社交网络分析：从连通到社区发现

社交网络分析：从连通到社区发现

「small world」，小世界——社会学家 Stanley Milgram 的连锁信实验让这个词流行起来：信件沿着熟人链条传递，竟只用寥寥几跳就从美国中部的小镇到达了波士顿的股票经纪人。凯旋检阅的第一场把战场设在人际连接上：好友关系、关注关系、合作关系统统抽象成图，人就是顶点。本节检阅全册兵法在社交战场的成色：连通性与中心性回答"谁在网络的要害位置"，社区发现回答"人群沿着什么边界抱团"，随机图对照回答"你看到的结构是不是错觉"。第 4、6、9 章的部队在此集结点验。

先体检再分析：连通与直径

拿到一张社交图，第一步不是急着算指标，而是做结构体检。连通分量清点（第 4 章）告诉你这张网碎成几块——真实社交平台通常是"一个巨型分量加一堆边缘孤岛"，孤立账号、弃用小号、封闭小圈子各有生态。块内做一次广度优先（第 3 章）又能拿到层次分布与直径的近似——直径是"最远的两跳距离"，它决定了信息扩散的最坏延迟。

import networkx as nx

def network_health(G):
    """社交图体检：分量结构、密度、平均度"""
    comps = sorted(map(len, nx.connected_components(G)), reverse=True)
    n, m = G.number_of_nodes(), G.number_of_edges()
    density = 2 * m / (n * (n - 1)) if n > 1 else 0
    return {
        "分量数": len(comps),
        "最大分量占比": comps[0] / n,
        "孤立顶点数": sum(1 for c in comps if c == 1),
        "密度": round(density, 4),
        "平均度": round(2 * m / n, 2),
    }

# 造一张带小圈子的仿真社交网
social = nx.relaxed_caveman_graph(6, 8, 0.18, seed=7)
social = nx.convert_node_labels_to_integers(social)
print(network_health(social))
​

体检输出里"最大分量占比"接近一而仍有孤立顶点，正是社交平台的典型形态——巨型分量的存在性本身就是第 9 章相变理论的现实回声。

中心性：四把衡量"要害"的尺子

"谁最重要"不是一道题，是一族题——答案取决于你怎么定义重要。度中心性数邻居：谁的好友最多，营销学叫"节点触达力"。接近中心性算到所有人的平均距离（第 5 章单源最短路的直接调用）：离谁都近的人，传话最快。介数中心性数"被多少条最短路路过"：桥型人物未必朋友多，但删掉他，人群之间就要绕远——组织情报学最看重这把尺子。特征向量中心性看"邻居的分量"：被重要的人认识才算重要，社交影响力的经典度量，也是搜索引擎排序思想的直系祖先。

def centrality_parade(G):
    """四把中心性尺子同场点验"""
    import heapq
    deg = nx.degree_centrality(G)
    clo = nx.closeness_centrality(G)
    bet = nx.betweenness_centrality(G)
    eig = nx.eigenvector_centrality_numpy(G)
    def top(d, k=3):
        return [v for v, _ in heapq.nlargest(k, d.items(), key=lambda x: x[1])]
    return {"度": top(deg), "接近": top(clo),
            "介数": top(bet), "特征向量": top(eig)}

parade = centrality_parade(social)
for name, nodes in parade.items():
    print(f"{name}中心性 前三名:", nodes)
​

四份榜单几乎必然不同——这正是度量设计的深意：指标是价值观的代码化。传播控场选介数，营销投放选度，声誉评估选特征向量；把榜单混着用，等于用错了价值观。

社区发现：切人群的算法族

社区发现问：能否把顶点切成若干组，使组内连接远密于组间。它没有唯一真答案——"社区"本身就是建模选择，于是算法呈谱系分布：谱聚类用拉普拉斯矩阵的特征向量把图"摊平再聚类"，数学上与随机游走的慢收敛方向挂钩；Louvain 类贪心迭代地搬移顶点以最大化模块度（真实社区内边占比减去随机图期望值的那份"超出"），多层合并后自底向上长出社区层级；标签传播让每个顶点随多数邻居改标签，几轮收敛后天然分堆，快得能在亿级图上跑。三条路线风格迥异，但骨干都眼熟：贪心合并（第 6 章 Kruskal 的气质）、局部重组（第 7 章增广路的气质）、邻居扩散（第 3 章广度优先的气质）——经典兵法换个马甲重新列队。

def community_probe(G):
    """社区发现演练：贪心模块度 + 零假设对照"""
    from networkx.algorithms.community import greedy_modularity_communities
    comms = greedy_modularity_communities(G)
    mod = nx.algorithms.community.modularity(G, comms)
    return [sorted(c) for c in comms], round(mod, 3)

comms, mod = community_probe(social)
print("社区数:", len(comms), "| 模块度:", mod)

def null_hypothesis_check(G, mod_observed, rounds=20):
    """随机图零假设：同规模同密度下模块度本来能有多高"""
    n, m = G.number_of_nodes(), G.number_of_edges()
    from networkx.algorithms.community import greedy_modularity_communities
    scores = []
    for t in range(rounds):
        R = nx.gnm_random_graph(n, m, seed=500 + t)
        cs = greedy_modularity_communities(R)
        scores.append(nx.algorithms.community.modularity(R, cs))
    avg = sum(scores) / len(scores)
    return f"随机对照平均模块度 {avg:.3f} vs 观测 {mod_observed}"

print(null_hypothesis_check(social, mod))
​

零假设对照是社交分析的职业操守：同规模的随机图（第 9 章模型）也会被算法切出"社区"，模块度有一个随机的地板值；观测值不显著高于地板，所谓的社区就只是噪声的形状。真实社交网的模块度通常数倍于随机地板——抱团是真的，但"多真"必须量化才算数。

应用与边界

中心性与社区的商业化身无处不在：影响力最大化（选哪些种子用户能让传播覆盖最广——它的精确解是难解问题，贪心加子模性分析给出可证明的近似比）、舆情关键人监测（介数榜单）、反欺诈的团伙挖掘（社区 + 异常密度）、推荐系统的好友圈召回。边界也要说清：社交网络的深度建模（传播动力学、网络演化、图表示学习）属于网络科学与图神经网络的地盘——站内专题册承接，本册把地基打牢即功德圆满。

⚠️ 常见坑：拿有向关注图直接跑无向指标。关注是单向的，转成无向图会把"被千万人关注的账号"与"关注了千万账号的账号"混为一谈——方向先想清楚，再决定用入度、出度还是对称化。

💡 关键直觉：社交图分析的全部输出都是"把结构翻译成排名"——度、介数、模块度，各是一种翻译官。读懂一份分析报告，先问它的翻译官是谁、漏译了什么。

社交战场检阅完毕。下一场转入地理与网络基础设施：导航系统与互联网路由里，最短路算法如何在亿级战场上落地。