析这些关系图我们可以看出与学习分析领域相关的研究热点及未来的研究趋势。 2 数据来源与研究方法 2.1数据来源 基于Pajeck 工具所使用的数据全部来源于中国知网，检索策略为“TI=“学习分析”，时间跨度选择“所有年份”进行检索，这些文献的出版时间为2014—2019（搜索时间为2019-5-11），在分类里面选择SCI 来源、CSSCI 来源、核心期刊进行搜索，共搜到461篇，选择文献，然后输出为Endnotes 格式。将文件导入SATI 生成矩阵，并用Ucinet 转 换格式，最后导入Pajeck 绘制可视化图谱。2.2研究方法 本文所采用的分析方法有研究者分析法、核心度分析法和关键词分析法这三种方法。通过对文献的作者、文献主题进行分析，可以找到学习分析领域的热门研究方向。2.3研究工具 Pajek 是运行在Windows 环境下的大型复杂的网络分析工具，是用于研究某一领域中目前所存在的各种复杂非线性网络的工具。Pajek 的主要优点是能对具有上千乃至数百万个结点大型网络进行分析并提供可视化的操作。3 数据分析 3.1作者分析 对作者进行共现知识图谱，可以了解作者之间的合作关系，如果图谱中有两位作者节点被连接起来，则代表他们之间有过合作。学者之间紧密的合作与交流，营造了一种良好的学术氛围，这种联通的网络结构较对学科间的交流和研究有很大的益处，对学习分析领域有着积极的推进作用。图1 为本文所绘作者合作这张网络图。 从图1可以看出，蓝色方块面积越大，说明该作者中心度越高，箭头越多，说明学者之间的联系越精密。例如，学

六个主要的社会网络分析软件的比较UCINET简介

六个主要的社会网络分析软件的比较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。 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。 NetMiner 简介 NetMiner 是一个把社会网络分析和可视化探索技术结合在一起的软件工具。它允许使用者以可视化和交互的方式探查网络数据，以找出网络潜在的模式和结构。NetMiner采用了一种为把分析和可视化结合在一起而优化了的网络数据类型，包括三种类型的变量：邻接矩阵（称作层）、联系变量和行动者属性数据。与Pajek和NetDraw相似，NetMiner也具有高级的图形特性，尤其是几乎所有的结果都是以文本和图形两种方式呈递的。NetMiner提供的网络描述方法和基于过程的分析方法也较为丰富，统计方面则支持一些标准的统计过程：描述性统计、ANOVA、相关和回归。 STRUCTURE 简介 STRUCTURE 是一个命令驱动的DOS程序，需要在输入文件中包含数据管理和网络分析的命令。STRUCTURE支持五种网络分析类型中的网络模型：自主性（结构洞分析）、凝聚性（识别派系）、扩散性、对等性（结构或角色对等性分析和团块模型分析）和权力（网络中心与均质分析）。STRUCTURE提供的大多数分析功能是独具的，在其他分析软件中找不到。MultiNet简介 MultiNet 是一个适于分析大型和稀疏网络数据的程序。由于MultiNet是为大型网络的分析而专门设计的，因而像Pajek那样，数据输入也使用节点和联系列表，而非邻接矩阵。对于分析程序产生的几乎所有输出结果都可以以图形化方式展现。MultiNet可以计算degree, betweenness, closeness and components statistic，以及这些统计量的频数分布。通过MultiNet，可以使用几种本征空间（eigenspace）的方法来分析网络的结构。MultiNet包含四种统计技术：交叉表和卡方检验，ANOVA，相关和p*指数随机图模型。

