グループ内のソーシャルネットワークのクラスタリング - ダミー

人々はコミュニティを形成する傾向があります。つまり、アイデアや感情が好きな人の集まりです。これらのクラスターを研究することによって、特定の行動をグループ全体に帰属させることはより簡単になります（行動を個人に帰することは危険で信頼性が低いものです）。

クラスタの研究の背後にあるアイデアは、人と人とのつながりが存在する場合、しばしば共通のアイデアや目標を持つということです。クラスタを見つけることで、グループのメンバーシップを調べることによって、これらのアイディアを判断できます。たとえば、保険詐欺の検出と税務検査で人々の集団を見つけようとするのは一般的です。予想外の人々のグループは、彼らがそのような状況で人々が集まる通常の理由がないため、詐欺師や脱税者のグループの一員であるという疑惑を提起するかもしれない。

<！ - 1 - >

友情グラフは、人々が互いにどのようにつながっているかを表すことができます。頂点は個人を表し、エッジは家族関係、ビジネス連絡先、友情関係などの接続を表します。典型的には、友情グラフは相互関係を表しており、時には2人の間の絆の強さを表すために重み付けされているため、友情グラフは無向である。

<！ - 2 - >

多くの研究は、関連性のみに焦点を当てた無向グラフに焦点を当てています。また、有向グラフを使用して、Person AがPerson Bを知っていることを示すことができますが、Person BはPerson Aが存在することさえ知りません。この場合、実際には16種類のトライアドを考慮する必要があります。フレンドシップグラフでクラスタを探す場合、これらのクラスタ内のノード間の接続は、基本的に特殊な種類の三角形に依存します。 3人の人のつながりは、

<！ - 3 - >

休業：

3人はお互いを知っています。この場合、誰もが知っている家族の設定について考えてみましょう。 公開：
ある人は他の2人を知っていますが、他の2人はお互いを知りません。職場の個人と自宅の別の個人を知っている人について考えるが、職場の個人は自宅の個人について何も知らない。接続されたペア：
ある人物はトライアド内の他の人物の1人を知っていますが、第三者は知らない。この状況には、お互いに新しいことを知っている人、つまり潜在的にグループに参加したいと思っている人がいます。未接続：
トライアドはグループを形成しますが、グループ内の誰もお互いを知りません。この最後のものはちょっと奇妙に思えるかもしれませんが、大会やセミナーを考えてみてください。これらのイベントの人々はグループを形成しますが、お互いについては何も知りません。ただし、これらのグループには同様の関心事があるため、クラスタリングを使用してグループの動作を理解することができます。トライアルは関係において自然に発生し、多くのインターネットソーシャルネットワークがこの考え方を利用して参加者間のつながりを加速させている。接続密度は、あらゆる種類のソーシャルネットワークにとって重要です。これは、接続されたネットワークが情報を拡散し、コンテンツをより簡単に共有できるためです。たとえば、プロフェッショナルなソーシャルネットワークであるLinkedInがネットワークの接続密度を高めることを決定したとき、それはオープントライアッドを探して人々の接続を促すことでクローズアップしようとしました。三つ組を閉じることは、LinkedInの接続提案アルゴリズムの基礎にあります。

Quoraの解答を読むことで、それがどのように働くかについてもっと知ることができます。ここでの例は、Zachary's Karate Clubのサンプルグラフに依存しています。これは、大規模なデータセットをロードするのに多くの時間を費やすことなく、ネットワークがどのように機能するかを見る小さなグラフです。幸い、このデータセットは networkx

パッケージの一部として表示されます。 Zachary's Karate Clubネットワークは、1970年から1972年までの34人の空手クラブの友人関係を表しています。社会学者Wayne W. Zacharyは、これを研究のテーマとして使用しました。彼は、「小グループの紛争と核分裂のための情報流通モデル」と題した論文を書いた。 "このグラフとその論文の興味深い事実は、その年の間に、空手教官の1人（ノード番号0）とクラブの社長（ノード番号33）の間でクラブで紛争が発生したことです。グラフをクラスタリングすることで、発生直後のクラブを2つのグループに分けることがほぼ完全に予測できます。 この例では、グループを示すグラフも描画されているため（簡単に視覚化できるように）、 matplotlib

パッケージも使用する必要があります。次のコードは、データセットのノードとエッジをグラフ化する方法を示しています。 import networkxをnx import matplotlibとしてインポートします。 pyplotはplt

％matplotlibインライン

graph = nx。 karate_club_graph（）

pos = nx。 spring_layout（グラフ）

nx。描画（グラフ、pos、with_labels = True）

plt。 show（）

画面上にグラフィックを表示するには、ノードを画面上に配置する方法を決定するレイアウトも指定する必要があります。この例では、Fruchterman-Reingold force-directedアルゴリズム（

nx。spring_layout

への呼び出し）を使用します。図は、この例の出力を示しています。（あなたの出力は若干異なる場合があります）。友人同士のネットワーククラスタを示すグラフ。グラフの自動レイアウトを生成するためのFruchterman-Reingold力指向アルゴリズムは、電気的に荷電した粒子または同じ符号を有する磁石間の物理現象を模倣することによって交差しない、分離されたノードおよびエッジを有する理解できるレイアウトを作成する。グラフの出力を見ると、いくつかのノードには接続が1つしかなく、いくつかのノードが2つ、そして2つ以上しかないことがわかります。前述したように、エッジは三つ組を形成する。しかし、最も重要な考慮事項は、図がソーシャルネットワークで発生するクラスタリングを明確に示していることです。