數據可視化工具Gephi在社交網路數據分析中的運用| 沙龍分享

本期嘉賓：

劉勇，Gephi 官方認證講師，數據可視化開放倡議（DVOPI）的發起者。

在大數據蓬勃發展的今天，社交網路所表現出的社會影響力，遠超於人們的想像。近期網路上發生的許多事件都說明，如何衡量與呈現社交網路中信息傳播的關係與效果，是我們每個人值得思考的問題。本期線上沙龍，劉勇老師以實際案例出發，帶領大家探討數據可視化工具Gephi在社交網路數據分析中的運用，用心感受數據可視化的魅力！

1.Gephi告訴你32國的紙媒的引用關係

Gephi是一款處理關係數據的軟體。

比如在人群中，誰喜歡誰；在微博等社交媒體上，誰關注誰；在選舉中，誰投票給誰；在組織中，誰與誰有合作關係等。

人與人之間的關係數據在實際輸入Gephi時，一般格式如下：

在csv文件中，所有數據的每一行都有一個源節點指向目標節點，類似於a到b的形式。在使用文本工具進行編輯後導入Gephi，可以生成相應的圖形：

以下是不同國家的紙媒引用關係案例，進一步來看數據可視化在關係分析中的運用。

這是16個國家最具影響力的紙質媒體，查找並羅列這些媒體從2010年1月1日到2014年12月31日5年間所有文章，分析任意兩個媒體之間的引用關係。選定媒體後，統計媒體在這期間是否引用了其他媒體稿件。將引用次數進行記錄，最終形成一個大的數據表單。

上圖表格中的第一行和最左邊一列是這32種媒體的名字，從左到右是引用的關係。

以《人民日報》為例。媒體引用自家稿件視為無效的，因此《人民日報》引用《人民日報》的數量為0次，引用《中國日報》的數量是171次，引用《海峽時報》是41次。

《中國日報》引用《人民日報》的數量較多，為2800次；引用本媒為0次，引用《海峽時報》1次，引用《聯合早報》49次。

上面的表格展示了數據在excel中的情況，下圖展示這些數據在csv格式中的形式。

Gephi無法直接讀取excel的文件，在實際處理中，可通過excel另存為csv格式，再用Gephi處理。

數據初步導入Gephi中得到上圖效果

進行處理之後的情況

此時所得到的圖像是動態的。通過多次調整參數，應用不同的網路分析方法，其外觀排列或者節點的大小都會動態地發生變化。

該圖是整體圖的局部，只有《人民日報》和《中國日報》兩個節點。

Gephi的圖形有方向指向，在此圖中是按順時針的方向進行旋轉。粗的線段表示《中國日報》引用《人民日報》的數量，是2800。而較細的線段表示《人民日報》引用《中國日報》的數量。

在整體圖中可以看到，位於中間的4份報紙的節點非常大，而且醒目。

在這四份報紙中，《紐約時報》的節點最大，其他3份報紙都有較粗的線連入紐約時報，且這四個節點互相之間都有較高的連接度。總的來說，在4個節點之中，兩兩組隊的關係一共6種可能，在這個圖中，可能有5種是成立的。

從整體上來觀察，美國的節點要比英國的大。

在中國的《人民日報》和《中國日報》兩個節點中，《中國日報》比《人民日報》更活躍一點，它有兩股稍微粗的線條指向《紐約時報》和《人民日報》。但整體上其他媒體沒有大量引用他們的文章。《人民日報》指向外面的連線都很細，引用其他文章數量偏少。日本的《每日新聞》指向《人民日報》較多，存在一定量的引用。

從圖上可以看到，《人民日報》比《中國日報》離世界的核心稍微遠。假設《參考消息》參與數據分析，圖像會發生什麼樣的變化？

同一個國家的兩個節點的顏色相同，意味著同一個國家的兩個媒體距離較近。不過，最初通過Gephi得到的數據並不包括國家的信息，Gephi也並不知道哪兩個媒體屬於同一個國家。為什麼經過自動處理後，同一個國家的媒體位置會非常接近呢？

這裡可能有兩種情況，第一，同一個國家的媒體互相引用比較多，第二，同一國家的媒體有相似引用外媒的方式。

最孤獨的國家可能是智利，它被遠遠地甩在了一邊；德國和俄羅斯的位置較近；法國與很多國家交流密切；巴西距離中心也不太遠；印尼該國兩個媒體之間的間距最大的；韓國比日本遠離中心······

從總體上對上圖進行劃分，32個媒體由內到外可分為3個層次。核心層由英美兩國構成，是較強的兩個點；中間層是一個密度較高的地帶，有8個國家；外圍層包括6個國家，節點稀疏且遙遠。

以上這些可視化圖像是通過網路圖的方式觀察數據所得到的，但這種處理也不盡如人意。比如一個媒體引用其他媒體說明了什麼問題？如果選定的媒體沒有代表性的話，也代表不了不同國家之間的關係。