基于社会网络的道路网络分析

第44卷第5期 山 西建筑V〇1.44N〇.5 2 0 1 8 年 2 月SHANXI ARCHITECTURE Feb.2018 ?121 ? ?道路?铁路? 文章编号：1009-6825 (2018) 05-0121 -03 基于社会网络的道路网络分析+ 陈少鹏高贺 (东北林业大学土木工程学院，黑龙江哈尔滨150040) 摘要:将道路网络抽象为无向无权网络，利用社会网络分析方法，分析了度中心性、接近中心性、中间中心性在道路网络的具体 含义，同时分析了社会网络凝聚子群聚类的具体步骤。以拉萨市主干路网为例，利用社会网络分析工具UCINET对网络中心性以 及节点派系进行分析。凝聚子群得到的两个重要节点派系是路网的枢纽，承担着对内对外交通功能，符合实际各区域之间的功能 连接。 关键词:社会网络，道路网络，中心性，凝聚子群 中图分类号:U491 〇引言 社会网络是指社会行动者及其间的关系的集合。也可描述 为是由多个点（行动者）和各点之间的连线（行动者之间的关系）组成的集合[1]。社会网络中节点与节点之间构成的网络关系与 道路网络的结构形式有共通之处，将社会网络中人与人之间的联 系和影响抽象为道路网络中各节点之间的相互连接和影响，以社 会网络分析方法对道路网络进行分析，识别出路网的重要节点，可为道路网现状以及服务水平评价提供依据。 目前路网研究主要采用复杂网络分析方法，基于该方法可以 分析网络基础参数和拓扑结构特征[2]，而社会网络方法主要分析 网络中心性和网络子群。通过对中心性的分析可以了解节点在 网络中起到作用，例如节点的连通性、重要性及过渡性;而子群分 析可以划分若干个派系，通过派系内部及派系之间的稀疏关系了 解网络的组织形式。 1道路网络构建 本研究的主要目的是探索性地提出用新奇的社会网络分析 方法来分析道路网络的可行性，所以将道路网络抽象为无向图C (F，E)(忽略了道路一些属性，如流量、拥挤程度、事故等），其中F 为节点的集合，E为边的集合。用4表示道路网络G的邻接 矩阵： {Cb~~ Cb l]】l(1) 〇 2社会网络分析方法 关系是社会网络分析理论的基础，中心性与凝聚子群是社会 网络分析常用指标，利用这些指标可以剖析道路节点之间的关系 特征[1]〇 2.1 中心性 中心性是社会网络分析核心，其能够反映出个人或者组织(节点）在网络中的地位以及信息在整个网络中如何传播。社会 网络中心性有三种分析方法： 1)度中心性。是指一个节点在网络中处于核心地位的程度，即有多少个节点与该节点直接相连。在道路网络应用中，度越大 意味着更多的路径连接到交叉口，也可能意味着度高的节点要比 度低的节点更拥堵[M]: CD(ni)=⑵ j=i 文献标识码:A 2)紧密中心性。在社会网络中，紧密度表示一个节点与其他 节点的接近程度： C c(ni)= 7= 1 (3) 无向图标准化紧密性公式： J L n C c(ni)=j=i r,_ 1(4) 3)中间中心性。表示一个节点对其他没有直接联系节点的 控制性。衡量网络中节点作为“桥梁”的能力： Csin,) = ^----------(5) Sjk 无向图标准化中间性公式： C?g“-2)⑷其中，办为节点?之间的直接路径数;取（^)为节点％到节点&的途径上有节点&的路径数。 2.2凝聚子群 社会网络分析的另一项重要内容是研究网络中存在的凝聚 子群，形象地说就是寻找网络中的小团体，或称之为派系。分析 路网的派系可以找到相互联系紧密的节点群，为区域交通问题的 改善提供依据。凝聚子群分析步骤如下： 第一步:对于多值的矩阵，分析凝聚子群时要把多值转化为 〇，1 二值。 第二步:进行派系分析，找出所有派系，通过调整派系规模，得到理性派系结构。 第三步:分析派系重叠模式，有大量派系它们之间存在重叠，此种情况下利用“共享成员”矩阵来降低派系的数量。 3实例分析 3.1 路网选择 以西藏拉萨市主干路网为例进行分析。拉萨市城区主干路 网有51个节点，102个路段。 3.2中心性结果分析 使用UCINET软件对社会网络进行分析[5]。度中心性、接近 中心性和中间中心性结果如表1所示。 收稿日期=2017-12-05 ★:黑龙江省自然科学基金青年项目（QC2107039);教育部人文社会科学研究青年基金项目（17YJCZH152) 作者简介:陈少鹏（1993-)，男，在读硕士

