PHÂN TÍCH MẠNG XÃ HỘI Social Network Analysis (SNA)

ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC CƠNG NGHỆ THƠNG TIN CHƯƠNG TRÌNH ĐÀO TẠO THẠC SĨ CNTT ĐỀ TÀI: PHÂN TÍCH MẠNG XÃ HỘI Social Network Analysis (SNA) Giảng viên hướng dẫn : PGS.TS Đỗ Phúc Sinh viên thực hiện:Tạ Lê Thủy Tiên MHHV:CH1101144 MỤC LỤC LỜI MỞ ĐẦU PHẦN I: TỔNG QUAN VỀ CƠ SỞ DỮ LIỆU ĐỒ THỊ: .4 PHẦN II: PHÂN TÍCH MẠNG XÃ HỘI 10 KẾT LUẬN 41 THAM KHẢO 42 LỜI MỞ ĐẦU  Thế giới có gần 700 triệu người dùng Facebook, tiêu tốn 700 tỉ phút/ tháng để cập nhật thông tin gia đình, bạn bè, tải hình ảnh, video hay đơn giản chia sẻ suy nghĩ (nguồn http://www.checkfacebook.com, tháng 6/2011) Ngày mạng xã hội với mô hình UGC (User generated content – người dùng tạo nội dung) bùng nổ nhiều hình thức, đặc biệt trang web cung cấp dịch vụ blog.Các hệ thống đưa hàng triệu trang web cá nhân cập nhật liên tục người dùng ý kiến (comment) khách truy cập Người dùng vào không để cập nhật thông tin cá nhân mà chia sẻ suy nghĩ, nhận xét, trải nghiệm sản phẩm hay dịch vụ Đây mỏ vàng nhiều cơng ty! Các chun gia marketing qua có hội tiếp cận người tiêu dùng tiềm biết thêm trải nghiệm khách hàng Từ đó, họ phân tích thêm cho việc kinh doanh Sự tương tác IDC gọi phân tích liệu xã hội trực tuyến Dữ liệu MXH trực tuyến phân tích có ý nghĩa với cơng ty cung cấp dịch vụ cho người tiêu dùng quy mô lớn Thông qua trao đổi MXH, đội ngũ bán hàng marketing có thơng tin SP/DV hay ý tưởng cho SP, chiến dịch marketing tới Càng nhiều người nói SP/DV phân tích có giá trị với DN Bài tiểu luận trình bày Đồ thị-Cơ sở liệu đồ thị-Mạng xã hội-Lí thuyết phân tích mạng xã hội-Ví dụ đơn giản-Sử dụng phần mềm NODEXLDegree_betweness_closeness_clustering.exe để phân tích mạng xã hội đơn giản Em xin chân thành cảm ơn PGS.TS Đỗ Phúc – Giảng viên môn học sở liệu nâng cao truyền đạt kiến thức vô quý báu, xin chân thành cám ơn ban cố vấn học tập ban quản trị chương trình đào tạo thạc sĩ Cơng nghệ thông tin qua mạng Đại Học Quốc Gia TPHCM tạo điều kiện tài liệu tham khảo để em hồn thành mơn học Chân thành cám ơn! Tạ Lê Thủy Tiên PHẦN I: TỔNG QUAN VỀ CƠ SỞ DỮ LIỆU ĐỒ THỊ: I ĐỒ THỊ: Ví dụ đồ thị thực tế: 1.1 Hợp chất hóa học (Cheminformatics): 1.2 Cấu trúc protein: 1.3 Cơ sở liệu XML, Web, phân tích mạng xã hội: Khái quát đồ thị Đồ thị tập đối tượng gọi đỉnh nối với cạnh.Có loại đồ thị : đồ thị vơ hướng đồ thị có hướng Đồ thị vơ hướng II Đồ thị có hướng Cấu trúc đồ thị mở rộng cách gán trọng số cho cạnh đồ thị Có thể sử dụng đồ thị trọng số để biểu diễn khái niệm khác chiều dài đường,thời gian hai nút, độ mạnh liên kết nút, số giao tác kết nối nút thời điểm đó… Nhiều tốn