Page 10 - 《社会》2017年第2期

罚似然图模型与社会网络测量

一、导言

随着互联网和智能设备愈来愈多地介入人们的日常生活以及大数
据概念的提出，在社会科学研究领域，研究者们面对着一个新的非常巨
大的数据源。不同于传统的问卷调查数据，这种新的数据来自各类智能
设备的记录：手机信号塔所记录的在某个范围内的人群聚集状况，摄像
头所捕捉到的人们在各个场所的出现，人们在互联网使用过程中所留下
的轨迹或积累的信息等，例如微博的评论或转发、网络论坛上的发帖和
回帖。也有一些数据早已进入研究者的视野，由于信息化手段的丰富多
样，研究者们无需再大费周章专门进行数据录入或转换，例如人们的日
常消费记录、学术文献的作者信息和引文信息、公司间的联动交易信息，
等等。对于上述数据，研究者们往往关注其中的共现关系并探讨其潜在
的社会机制。例如，在同一个论坛的帖子里进行讨论的用户可能对某一
话题具有共同的兴趣，在科学文献作品中科学家之间合作关系的形成，
图书购买记录背后所蕴含的共同的政治态度和价值观，等等。
一般来说，对上述数据的分析大多采用社会网络分析方法进行。
从数据分析的角度来看，这类互动数据可以用一个发生矩阵（ 犻狀犮犻犱犲狀犮犲
犿犪狋狉犻狓 ）来表示，例如一个 狀×犿 的二进制矩阵 犘 ：
狏 １ 狏 ２ 狏 ３ 狏 ４ 狏 ５
犲 １ １ １ ０ ０ ０
熿 燄
犲 ２ ３ ０ １ ０ ０
犲 ３ １ ０ ０ ３ ０
Ｐ＝
犲 ４ ０ ４ ０ １ ０
犲 ５ ０ ０ １ ０ ２
犲 ６ ０ ０ ０ ０ ３ 燅
燀
其中矩阵的行表示某个场所或事件，例如微博的博文、学术文章或者
购物清单等，矩阵的列则表示参与该事件的基本单位或成员，例如转发微
博的用户、文章作者或者消费者所购买的商品的名称。若 狆 犻 犼＝１ 则表示第
犼 个成员参与了第犻 次事件，反之则表示没有参与。矩阵 犘 也可以采用权
值的方式表示，即矩阵元素的取值表示参与的权值，例如回帖或转发的次
数、所购买的商品数量、停留的时长等。在社会网络分析方法中，将上述社
会网络结构称为双模网络，也称双重网络（ 犫犻 狆 犪狉狋犻狋犲 ）或“隶属网”。

· ３ ·