社會網路分析與 Gephi 使用教學

第一章 – 社會網絡分析

• 社會網絡分析的古往今來
• 社會網絡中的關係與節點
• 視覺化網路的功效及意涵

第二章 – Gephi 社會網絡分析工具

• Gephi 社會網路分析工具簡介
• 準備工作
  • 資料蒐集及策略
  • 資料清洗
  • 建立關聯式資料庫
  • 資料匯出及管理
  • 應付較大量資料的處理技巧
• 開始利用 Gephi進行社會網絡分析
  • Gephi 各部件畫面及功能說明
  • 專案管理及工作區模板介紹
    • 專案及工作區管理
    • Overview (綜合模式)
    • Data Laboratory (資料處理模式)
    • Preview (視覺化圖形預覽模式)
  • 資料匯入及格式的選擇
  • 初步全域網絡概要資訊統計
  • 視覺化版型演算法及應用策略
  • 視覺化預覽設定
    • Preview Settings (預覽設定)
    • Ranking (視覺化調整 : 重要性排序)
    • Partition (視覺化調整 : 子結構區別)
  • 網絡視覺化
    • 預覽式視覺化
    • 互動式視覺化
    • 視覺化成果匯出
  • 大量資料情況下的視覺化分析技巧
• 網路分析統計功能總攬
  • 全域網絡概要資訊統計
  • 全域節點資訊統計
  • 全域關聯資訊統計
  • Data Table 各指標資訊匯出及管理
• 進階視覺化互動式探索
  • 即時資料分析及視覺化技巧 (on-the-fly editing & data filtering)
  • 內建網絡資訊篩選功能庫介紹
    • 五大類篩選目標及功能
    • 視覺化互動式即時社會網絡分析技巧 – 與視覺化版型演算法配合操作
  • 動態社會網路分析

第三章 – 實務案例及應用

(暫無規劃)

附錄

1. 視覺化版型演算法參數說明
2. Gephi Market 實用外掛套件(Plugins)精選
3. 多重關係網絡投影及全重量化處理策略 (n-mode network projection)

Hints

• 大量資料的篩選下, 若是直接從權重不夠高的下手, 則容易失去弱關聯意圖呈現的資訊
• Closeness 隱含了 Modularity 中 Density 的意涵, 地理位置相近的節點通常具有相近的 Closeness 數值, 因此若由 Closeness 數值進行一維 clustering, 則群數與 Modularity 會有正相關
• 若要以全域的的角度來觀察網路 (例如 Heat Map) ,
  則資料篩選則需從全域性的指標進行篩選 (比如 Eigenvector Centrality, Betweenness Centrality 等) ; 但若是要以區域的角度來觀察網路 (例如 Modularity),
  則需以區域性的指標進行篩選 (例如 Degree, Weighted Degree),
  才不會遷就整體趨勢及門檻而失去區域性資訊(例如 weak-tie),
  使得視覺上看不出原本應有的群聚特性.