thực tế biểu diễn đồ thị Ví dụ, cấu trúc liên kết website biểu diễn đồ thị có hướng, XML, cấu trúc phân tử hóa học, cấu trúc protein, đối tượng 3D… CƠ SỞ DỮ LIỆU ĐỒ THỊ Giới thiệu : Cơ sở liệu đồ thị tập đồ thị.Một sở liệu đồ thị có nhiều đồ thị có đồ thị, đồ thị lớn chứa nhiều nút đỉnh ví dụ mạng xã hội 1.1 Một đồ thị có chứa nút mối quan hệ Đồ thị đơn giản nút ghi đặt tên giá trị gọi thuộc tính.Một Node bắt đầu thuộc tính đơn giản phát triển lên vài triệu, có chút bất tiện.Tại số điểm, tạo nên chiều để phân phối liệu vào nhiều nút, tổ chức với mối quan hệ rõ ràng 1.2 Mối quan hệ tổ chức đồ thị “Nodes —Được tổ chức bởi→Mối quan hệ—mà có → Thuộc tính” Mối quan hệ tổ chức nút thành cấu trúc bất kỳ, cho phép đồ thị giống danh sách, cây, đồ, tổ chức phức hợp kết hợp thành phức tạp hơn, cấu trúc kết nối với phong phú 1.3 Truy vấn đồ thị với Traversal MộtTraversal làm bạn truy vấn đồ thị, điều khiển từ nút nút liên quan đến theo thuật tốn, việc tìm kiếm câu trả lời cho câu hỏi "Những âm nhạc bạn bè tơi thích mà chưa sở hữu," "nếu điều nguồn cung cấp lượng giảm xuống, dịch vụ web bị ảnh hưởng?" 1.4 Chỉ mục tra cứu nút mối quan hệ Thơng thường, bạn muốn tìm thấy nút cụ thể mối quan hệ theo Sở hữu có.Thay qua tồn đồ thị, sử dụng số để thực tìm kiếm,ch câu hỏi "tìm cho tài khoản tên người dùng điều khiển đồ thị" 1.5 Neo4j sở liệu đồ thị Neo4j sở liệu mã nguồn mở đồ thị hỗ trợ thương mại Nó thiết kế xây dựng từ đơn giản lên sở liệu đáng tin cậy tối ưu hóa cho cấu trúc đồ thị thay bảng.Làm việc với Neo4j, ứng dụng bạn tất biểu cảm đồ thị, Với tất tin cậy bạn mong đợi sở liệu So sánh Mơ hình sở liệu Một sở liệu đồ thị lưu trữ liệu có cấu trúc nút mối quan hệ đồ thị.Làm để so sánh với mơ hình bền bỉ khác? Bởi đồ thị cấu trúc tổng quát, so sánh vài mơ hình tìm đồ thị 2.1 Một sở liệu đồ thị biến đổi RDBMS Lật đổ ngăn xếp ghi sở liệu quan hệ giữ tất mối quan hệ, bạn thấy đồ thị.nơi mà hợp RDBMS tối ưu hóa cho liệu tổng hợp, Neo4j tối ưu hóa cho liệu kết nối cao 2.2 Cơ sở liệu đồ thị lập lưu trữ giá trị khóa Một mơ hình giá trị khóa tuyệt vời cho tra cứu giá trị đơn giản danh sách.Khi giá trị kết nối với nhau, bạn có đồ thị.Neo4j cho phép bạn xây dựng cấu trúc liệu đơn giản thành phức tạp hơn, liệu kết nối với Cách lưu trữ đồ thị: 3.1 Lưu trữ RDBMS Dữ liệu lưu trữ thành dòng cột table khác nhau.Dữ liệu truy xuất câu lệnh SQL.SQL cho phép người sử dụng truy xuất mạnh mẽ liệu đồ thị bao gồm việc trích xuất liệu từ liệu lưu trữ Mặc dù có nhiều điểm mạnh SQL khơng thể hổ trợ thao tác tính toán, biểu thức phức tạp cách linh hoạt tùy lúc.Ví dụ tính chi phí đường từ đỉnh để đỉnh khác, tìm chi phí thấp để hai