数据可视化工具Gephi在社交网络数据分析中的运用

本期嘉宾：

刘勇，Gephi 官方认证讲师，数据可视化开放倡议（DVOPI）的发起者。

在大数据蓬勃发展的今天，社交网络所表现出的社会影响力，远超于人们的想象。近期网络上发生的许多事件都说明，如何衡量与呈现社交网络中信息传播的关系与效果，是我们每个人值得思考的问题。本期线上沙龙，刘勇老师以实际案例出发，带领大家探讨数据可视化工具Gephi在社交网络数据分析中的运用，用心感受数据可视化的魅力！

1.Gephi告诉你32国的纸媒的引用关系

Gephi是一款处理关系数据的软件。

比如在人群中，谁喜欢谁；在微博等社交媒体上，谁关注谁；在选举中，谁投票给谁；在组织中，谁与谁有合作关系等。

人与人之间的关系数据在实际输入Gephi时，一般格式如下：

在csv文件中，所有数据的每一行都有一个源节点指向目标节点，类似于a到b的形式。在使用文本工具进行编辑后导入Gephi，可以生成相应的图形：

以下是不同国家的纸媒引用关系案例，进一步来看数据可视化在关系分析中的运用。

这是16个国家最具影响力的纸质媒体，查找并罗列这些媒体从2010年1月1日到2014年12月31日5年间所有文章，分析任意两个媒体之间的引用关系。选定媒体后，统计媒体在这期间是否引用了其他媒体稿件。将引用次数进行记录，最终形成一个大的数据表单。

上图表格中的第一行和最左边一列是这32种媒体的名字，从左到右是引用的关系。

以《人民日报》为例。媒体引用自家稿件视为无效的，因此《人民日报》引用《人民日报》的数量为0次，引用《中国日报》的数量是171次，引用《海峡时报》是41次。

《中国日报》引用《人民日报》的数量较多，为2800次；引用本媒为0次，引用《海峡时报》1次，引用《联合早报》49次。

上面的表格展示了数据在excel中的情况，下图展示这些数据在csv格式中的形式。

Gephi无法直接读取excel的文件，在实际处理中，可通过excel另存为csv格式，再用Gephi处理。

数据初步导入Gephi中得到上图效果

进行处理之后的情况

此时所得到的图像是动态的。通过多次调整参数，应用不同的网络分析方法，其外观排列或者节点的大小都会动态地发生变化。

该图是整体图的局部，只有《人民日报》和《中国日报》两个节点。

Gephi的图形有方向指向，在此图中是按顺时针的方向进行旋转。粗的线段表示《中国日报》引用《人民日报》的数量，是2800。而较细的线段表示《人民日报》引用《中国日报》的数量。

在整体图中可以看到，位于中间的4份报纸的节点非常大，而且醒目。

在这四份报纸中，《纽约时报》的节点最大，其他3份报纸都有较粗的线连入纽约时报，且这四个节点互相之间都有较高的连接度。总的来说，在4个节点之中，两两组队的关系一共6种可能，在这个图中，可能有5种是成立的。

从整体上来观察，美国的节点要比英国的大。

在中国的《人民日报》和《中国日报》两个节点中，《中国日报》比《人民日报》更活跃一点，它有两股稍微粗的线条指向《纽约时报》和《人民日报》。但整体上其他媒体没有大量引用他们的文章。《人民日报》指向外面的连线都很细，引用其他文章数量偏少。日本的《每日新闻》指向《人民日报》较多，存在一定量的引用。

从图上可以看到，《人民日报》比《中国日报》离世界的核心稍微远。假设《参考消息》参与数据分析，图像会发生什么样的变化？

同一个国家的两个节点的颜色相同，意味着同一个国家的两个媒体距离较近。不过，最初通过Gephi得到的数据并不包括国家的信息，Gephi也并不知道哪两个媒体属于同一个国家。为什么经过自动处理后，同一个国家的媒体位置会非常接近呢？

这里可能有两种情况，第一，同一个国家的媒体互相引用比较多，第二，同一国家的媒体有相似引用外媒的方式。

最孤独的国家可能是智利，它被远远地甩在了一边；德国和俄罗斯的位置较近；法国与很多国家交流密切；巴西距离中心也不太远；印尼该国两个媒体之间的间距最大的；韩国比日本远离中心······

从总体上对上图进行划分，32个媒体由内到外可分为3个层次。核心层由英美两国构成，是较强的两个点；中间层是一个密度较高的地带，有8个国家；外围层包括6个国家，节点稀疏且遥远。