但是，原作者表示，他們還會採集更多的媒體去完善這項研究，這對於網路分析來說是一件值得期待的事情。

（數據來源：吳瑛, 李莉, 宋韻雅. 多種聲音一個世界:中國與國際媒體互引的社會網路分析[J]. 新聞與傳播研究, 2015(09):5-21.）

2. 誰在使用Gephi？

在現實中，有哪些人在使用Gephi？他們在使用Gephi做什麼事情？對此，GephiGephi官方在2015年12月23日發布的調查問卷整理了以下數據。

以上3個表，分別說明是什麼領域、什麼職業的人在使用Gephi，以及使用它的人在研究什麼樣的數據，可得出的結論是：有較多的用戶研究社交網路和社交媒體。

3. Gephi 的基本操作

上圖是Gephi主要的操作界面。操作界面的最頂端是下拉菜單，下拉菜單下面有3個工具條，分別可以進行3種不同的操作：

【概覽】是Gephi主要編輯的區域；【數據資料】是進行數據編輯的地方；【預覽】是在列印前輸出編輯的地方。

Gephi默認狀態是【概覽】界面，界面中間有紅色的圖形編輯區域，左右兩側有兩行工具條。

使用工具條中的【工具】選項可以對節點進行編輯：包括節點的添加，邊的添加，連線的編輯，節點顏色的更改，節點位置的移動，屬性的編輯，節點標籤的編輯等；【布局】選項可以對圖的結構進行調整；【統計】選項是進行網路做分析的計算方法；【外觀】選項可以對節點和邊的色彩、大小進行調整。

Gephi插件非常豐富，過去的插件商店在：https://marketplace.gephi.org/，新版推出後，新的插件頁面：https://gephi.org/plugins/#/

4.實時的人際關係數據是如何處理的？

本案例數據的來源，是通過網站（https://who.yufeg.com ）對已有的人際認識關係的數據。

在數據採集前，研究者要思考怎樣收集到真正需要的數據；另外，關係種類的界定也非常重要。在關係種類確定後，需要確定關係的權重。

利用Gephi，讀入節點數據：

讀入邊的數據：

初次讀入在圖窗體：

運行布局後：

暫時模塊化後的效果：

統計後用 PageRank 計算節點的度，並在外觀中上色後，可以得到如下的圖：

5. Gephi 的統計功能

節點：利用Gephi研究網路數據分析，主要是通過統計來實現的。

社會網路分析與更廣泛的網路科學（包括統計中的功能）相比，主要區別在於社會網路分析是圍繞節點的重要性展開。例如可將一個人際關係網，抽象為一個由點和邊組成的圖:

度：

如判斷圖中哪一個節點最具影響力？最簡單的方法是查看哪個節點所連接邊的數量最多。

在Gephi統計當中，很多時候是圍繞度的統計展開的。

在一張圖中運行一種統計方法後，可在數據資料中計算出相應的數據。

Gephi處理的圖有兩種：一種是無向圖，一種是有向圖。在無向圖中計算平均度時，默認一個節點有一個邊連入，這個節點的度就是一度。

在有向圖中度的統計方式發生些變化，不是單純地用一個度來表示，它包含出度和入度。上圖中a的出度是1，因為沒有箭頭指向它，所以a的入度是零。而b出度則是0，入度是1。

在Gephi統計里，運行平均度計算時根據圖的狀態，來計算這個圖中每個節點的度。計算平均加成度與計算平均度的方法相似，但平均加成度會考慮邊的值，如果邊的值高，那麼節點的入度也會變得更高。

在統計中存在PageRank演算法，這是谷歌計算網頁權重的一種計算方式。在谷歌中輸入關鍵字進行搜索的時，會產生很多谷歌索引資料庫中的網頁與這個關鍵詞相關並生成排名。通過PageRank演算法，谷歌把計算值高的網頁靠前排列。現在，Gephi也使用了PageRank演算法，從而可以更好地優化數據。

模塊化和連接組件，它們的作用是在統計時把節點進行聚類，不同類別的節點做不同的標誌，在外觀中用不同的顏色顯示出來。

Gephi模塊化操作中有一個解析度的設置，設置的數字越小，社區越多；數字越大，社區越小。通過解析度的大小來調整社區大小，從而達到一個容易解釋的狀態。

另外，還有平均距離係數，平均距離係數是統計每個節點與它周圍的節點互相之間連接的程度。如果一個節點的距離係數值比較高，表示這個節點好友之間的連接程度比較高。

特別感謝會議助理：李佳佩

編輯：楊光

運營：黃穎

策劃：王文超 李子陽

版權聲明

本文是鏑次元數據傳媒實驗室原創稿件，歡迎個人轉發分享，其他公眾號或機構轉發引用請聯繫郵箱hy@dyclub.org或加鏑次元君Dyclub2015

推薦閱讀：