การจัดกลุ่มเครือข่ายทางสังคมในกลุ่ม - มัมมี่

คนมักจะสร้างชุมชน - กลุ่มของคนอื่น ๆ ที่มีความคิดและความรู้สึกเช่น ด้วยการศึกษากลุ่มเหล่านี้การอนุมานถึงพฤติกรรมบางอย่างของกลุ่มโดยรวมกลายเป็นเรื่องง่าย (แม้ว่าพฤติกรรมของบุคคลจะเป็นอันตรายและไม่น่าเชื่อถือ)

แนวคิดที่อยู่เบื้องหลังการศึกษาของกลุ่มคือถ้ามีการเชื่อมต่อระหว่างคนพวกเขามักจะมีชุดของความคิดและเป้าหมายร่วมกัน เมื่อค้นหากลุ่มคุณสามารถกำหนดแนวคิดเหล่านี้ได้โดยการตรวจสอบการเป็นสมาชิกกลุ่ม ตัวอย่างเช่นการพยายามหากลุ่มคนในการฉ้อโกงและการตรวจสอบภาษีเป็นเรื่องปกติ กลุ่มคนที่ไม่คาดคิดอาจเพิ่มความสงสัยว่าพวกเขาเป็นส่วนหนึ่งของกลุ่มผู้กระทำการหลอกลวงหรือผู้ที่เลี่ยงภาษีเนื่องจากไม่มีเหตุผลที่คนทั่วไปจะรวบรวมในสถานการณ์เช่นนี้

กราฟสัมพันธภาพ สามารถแสดงให้เห็นว่าผู้คนเชื่อมต่อกันอย่างไร จุดสุดยอดเป็นตัวแทนของบุคคลและขอบแสดงถึงการเชื่อมต่อของพวกเขาเช่นความสัมพันธ์ในครอบครัวการติดต่อทางธุรกิจหรือความผูกพันกับมิตรภาพ โดยปกติแล้วกราฟความเป็นมิตรจะไม่มีทิศทางเพราะแสดงถึงความสัมพันธ์ซึ่งกันและกันและบางครั้งพวกเขาก็จะแสดงความแข็งแกร่งของความผูกพันระหว่างคนสองคน

การศึกษาจำนวนมากมุ่งเน้นที่กราฟที่ไม่มีทิศทางซึ่งมุ่งเน้นที่สมาคมอย่างเดียว นอกจากนี้คุณยังสามารถใช้กราฟที่กำกับเพื่อแสดงให้คนรู้เกี่ยวกับบุคคล B แต่บุคคล B ไม่ทราบว่ามีบุคคล A อยู่ ในกรณีนี้คุณมี 16 ชนิดที่จะพิจารณา

เมื่อต้องการหากลุ่มในกราฟมิตรภาพการเชื่อมต่อระหว่างโหนดในกลุ่มเหล่านี้ขึ้นอยู่กับ triads - โดยเฉพาะรูปสามเหลี่ยมชนิดพิเศษ การเชื่อมต่อระหว่างสามคนสามารถอยู่ในหมวดหมู่เหล่านี้ได้:

• ปิด: ทั้งสามคนรู้จักกันและกัน ลองนึกถึงฉากครอบครัวในกรณีนี้ซึ่งทุกคนรู้จักทุกคน
• เปิด: คนหนึ่งคนรู้จักคนอื่นสองคน แต่ทั้งสองคนไม่รู้จักกัน คิดถึงบุคคลที่รู้จักบุคคลในที่ทำงานและบุคคลอื่นที่บ้าน แต่บุคคลในที่ทำงานไม่ทราบอะไรเกี่ยวกับบุคคลที่บ้าน
• คู่ที่เชื่อมต่อกัน: คนหนึ่งรู้จักคนอื่นในกลุ่มคนสามคน แต่ไม่รู้จักบุคคลที่สาม สถานการณ์นี้เกี่ยวข้องกับคนสองคนที่รู้จักบางสิ่งบางอย่างเกี่ยวกับการพบปะผู้อื่นซึ่งกันและกัน - คนที่อาจต้องการเป็นส่วนหนึ่งของกลุ่ม
• Unconnected: กลุ่มสามสร้างกลุ่ม แต่ไม่มีใครในกลุ่มรู้จักกันและกัน สุดท้ายนี้อาจดูแปลก ๆ แต่คิดถึงการประชุมหรือสัมมนาคนในเหตุการณ์เหล่านี้ก่อตัวเป็นกลุ่ม แต่อาจไม่รู้เรื่องเกี่ยวกับกันและกัน อย่างไรก็ตามเนื่องจากมีความสนใจคล้ายกันคุณสามารถใช้การจัดกลุ่มเพื่อทำความเข้าใจพฤติกรรมของกลุ่ม