以上这些可视化图像是通过网络图的方式观察数据所得到的，但这种处理也不尽如人意。比如一个媒体引用其他媒体说明了什么问题？如果选定的媒体没有代表性的话，也代表不了不同国家之间的关系。

但是，原作者表示，他们还会采集更多的媒体去完善这项研究，这对于网络分析来说是一件值得期待的事情。

（数据来源：吴瑛, 李莉, 宋韵雅.多种声音一个世界:中国与国际媒体互引的社会网络分析[J]. 新闻与传播研究, 2015(09):5-21.）

2. 谁在使用Gephi？

在现实中，有哪些人在使用Gephi？他们在使用Gephi做什么事情？对此，GephiGephi官方在2015年12月23日发布的调查问卷整理了以下数据。

以上3个表，分别说明是什么领域、什么职业的人在使用Gephi，以及使用它的人在研究什么样的数据，可得出的结论是：有较多的用户研究社交网络和社交媒体。

3. Gephi 的基本操作

上图是Gephi主要的操作界面。操作界面的最顶端是下拉菜单，下拉菜单下面有3个工具条，分别可以进行3种不同的操作：

【概览】是Gephi主要编辑的区域；【数据资料】是进行数据编辑的地方；【预览】是在打印前输出编辑的地方。

Gephi默认状态是【概览】界面，界面中间有红色的图形编辑区域，左右两侧有两行工具条。

使用工具条中的【工具】选项可以对节点进行编辑：包括节点的添加，边的添加，连线的编辑，节点颜色的更改，节点位置的移动，属性的编辑，节点标签的编辑等；【布局】选项可以对图的结构进行调整；【统计】选项是进行网络做分析的计算方法；【外观】选项可以对节点和边的色彩、大小进行调整。

Gephi插件非常丰富，过去的插件商店在：https://marketplace./，新版推出后，新的插件页面：https:///plugins/#/

4.实时的人际关系数据是如何处理的？

本案例数据的来源，是通过网站（https://who.）对已有的人际认识关系的数据。

在数据采集前，研究者要思考怎样收集到真正需要的数据；另外，关系种类的界定也非常重要。在关系种类确定后，需要确定关系的权重。

利用Gephi，读入节点数据：

读入边的数据：

初次读入在图窗体：

运行布局后：

暂时模块化后的效果：

统计后用 PageRank 计算节点的度，并在外观中上色后，可以得到如下的图：

5. Gephi 的统计功能

节点：利用Gephi研究网络数据分析，主要是通过统计来实现的。

社会网络分析与更广泛的网络科学（包括统计中的功能）相比，主要区别在于社会网络分析是围绕节点的重要性展开。例如可将一个人际关系网，抽象为一个由点和边组成的图:

度：

如判断图中哪一个节点最具影响力？最简单的方法是查看哪个节点所连接边的数量最多。

在Gephi统计当中，很多时候是围绕度的统计展开的。

在一张图中运行一种统计方法后，可在数据资料中计算出相应的数据。

Gephi处理的图有两种：一种是无向图，一种是有向图。在无向图中计算平均度时，默认一个节点有一个边连入，这个节点的度就是一度。

在有向图中度的统计方式发生些变化，不是单纯地用一个度来表示，它包含出度和入度。上图中a的出度是1，因为没有箭头指向它，所以a的入度是零。而b出度则是0，入度是1。

在Gephi统计里，运行平均度计算时根据图的状态，来计算这个图中每个节点的度。计算平均加成度与计算平均度的方法相似，但平均加成度会考虑边的值，如果边的值高，那么节点的入度也会变得更高。

在统计中存在PageRank算法，这是谷歌计算网页权重的一种计算方式。在谷歌中输入关键字进行搜索的时，会产生很多谷歌索引数据库中的网页与这个关键词相关并生成排名。通过PageRank算法，谷歌把计算值高的网页靠前排列。现在，Gephi也使用了PageRank算法，从而可以更好地优化数据。

模块化和连接组件，它们的作用是在统计时把节点进行聚类，不同类别的节点做不同的标志，在外观中用不同的颜色显示出来。

Gephi模块化操作中有一个解析度的设置，设置的数字越小，社区越多；数字越大，社区越小。通过解析度的大小来调整社区大小，从而达到一个容易解释的状态。

另外，还有平均距离系数，平均距离系数是统计每个节点与它周围的节点互相之间连接的程度。如果一个节点的距离系数值比较高，表示这个节点好友之间的连接程度比较高。

特别感谢会议助理：李佳佩

编辑：杨光

运营：黄颖

策划：王文超  李子阳