nút cho trước… 3.2 Lưu trữ SBGE Để giải vấn đề DB2 RDBMS mở rộng SQL cách xây dựng hàm cụ thể gọi user-defined functions (UDFs) UDFs sử dụng nơi mà người sử dụng muốn SBGE sử dụng hàm mở rộng DB2 để thao tác liệu đồ thị.Với SBGE dễ dàng quản lý liệu đồ thị thông qua nút, cạnh Với RDBMSs cho phép người sử dụng định nghĩa tìm kiếm đồ thị RDBMSs linh hoạt đồ thị liệu lớn SQL tìm kiếm mà khơng địi hỏi việc load liệu đồ thị lên nhớ tạm Do đó, SBGE kết hợp SQL để quản lý liệu đồ thị hàm mở rộng để quản lý hàm truy xuất đồ thị 3.3 Lưu trữ network data model oracle Oracle hỗ trợ procedure để tạo liệu đồ thị 3.4 Lưu trữ Neo4j Neo4j sở liệu đồ thị, lưu trữ liệu nút mối quan hệ đồ thị Chung cấu trúc liệu, biểu đồ trang nhã đại diện cho loại liệu, bảo quản cấu trúc tự nhiên miền Neo4j dự án mã nguồn mở có sẵn ấn cộng đồng GPLv3, với phiên nâng cao doanh nghiệp theo giấy phép AGPLv3 thương mại, hỗ trợ cơng nghệ Neo PHẦN II: PHÂN TÍCH MẠNG XÃ HỘI I MẠNG XÃ HỘI: Mạng xã hội: Mạng xã hội, hay gọi mạng xã hội ảo, (tiếng Anh: social network) dịch vụ nối kết thành viên sở thích Internet lại với với nhiều mục đích khác khơng phân biệt khơng gian thời gian Mạng xã hội có tính chat, e-mail, phim ảnh, voice chat, chia sẻ file, blog xã luận Mạng đổi hoàn toàn cách cư dân mạng liên kết với trở thành phần tất yếu ngày cho hàng trăm triệu thành viên khắp giới[1] Các dịch vụ có nhiều phương cách để thành viên tìm kiếm bạn bè, đối tác: dựa theo group (ví dụ tên trường tên thành phố), dựa thông tin cá nhân (như địa e-mail screen name), dựa sở thích cá nhân (như thể thao, phim ảnh, sách báo, ca nhạc), lĩnh vực quan tâm: kinh doanh, mua bán Hiện giới có hàng trăm mạng mạng xã hội khác nhau, với MySpace Facebook tiếng thị trường Bắc Mỹ Tây Âu; Orkutvà Hi5 Nam Mỹ; Friendster Châu Á đảo quốc Thái Bình Dương Mạng xã hội khác gặt hái thành công đáng kể theo vùng miền Bebo Anh Quốc, CyWorld Hàn Quốc, Mixi Nhật Bản Việt Nam xuất nhiều mạng xã hội như: Zing Me, YuMe,Tamtay Lịch sử: Mạng xã hội xuất lần năm 1995 với đời trang Classmate với mục đích kết nối bạn học, xuất SixDegrees vào năm 1997 với mục đích giao lưu kết bạn dựa theo sở thích.[2] Năm 2002, Friendster trở thành trào lưu Hoa Kỳ với hàng triệu thành viên ghi danh Tuy nhiên phát triển nhanh dao hai lưỡi: server Friendster thường bị tải ngày, gây bất bình cho nhiều thành viên 10 Chúng muốn liên kết với người phổ biến, ý tưởng, mục tin, tiếp tục tăng phổ biến họ,khơng phụ thuộc mục tiêu bất kỳ,đo lường đặc điểm.cũng biết đến "những người giàu trở nên giàu ' 7.2.2 Chất lượng Chúng đánh giá người thứ khác dựa tiêu chí chất lượng mục tiêu, nút chất lượng cao tự nhiên