65、粒状社交网络：模型与应用

粒状社交网络：模型与应用

1. 引言

社交网络已成为现代社会不可或缺的一部分。像 Facebook、Twitter 这类流行的社交网络应用会产生海量数据，这些数据具备大数据的所有特征，这也使得社交网络的分析方式发生了深刻变革。

社交网络是朋友和熟人之间社交关系的集合。人从出生就与家庭成员建立联系，随着时间推移，会融入更大的社交网络，如村庄、学校和工作单位。科技的进步让远程旅行、全球通信和数字互动日益增多，社交网络的复杂度也在不断提升，这种复杂的“连接性”吸引了多个领域的关注。

“社交网络”这一术语由社会科学家提出，最初是作为研究个体、群体、组织甚至整个社会关系的理论构建。近年来，社交网络相关在线服务的兴起，为计算机科学学者带来了新的研究机会，因为这些网络产生的数据具有动态性、大规模、多样性和复杂性等大数据特征，促使近期的算法开始解决与社交网络相关的大数据问题。

自 20 世纪初以来，社交网络一直用图来表示，图分析对于理解这些网络的特征至关重要。随着计算能力的提升，现在可以处理规模更大的真实网络，这也改变了社交网络的分析方式。

与随机网络不同，社交网络呈现出迷人的模式和特性。其度分布遵循幂律或截断几何分布，网络直径相对较小，且某些部分存在高浓度的边，形成了具有高内部边密度和低外部边密度的社区结构。

社交网络分析（SNA）主要有两个研究领域：
- 网络价值分析 ：旨在分析网络中节点的相对重要性，目标集选择是该领域的一个重要应用，即寻找一组有影响力的节点，使信息在网络中的传播最大化，可用于病毒式营销、新闻热点挖掘、社会意识传播等。不过，现有的解决目标集选择问题的方法存在性能或执行