ec网络分析仪测试方法

"E5071C网络分析仪测试方法 一．面板上常使用按键功能大概介绍如下： Meas 打开后显示有：S11 S21 S12 S22 （S11 S22为反射，S21 S12 为传输）注意：驻波比和回波损耗在反射功能测试，也就是说在S11或者S22里面测试。 Format 打开后显示有：Log Mag———SWR———-里面有很多测试功能，如上这两种是我们常用到的，Log Mag为回波损耗测试，SWR 为驻波比测试。 Display打开后显示有:Num of Traces (此功能可以打开多条测试线进行同时测试多项指标，每一条测试线可以跟据自己的需求选择相对应的指标，也就是说一个产品我们可以同时测试驻波比和插入损耗或者更多的指标） Allocate Traces (打开此功能里面有窗口显示选择，我们可以跟据自己的需求选择两个窗口以上的显示方式） Cal 此功能为仪器校准功能：我们常用到的是打开后在显示选择：Calibrate（校准端口选择，我们可以选择单端口校准，也可以选择双端口校准） Trace Prev 此功能为测试线的更换设置 Scale 此功能为测试放大的功能，打开后常用到的有：Scale/Div 10DB/Div 为每格测试10DB，我们可以跟据自己的产品更改每格测量的大小，方便我们看测试结果 Reference Value 这项功能可以改变测试线的高低，也是方便我们测试时能清楚的看到产品

测试出来的波型。 Save/Recall 此功能为保存功能，我们可以把产品设置好的测试结果保存在这个里面进去以后按下此菜单Save State 我们可以保存到自己想保存的地方，如：保存在仪器里面请按Recall State 里面会有相对应的01到08，我们也可以按SaveTrace Data 保存在外接的U盘里面，方便的把我们产品的测试结果给客户看。 二．仪器测试的设置方法 1.频率设置：在仪器面板按键打开Start 为开始频率，Stop 为终止频率。如我们要测量 2.4G到5.8G，我们先按Start 设置为2.4G，再按Stop 设置为5.8G 2.传输与反射测试功能设置：在仪器面板按键打开Meas 打开后显示菜单里面会有S11 S21 S12 S22 （S11 S22为反射，S21 S12 为传输）注意：驻波比和回波损耗在反射功能测试，也就是说在S11或者S22 里面测试，S11和S21为第一个测试端口测试，S22和S12为第二个端口测试。 3.驻波比和插入损耗测试设置：面板选择按键Format 打开后显示屏菜单里面有好多个测试产品的指标，我们可以跟据自己产品所需要的测试指标选择，如比较常用的SWR(驻波比），Log mag(插入损耗) 4.多窗口和多条测试线设置：面板选择按键Display 打开后显示屏菜单里面会有很多功能，我们用到的是Num of Traces 设置为2，此时显示屏里面会出现两条测试线，一条为黄色，另一条为蓝色，但是现在两条测试线都在一个测试窗口，我们也可以把两条测试线分开在两个测试窗口进行测试；我们可以在Allocate 里面进行选择窗口的显示方式。Traces