thu hút ý nhiều hơn, nhanh Còn gọi 'tốt tốt hơn' 7.2.3 Mơ hình hỗn hợp Trong số nút thuộc tính tương tự, đạt hàng loạt quan trọng trở thành 'sao' với nhiều bạn bè người theo ('halo có hiệu lực) Có thể khơng thể dự đốn trở thành ngơi sao, vấn đề chất lượng Các cấu trúc cốt lõi-ngoại vi Một thước đo hữu ích tương đối đơn giản mức độ mà mạng xã hội tập trung hóa phân cấp,là biện pháp tập trung hóa(thường chuẩn hóa cho có giá trị 1)  Nó dựa tính tốn khác biệt mức độ độ nút; mạng mà phụ thuộc nhiều vào 1-2 nút kết nối cao (như kết ví dụ tập tin đính kèm ưu tiên) đưa khác biệt lớn vai trò trung tâm mức độ nút  Tập trung cấu trúc thực tốt số nhiệm vụ (như phối hợp theo nhóm địi hỏi phải giải vấn đề), dễ bị thất bại người tham gia ngắt kết nối Ngồi để tập trung, nhóm lớn cộng đồng trực tuyến có nồng cốt mật độ kết nối người sử dụng mà quan trọng để kết nối vùng ngoại vilớn nhiều  Lõi xác định trực quan, cách khảo sát vị trí mức độ cao nút phân bố mức độ chúng.( (làm cao mức độ nút có xu hướng kết nối với nút có mức cao khác?))  Phân tích Bow tie, tiếng sử dụng để phân tích cấu trúc Web, sử dụng để phân biệt lõi, yếu tố ngoại vi mạng (xem ví dụ trước đây) 29 Suy nghĩ vào việc thiết kế: Làm tảng phương tiện truyền thơng xã hội trực tuyến(và quản trị viên nó) tận dụng phương pháp hiểu biết phân tích mạng xã hội? Làm khuyến khích mạng viễn cảnh người sử dụng nó, mà họ nhận thức lân cận họ tìm hiểu làm để làm việc với / mở rộng nó? Những biện pháp cộng đồng trực tuyến để tối ưu hố cấu trúc mạng? Ví dụ: Những hội gây phiền tối chúng tránh xa những người đến Cấu trúc mong muốn loại tảng trực tuyến khác nhau? (không phải dễ dàng để trả lời) Làm cộng đồng trực tuyến xác định sử dụng người tham gia phục vụ lợi ích cộng đồng? SNA lấy cảm hứng từ số SNS (ví dụ SixDegrees), không sử dụng thường xuyên kết hợp với định thiết kế - nhiều tiềm chưa khai thác 10 Phân tích ego-mạng bạn Suy nghĩ người tham gia mạng bạn, loại mối quan hệ mà bạn trì với họ, xác định cụm cộng đồng bên mạng Mục tiêu: thực hành SNA với liệu thực tế! 30 Hình dung ego-mạng trực tuyến Facebook 10.1 Khởi động trình duyệt đồ thị quan hệ Facebook? Bạn thấy trực quan hóa mạng bạn bên Ví dụ Giao diện TouchGraph Facebook Hướng đồ thị, kiểm tra "bậc bạn bè, vị trí người bạn mạng, phân cụm chúng có điểm chung gì, cố gắng xác định mối quan hệ mạnh yếu bạn đánh giá cấu trúc tổng thể mạng lưới ego bạn Hãy chắn để thiết lập để giá trị mà cho phép bạn xem toàn mạng bạn (bạn bè xếp dựa theo trung tâm cao theo Trợ giúp đồ thị quan hệ) "Nâng cao" loại bỏ tất lọc liệu để thiết lập giống đây: Lưu ý: Không thể xuất liệu bạn để phân tích chúng 10.2 Xuất