Page 11 - 《社会》2017年第2期

社会· ２０１７ · ２

在社会网络分析方法中，有很多对双模数据进行分析的方法，既有
直接对双模网络的关联模式进行分析的方法，也有将双模网络变为单
模网络的降模法。就行为观测数据而言，研究者通常只关心列模（成员
模）的网络关联模式，行模（事件模）则作为协变量来考虑。将二进制双
模数据进行一个简单的矩阵映射，就可得到一个单模矩阵，又称共生矩
阵（ 犮狅狅犮犮狌狉狉犲狀犮犲犿犪狋狉犻狓 ）。这个单模矩阵 既可 以是 表示 列模的数 据
（ 犘 ×犘 ， 犿 ×犿 ），也可以是表示行模的数据（ 犘×犘 ， 狀×狀 ），数据
犜
犜
的选择取决于研究者的需要。单模矩阵的数值则表示参与者两两之间
共同出现的频次，因此该矩阵可视为有权网。从计算的角度来说，使用
矩阵映射进行降模可以得到参与者的行为频次信息，非常简单高效。
但是，对于带权值的发生矩阵，降模映射则不太适用。其最大的缺
点在于降模之后所得到的是一个密集矩阵。在原双模网络中，若节点
的中心度为 犱 的话，则降模之后变为［ 犱× （ 犱－１ ）］／ ２ ，从而放大了网
，
络密度，并在某种程度上扭曲了网络结构（ 犔犪狋犪 狆狔犲狋犪犾． ， ２００８ ）。因
此，通常来说还需进一步处理，将其转换为二进制作为社会网络关系的
量度。然而这种二值化量度的困扰在于如何确定阈值。若采用一个单
一阈值对矩阵权值进行转换，则其潜在假设是参与者有相同的分布。
例如，在网络社区中，网络成员之间的发帖数和回复数存在非常大的变
差。假设成员 狓 与 狕 共有 ３ 次回复，成员 狔 与 狕 共有 ５ 次回复，但 狓
的总回帖量是 ３ 次，而 狔 的总回帖量是 １００ 次。我们该如何判定或比
较 狓狕 和 狕 这两对关系呢？显而易见，基于单一阈值的二值化网络
狔
测度难以处理此类情形。在此基础上，可以考虑相对比例，例如 ３ ／ ３ 与
５ ／ １００ 。巴拉 特 等 人 （ 犅犪狉狉犪狋 ， 犲狋犪犾． ， ２００４ ； 犅犪狉狋犺  犾犲犿 狔 犲狋犪犾． ， ２００５ ；
，
犖犲狑犿犪狀 ， ２００４ ）提出了改进型的加权方案，但其着重于探测网络的社
区结构，而非节点间的关系测度。
除了降模映射法，典型的处理方式还包括直接计算列模的相关系
数矩阵并作为社会网络测量。相关系数法的优点在于能够控制不同参
与者的活跃程度，但缺点是无法识别虚假相关，同时相关系数矩阵作为
一个稠密矩阵 也 不 太 适 合 对 大 规 模 网 络 进 行 测 量。有 学 者 （ 犚犪犲犱犲狉
犪狀犱犆犺犪狑犾犪 ， ２０１１ ； 犣狑犲犻 犵犪狀犱犓犪狌犳犿犪狀狀 ， ２０１１ ）将双模数据视为“购物
篮”问题，采用数据挖掘手段来发现列模之间的关联模式，然而其可信
度和解释力不太能够得到保证。

· ４ ·