最近四五年间，互联网行业似乎总是绕不开社交网络这个概念。无论是旗舰级别的传说中的facebook、LinkedIn，还是如雨后春笋般冒出来的各种团购和微博网站，全都或多或少地体现着SNS（社会网络服务）的特色。这些五花八门的产品，在丰富我们业余生活的同时，也为研究者提供了大量珍贵的数据。以往只能依靠有限的调研或模拟才能进行的社会网络分析（SNA），现在具备了大规模开展和实施的条件。国内著名而典型的SNS网站“人人网”，最近依靠上市新闻重新赢得了大家的关注。本文基于人人网的好友关系数据，应用统计分析软件R做了社会网络分析的一些尝试。
注：网络边界的确定，是社会网络分析的关键而困难的步骤。由于数据获取的限制，本文分析的对象限制于我的好友。也就是说，本文分析的网络是我自己的好友圈子，读者看了这些分析结果或许会觉得索然无味，感兴趣的同学可以分析一下自己的社交网络，看看是否会有类似的结果。
一、读取数据
之所以选择人人网作为分析的对象，很重要的一点原因在于其数据获取较为便利。本文读取数据的过程借助了一款命令行浏览器cURL，这个浏览器在R中可以用RCurl包实现，简要的中文介绍建议参考medo的《R不务正业之RCurl》。通过RCurl的简单编程，我们可以在R中实现登录人人网、发布状态以及读取页面数据等功能。
人人网好友列表页面的url为http://friend.renren.com/GetFriendList.do?curpage=0&id=****，其中curpage为页码参数，id为相应的用户。通过对id与curpage做简单的循环，我读取了自己（陈逸波）的所有好友以及好友的好友。如果需要分析更大范围的网络，可以做进一步的循环迭代。（用上述代码读取到的数据集记为net.1，该数据有如下的格式：
|
1 2 |
set.seed(13) net.1[sample(1:nrow(net.1), 10), ]
|
其中，第一行数据表示“沈叶”与“邢凤婷”是好友关系，id0与id1为相应的用户id。需要注意的是人人网中不可避免地会出现同名用户的情况，因此id才是用户的唯一标识。
二、绘制简单的好友关系网络图
本文分析的焦点集中于我的好友之间形成的网络，因此考虑做网络图来直观地展示网络的结构。
首先，从上述读取到的数据集中筛选出希望分析的子集。这个子集包含了两个条件：
（1）网络中没有我自己（否则会呈现以我为中心的分布，失去了分析的意义）；
（2）网络中的用户都是我自己的好友。
|
1 2 |
net.1.1 = net.1[net.1[, 1] != "陈逸波", ] net.1.2 = net.1.1[net.1.1[, 4] %in% net.1.1[, 2], ]
|
因为我的好友中不存在同名的现象，可以直接使用用户名，否则需要对同名用户做一定标记或者直接用id来做后续的分析。
|
1 |
ff = net.1.2[, c(1, 3)]
|
然后就是直接利用igraph包的做图功能绘制相应的网络图。
|
1 2 3 4 5 6 7 8 9 10 |
library(igraph) gg = graph.data.frame(d = ff, directed = F) ## 去掉重复的连接 gg = simplify(gg) ## png("net.png", width = 500, height = 500) par(mar = c(0, 0, 0, 0)) set.seed(14) plot(gg, layout = layout.fruchterman.reingold, vertex.size = 5, vertex.label = NA, edge.color = grey(0.5), edge.arrow.mode = "-") ## dev.off()
|
从图中可以直观地看出，我的好友网络存在一定的人群分割，可以尝试对这个网络进行一些分析以提取出其中相对独立的子群（或者称为社群）。
三、子群分割
信息的分类和过滤是社会网络服务的一项特征，例如人人网对好友关系有一套自己的分类方式，用户可以自行对好友进行分组，从而对信息的收发做分组的管理。但是作为用户却未必能够养成并保持这种分组的习惯（例如我自己就从来没有对好友做过分组）。与此同时我们揣测，作为真实关系的线上反映，人人网的好友网络是能够自动呈现出一定的人群分割的，而在社会网络分析中，对网络成分的分析也确实是一项重点。通过分析网络的结构，提取出其中的子群，能够让我们更好地理解这个网络的组成方式，从而更好地管理和利用信息流。
寻找子群的算法有很多，igraph包提供了若干函数以实现对网络子群的搜索，本文采用了其中的walktrap.community()函数，更多细节及其他算法可以查看帮助文档。
为了在网络图中展示这些子群，我们采用不同的颜色来标记他们。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 |
com = walktrap.community(gg, steps = 6) sg = data.frame(name = com$labels, sg = com$mem + 1) subgroup = vector("list", length(unique(com$mem))) for(i in 1:length(unique(com$mem))){ subgroup[[i]] = as.character(sg[sg[, 2]== i, 1])} rm(i) ## subgroup V(gg)$sg = com$mem + 1 V(gg)$color = rainbow(max(V(gg)$sg))[V(gg)$sg] ## png("walktrap.community_1.png", width = 500, height = 500) par(mar = c(0, 0, 0, 0)) set.seed(14) plot(gg, layout = layout.fruchterman.reingold, vertex.size = 5, vertex.color = V(gg)$color, vertex.label = NA, edge.color = grey(0.5), edge.arrow.mode = "-") ## dev.off()