liệu để phân tích offline Dữ liệu hữu ích bạn trích xuất từ tảng trực tuyến phân tíchvới loạt công cụ mạnh 31 Facebook, Twitter tảng khác có giao diện lập trình ứng dụng cơng cộng (API) cho phép chương trình máy tính để trích xuất liệu số thứ khác Trình thu thập liệu web sử dụng để đọc trích xuất liệu trực tiếp từ trang web có chứa chúng.Làm thường u cầu số kỹ lập trình Nếu khơng có kinh nghiệm vậy, Có thể sử dụng cơng cụ miễn phí xây dựng người khác Bernie Hogan (Oxford Internet Institute) phát triển ứng dụng Facebook trích xuất danh sách tất cạnh mạng ego Ngoài ra, NodeXL (chỉ dành cho Windows) nhập liệu từ: Twitter,YouTube, Flickr, email ! 10.3 Sử dụng NodeXL cho trực quan hóa phân tích:  Tải cài đặt NodeXL Windows 7/Vista/XP, yêu cầu Excel 2007 (cài đặt thời gian phần mềm bổ sung cần thiết cho NodeXL để làm việc) file cài đặt:Những file liên quan\Setup.exe  Khởi động Excel chọn (Giao diện: Những file liên quan\NodeXLGraph.xltx) New -> Templates -> NodeXL Graph.xlsx Nạp một tệp chương trình tạo nên vào một chương trình khác.(import) Hãy "import"và chọn tùy chọn thích hợp cho liệu bạn muốn import Click vào hỏi NodeXL để lưới,hệ số phân nhóm, tính toán trung tâm, mật độ mạng Select Để hiển thị đồ thị mạng.Có thể tùy chỉnh cách sử dụng Để biết thêm thông tin đọc hướng dẫn NodeXL 32 10.4 Xuất liệu Facebook mạng ego Điều giải thích làm để xuất liệu Facebook để phân tích với cơng cụ NodeXL  Để sử dụng công cụ Bernie Hogan Facebook, nhấn vào đây.Từ hai tùy chọn trình bày, chọn "UCInet".Đây định dạng cụ thể cho công cụ khác, không NodeXL, nhập liệu vào NodeXL dễ dàng để sử dụng  Sau chọn "UCInet", nhấn phải chuột vào liên kết cho bạn chọn để lưu tập tin tạo thư mục máy tính bạn 33  Khởi động Excel mở file mà bạn vừa lưu vào máy tính bạn Excel khởi động Text Import Wizard Chọn “Delimited” Click “Next >” Chọn "space" dấu phân cách, hiển thị Chọn "Next>" sau "Finish" Một tập tin tạo Excel Nó chứa danh sách tất nút mạng lưới bạn, theo sau danh sách tất cạnh Cuộn xuống bạn tìm thấy cạnh, chọn tất số họ chép chúng (Ctrl-C) Bây bạn mở tập tin NodeXL Excel giải thích slide trước Thay sử dụng chức nhập NodeXL, dán danh sách cạnh bảng tính NodeXL, 11 11.1 Trong NodeXL chọn "lấy đỉnh từ Danh sách Cạnh" Bây tính tốn số liệu đồ thị hình dung liệu giải thích phần trước Demo phân tích mạng xă hội Cơng thức: Tính Degree Centrality Tính betweenness centrality σ st = tổng shortest path từ đỉnh s đến đỉnh t toàn network σ st(v) = tổng shortest path từ đỉnh s đến đỉnh t qua đỉnh v Tính Cloneness Centrality 34 Tìm trung bình tổng chiều dài tất Shortest paths từ node đến node lại (Cloneness Centrality – Social