Triads เกิดขึ้นตามธรรมชาติในความสัมพันธ์และเครือข่ายสังคมออนไลน์จำนวนมากได้ใช้ประโยชน์จากแนวคิดนี้เพื่อเร่งการเชื่อมต่อระหว่างผู้เข้าร่วมประชุม ความหนาแน่นของการเชื่อมต่อเป็นสิ่งสำคัญสำหรับเครือข่ายสังคมใด ๆ เนื่องจากเครือข่ายที่เชื่อมต่อสามารถแพร่กระจายข้อมูลและแบ่งปันเนื้อหาได้ง่ายขึ้น ตัวอย่างเช่นเมื่อ LinkedIn เครือข่ายสังคมมืออาชีพตัดสินใจที่จะเพิ่มความหนาแน่นของการเชื่อมต่อเครือข่ายของตนเริ่มจากการค้นหา triads แบบเปิดและพยายามปิดโดยเชิญชวนให้ผู้คนเชื่อมต่อ การปิดบัญชี Triads เป็นพื้นฐานของอัลกอริทึมคำแนะนำการเชื่อมต่อ ของ LinkedIn คุณสามารถค้นพบเพิ่มเติมเกี่ยวกับวิธีการทำงานได้โดยการอ่านคำตอบของ Quora

ตัวอย่างนี้ขึ้นอยู่กับกราฟตัวอย่างของ Karate Club ของ Zachary เป็นกราฟขนาดเล็กที่ช่วยให้คุณเห็นว่าเครือข่ายใช้งานได้อย่างไรโดยไม่ใช้เวลาในการโหลดชุดข้อมูลขนาดใหญ่เป็นจำนวนมาก โชคดีที่ชุดข้อมูลนี้ปรากฏเป็นส่วนหนึ่งของชุด networkx เครือข่าย Karate Club ของ Zachary แสดงถึงความสัมพันธ์ระหว่างมิตรภาพระหว่างสมาชิกคาราเต้ 34 แห่งจาก 1970 ถึง 1972 สังคมวิทยา Wayne W. Zachary ใช้หัวข้อนี้ในการศึกษา เขาเขียนบทความเรื่อง "แบบจำลองการไหลของข้อมูลสำหรับความขัดแย้งและการแยกกลุ่มในกลุ่มย่อย "ความจริงที่น่าสนใจเกี่ยวกับกราฟและเอกสารฉบับนี้คือในช่วงหลายปีที่ผ่านมาความขัดแย้งเกิดขึ้นระหว่างสโมสรกับอาจารย์สอนคาราเต้ (หมายเลข 0) และประธานสโมสร (โหนดหมายเลข 33) การจัดกลุ่มกราฟทำให้คุณสามารถคาดเดาการแบ่งแยกสโมสรออกเป็นสองกลุ่มได้ไม่นานหลังจากเกิดเหตุการณ์

เนื่องจากตัวอย่างนี้จะวาดกราฟที่แสดงกลุ่มต่างๆ (เพื่อให้เห็นภาพได้ง่ายขึ้น) คุณต้องใช้แพคเกจ matplotlib โค้ดต่อไปนี้แสดงวิธีการกราฟโหนดและขอบของชุดข้อมูล

import networkx as nx

import matplotlib pyplot เป็น plt

% matplotlib inline

กราฟ = nx karate_club_graph ()

POS = NX spring_layout (กราฟ)

NX วาด (กราฟ, pos, with_labels = True)

plt show ()

เมื่อต้องการแสดงภาพกราฟิกบนหน้าจอคุณจำเป็นต้องจัดเค้าโครงที่กำหนดตำแหน่งโหนดบนหน้าจอ ตัวอย่างนี้ใช้อัลกอริธึม Fruchterman-Reingold บังคับ (การเรียกร้องให้ nx spring_layout ) ภาพประกอบแสดงผลลัพธ์จากตัวอย่าง (ผลลัพธ์ของคุณอาจแตกต่างออกไปเล็กน้อย)

กราฟที่แสดงกลุ่มเครือข่ายของความสัมพันธ์ระหว่างเพื่อน

อัลกอริธึม Fruchterman-Reingold บังคับให้สร้างเค้าโครงโดยอัตโนมัติของกราฟสร้างเค้าโครงที่เข้าใจได้โดยมีโหนดและขอบที่แยกออกจากกันโดยไม่มีการเลียนแบบสิ่งที่เกิดขึ้นในฟิสิกส์ระหว่างอนุภาคที่มีประจุไฟฟ้าหรือแม่เหล็กที่มีเครื่องหมายเดียวกัน ในการดูกราฟที่เอาท์พุทคุณจะเห็นว่าโหนดบางส่วนมีการเชื่อมต่อเพียงบางส่วนและบางส่วนมากกว่าสองขอบแบบฟอร์ม triads ตามที่กล่าวมาแล้ว อย่างไรก็ตามการพิจารณาที่สำคัญที่สุดคือตัวเลขดังกล่าวแสดงให้เห็นถึงการจัดกลุ่มที่เกิดขึ้นในเครือข่ายสังคมอย่างชัดเจน