网络分析仪使用方法总结

如何使用网络分析仪 德力网络分析仪NA7682A NA7682A矢量网络分析仪吸取了前几代和国外各款网络分析仪应用的经验，结合了最新国际仪器发展的技术和态势，是Deviser德力仪器最新推出的第四代矢量网络分析仪,作为国主流的网络分析仪,下面介绍网络分析仪的使用技巧如下。 频率围从100kHz到8.5GHz频段，为无线通信、广播电视、汽车电子、半导体和医疗器件等行业射频器件、组件的研发和生产的应用提供了高效、灵活的测试手段，进入了民品、工业、科研教育和军工等领域。其主要的特点是与主流网络分析仪是德的E507X系列指标和指令上做到兼容，在客户使用的性价比上非常优秀的选择。 在射频器件、基站天线、手机天线、GPS天线等、通信系统模块分析等领域成功的测试经验使越来越多的客户开始使用这款网络分析仪，在低频、800/900M、1800/1900M、2100M、5G/5.8G等的产品频率应用领域广泛使用。 市良源通科技专业服务与销售射频与通信仪表多年，是德力仪器国最重要的合作伙伴和一级代理商，结合自己多年的技术积累和客户应用的配合测试，得到丰富经验。在仪器的售前与售后服务上面具有自己的优势。提供大量仪器试用和应用方案的设计，给客户在设备开发、产品研制和批量生产上都提供方便和最有优势的选择。 产品特点： 1、12.1英寸1280*800 TFT触摸屏 2、频率覆盖围: 100 kHz 至 8.5 GHz 3、阻抗：50Ω 4、动态围: >125 dB （比E5071C宽7-12dB) 5、极低的迹线噪声: <0.005 dBrms (在 3 kHz IFBW)

6、快速的测量速度: 80usec/点 7、分析与误差修正与校准功能 8、通过USB、LAN 和 GPIB 接口进行系统互联 9、时域分析（选件）：时域传输、反射特性分析；距离上的故障定位。 10、数据变换：涉及多种形式的阻抗、导纳变换。 11、滤波器分析：自动分析出：插损、3dB带宽、6dB带宽、带纹波、带外抑制、Q值、矩形系数等参数。 12、限制线测试：对所测试的技术指标，设定上下限围，测试时自动分析，超出的部分视为不合格，显示“FAIL”。 13、光标点分析：旋轮游动、拖拽光标点，或自动搜索数据，每条迹线最多支持10个光标点。 14、置VBA编程环境，实现装置和测试夹具的控制以及测试后数据的分析。 15、用于流水线多工位的自动测试，与智能流水线体组合，实现工厂的自动化批量生产测试。 如何使用网络分析仪（一）基本使用-- 一招制敌： （1）首先设置频率，按CENTER键（假如设置中心频率为506M的滤波器，就直接设置为506M）。（2）设置带宽（显示带宽）：按SPAN键，一般设置为100M。 （3）按CAL键→ RESPONSE（再第二个键）→ THRU （4）再按MARKER键设置第一个标记点，再按MARKER设置第二点，在依次推（一般设置5个标记点。比如说设计414M(带宽16M)的滤波器各MARKER应如下标记： 如何使用网络分析仪（二）基本使用-- 单端口校准 ,以2.4G天线测试为例 1、主要测试频段 2.4G-2.5G，测试中设置其实频率为2GHz, 终止频率为3GHz 2、测试项目：驻波比，回波损耗，阻抗 3、对网分进行校准，用SMA或3.5mm校准件，在Cal菜单下校准一端口的S11特性。 4、完成校准后，接我们的被测物--2.4G天线； 5、为了测试方便，在网分上设置Marker点； 6、通过Format可以查看不同的被测参数，如驻波比，回波损耗，阻抗等 7、测试后可以存储状态文件，以方便后面调用查看。 如何使用网络分析仪（三）基本知识(一) 1、网分主要测试什么产品 无源器件: Duplexers /Diplexers/ Filters /Couplers /Bridges /Splitters /dividers /Combiners /Isolators / Circulators / Attenuators / Adapters / Opens, shorts, loads/Delay lines /Cables / Transmission lines /Waveguide /Resonators /Dielectrics /R, L, C's 有源器件: RFICs /MMICs /T/R modules /Transceivers /Receivers /Tuners /Converters /VCAs Amplifiers /VCOs /VTFs /Oscillators /Modulators /VCAtten’s 有无源器件:Antennas /Switches /Multiplexers /Mixers /Samplers /Multipliers /Diodes 2、Smith 图：阻抗圆图，分析阻抗随频率变化的最直观工具。