|
从图中可以直观地看出好友网络已经被划分为若干相对独立的子群。这也与我们对人人网（尤其是其前身校内网）的直观理解相符合——人人网的好友关系基本都是真实线下关系的反映，很自然地可以划分为初中同学、高中同学、大学同学，等等（例如网络的上半部分为小学及中学的同学，下半部分为大学同学，而左侧的五个节点，那是统计之都的同学们。）。
具体地看一下划分得到的子群，就能够更好地理解子群的含义。我挑出了比较典型的几个子群，其中包括：
“实验室同学”（子群9）
|
1 |
subgroup[[9]]
|
“校内论坛上某版版友”（子群7）
|
1 |
subgroup[[7]]
|
“高中学弟学妹”（子群11）
|
1 |
subgroup[[11]]
|
“统计之都”（子群8）
|
1 |
subgroup[[8]]
|
其他子群还包括“大学同学（数学系）”、“大学同学（非数学系）”等等，不一而足（甚至能够区分高中的不同班级的同学）。因此可以认为上述算法得到的子群划分是合理且有意义的。
更进一步地，可以对照网络图来考察各个子群成员的分布情况。例如大学数学系同学（下方蓝色点）的链接较为紧密，而非数学系的大学同学（主要是校内论坛上的朋友，下方红色点）的分布则相对分散。通过网络密度可以定量地印证这一点：
|
1 2 3 4 5 6 7 8 9 10 |
## 数学系 sg10=subgraph(gg,V(gg)[sg==10]) ## 非数学系 sg1=subgraph(gg,V(gg)[sg==1]) graph.density(gg) ## [1] 0.06376068 graph.density(sg10) ## [1] 0.5883441 graph.density(sg1) ## [1] 0.1223607
|
四、起到中介作用的那些好友
在社会网络分析中，对节点的中介作用有一个经典的刻画叫做“中间度”。中间度衡量了节点作为中介的程度，当网络中某个个体的中间度较大时，我们认为它在很大程度上起到了中介和沟通的作用。常用的中间度的定义是，其中
表示联通i与j两个节点的捷径的条数，
则表示联通i与j两个节点且经过v的捷径的条数（所谓捷径，就是两个节点之间的最短路径）。在igraph包中，betweenness()函数能够简单地计算网络中各个节点的中间度。
|
1 2 3 4 5 |
V(gg)$bte = betweenness(gg, directed = F) ## png("betweenness.png", width = 500, height = 500) par(mar = c(0, 2, 0, 0)) plot(V(gg)$bte) ## dev.off()
|
根据得到的中间度散点图，我们人为地选择了3000作为分界点，选取中间度高于3000的节点并在图形中利用节点的大小展示出来。
|
1 2 3 4 5 6 7 8 9 |
V(gg)$size = 5 V(gg)[bte>=3000]$size = 15 ## png("walktrap.community_2.png", width = 500, height = 500) par(mar = c(0, 0, 0, 0)) set.seed(14) plot(gg, layout = layout.fruchterman.reingold, vertex.size = V(gg)$size, vertex.color = V(gg)$color, vertex.label = NA, edge.color = grey(0.5), edge.arrow.mode = "-") ## dev.off()
|
从图中也可以直观地看出，中间度最高的5个节点，确实位于中介的地位。
具体看这5个节点：
|
1 |
V(gg)[bte>=3000]
|
对这5个节点，基本上都有比较合理的解释，其中有三个人是“高中校友”兼“大学校友”，而另外两个则沟通了“网络好友”与“大学好友”。
五、基于好友关系的一种简单的推荐
最后，我们也做了基于好友关系的好友推荐，推荐的逻辑与人人网自身的推荐逻辑相同：根据共同好友的数量来进行推荐。在具体实现的时候，仍然需要考虑用户同名的情况。
|
1 2 3 4 5 6 |
net.1.3 = net.1[!(net.1[, 4] %in% net.1.1[, 2]), ] listall = sort(table(net.1.3[, 4]), dec = T) top = names(listall[1:20]) tmp = net.1.3[net.1.3[, 4] %in% top, 3] top20 = sort(table(tmp), dec = T) top20
|
这个推荐的结果与人人网的推荐基本一致（因为逻辑相同嘛），以下是人人网的一些推荐截图：
上述推荐的机制较为简单，但是在拥有大量真实关系的网络中，推荐的效率还是比较高的。当然，我们也可以开展对文本与行为的挖掘，以得到超越真实线下关系的推荐，但本文尚未做这方面的尝试。