人群与网络学习——第1周课程

李老师在coursera里面的课程，讲社交网络的。

第一周：

基本知识的讲解

1.1 人群与网络

介绍了一些networks，提出了一个观点：计算能力的发展，使得挖掘这些意义成为可能，使得针对网络的可计算性，也越来越凸显。进而，使得人类社会的行为，及其与网络之间的 互动关系的可预测性，也变得越来越有意义。

1.2 网络与图

图的基本性质：节点和边。网络 图是网络结构信息的抽象，表达的是网络中各种事物之间的关系。

1.3 路径，连通图，联通分量

so easy

1.4 广度优先于二部图

二部图：所有的节点被分成两个部分，所有的边都跨两个节点，这两个节点都来自不同的部分。

如果一个图中，存放一个子圈，这个子圈中包括奇数个节点，那个这个图不是二部图。

二部图的判定：对一个图进行宽度（广度）优先搜索，如果不存在层内边，则该图可以被划分为二部图。

层内边的定义：一条边，位于第i层，也位于第i+1层。

1.5 三元闭包聚集系数：

三元闭包：三个节点，这三个节点都是连接的，构成了一个三角形，就叫三元闭包。

聚集系数：这里的聚集系数实际上指的是局部聚集系数，即某个点的聚集系数。

局部聚集系数的公式：（以点A为例） = (这些点对中是直接连同的点对的个数) / (通过A而连同的点对的个数，例如（B-A-C， B-A-D中的点对BC，BD）)

每个点聚集系数的大小，表示聚集其他点的能力。

聚集系数的意义：BC都是A的朋友，聚集系数越大，则BC也是朋友的可能性就越大。

1.6 三元闭包的验证：

一个实验：电子邮件社会网络，再次验证了三元闭包。两个互不认识的朋友之间，共同朋友的个数越多，这两个人之间认识的可能性越大。这里面强调的一点是朋友关系图是不断发生变化的，所以会得到一个关于时间——认识的概率的图。

1.7 强弱关系结构洞

结构洞：如果删除一个节点，原先的联通部分变成了多个联通子图，那么这个点就在结构洞的位置上。一个图可以有多个结构洞。

聚集系数反应的是一个节点与邻居节点的关系的紧密程度，但是结构洞则反应的是一个点对整个图的联通性的作用大小。

嵌入性的度量：一条边的两端所共有的邻里数。嵌入性越强的边，相互之间的信任也就越强。

1.8 弱关系与网络中的捷径

捷径表示，如果两个点直接联通，如何删除这条联通边，这两个点直接的距离长度大于等于3，那么被删除的那条边就是捷径。

强三元关系：有BC都是A的朋友，AB之间是强关系，AC之间是强关系，则BC之间不可能没有关系。

符合强三元关系：BC都是A的朋友，AB之间是强关系，AC之间是强关系，BC之间有关系，则A符合强关系三元组。

违背强关系三元组：BC都是A的朋友，AB之间是强关系，AC之间是弱关系，但BC之间没有关系，则A违背强关系三元组。

捷径与弱关系：若节点A符合强三元闭包，且至少有两个强关系邻居，则与A相连的任何捷径必定意味着是弱关系。

假设BC是A的强关系邻居，如果D也是A的强关系邻居，说明BD和CD之间一定有联系，如果没有联系，D不可能是强关系，只可能是弱关系。