Network Analysis - Dr Giogos Cheliotis) Trong đó: chiều dài từ đỉnh v tới đỉnh t Tính Clustering Centrality Công thức dành cho đồ thị vô hướng ejk số liên kết nút kế cận nút I với 11.2 Ví dụ minh họa: Cho mạng xã hội có actor : v1, v2, v3, v4,v5, v6 link: (v1,v2) ; (v1,v3); (v3,v4); (v3,v2); (v2,v4), (v4,v5), (v4,v6) Hãy: Tính degree, betweenness centrality , closeness centrality nút mạng xã hội Hệ số cụm củaa nút toàn mạng xã hội V V3 V V V 35 V 11.3 Chạy tay: 11.3.1 Tính Degree Centrality CD (V1) = 2/5 = 0,4 CD (V2) = 3/5 = 0,6 CD (V3) = 3/5 = 0,6 CD (V4) = 4/5 = 0,8 CD (V5) = 1/5 = 0,2 CD (V6) = 1/5 = 0,2 11.3.2 Tính betweenness centrality σ st = tổng shortest path từ đỉnh s đến đỉnh t toàn network σ st(v) = tổng shortest path từ đỉnh s đến đỉnh t qua đỉnh v Tìm tất shortest path network SP(1,2) = {1,2} Length(SP(1,2)) = SP(1,3) = {1,3} Length(SP(1,3)) = SP(1,4) = {1,2,4} , {1,3,4} 36 Length(SP(1,4)) = SP(1,5) = {1,2,4,5} , {1,3,4,5} Length(SP(1,5)) = SP(1,6) = {1,2,4,6} , {1,3,4,6} Length(SP(1,6)) = SP(2,4) = {2,4} Length(SP(2,4)) = SP(2,5) = {2,4,5} Length(SP(2,5)) = SP(2,6) = {2,4,6} Length(SP(2,6)) = SP(3,2) = {3,2} Length(SP(3,2)) = SP(3,4) = {3,4} Length(SP(3,4)) = SP(3,5) = {3,4,5} Length(SP(3,5)) = SP(3,6) = {3,4,6} Length(SP(3,6)) = SP(4,5) = {4,5} Length(SP(4,5)) = SP(4,6) = {4,6} Length(SP(4,6)) = |SP| = 17 CB(1) = CB(2) = σ1,4(2)/σ1,4 + σ1,5(2)/σ1,5 + σ1,6(2)/σ1,6 = 1/2 + 1/2 + 1/2 = 1.5 CB(3) = σ1,4(3)/σ1,4 + σ1,5(3)/σ1,5 + σ1,6(3)/σ1,6 = 1/2 + 1/2 + 1/2 = 1.5 37 CB(4) = σ1,5(4)/σ1,5 + σ1,6(4)/σ1,6 + σ2,5(4)/σ2,5 + σ2,6(4)/σ2,6 + σ3,5(4)/σ3,5 + σ3,6(4)/σ3,6 = 2/2 + 2/2 + 1/1 + 1/1 + 1/1 + 1/1 = CB(5) = CB(6) = 11.3.3 Tính Cloneness Centrality Tìm trung bình tổng chiều dài tất Shortest paths từ node đến node lại (Cloneness Centrality – Social Network Analysis - Dr Giogos Cheliotis) Trong đó: chiều dài từ đỉnh v tới đỉnh t Sum dG(1,t) = dG(1,2) + dG(1,3) + dG(1,4) + dG(1,5) + dG(1,6) = + + + + = 10 Sum dG(2,t) = dG(2,4) + dG(2,5) + dG(2,6) = + + = Sum dG(3,t) = dG(3,2) + dG(3,4) + dG(3,5) + dG(3,6) = + + + = Sum dG(4,t) = dG(4,5) + dG(4,6) = + = Sum dG(5,t) = Sum dG(6,t) = 11.3.4 Tính Clustering Centrality Cơng thức dành cho đồ thị vơ hướng Tính clustering centrality cho node C(V1) = 1/2*(2-1) = 0,5 38 C(V2) = 2/3*(3-1) = 0,33 C(V3) = 2/3*(3-1) = 0,33 C(V4) = 1/4*(4-1) = 0,08 C(V5) = C(V6) = Tính clustering centrality cho tồn mạng Network Clustering = (0,5 + 0,33 + 0,33 + 0,08)/6 = 0,21 11.4 Chạy NODEXL:Những file liên quan\NodeXLGraph.xltx 11.5 Đề mô chương trình Socail Netword Analysis: Những file liên quan\Degree_betweness_closeness_clustering.exe 11.5.1 Tính degree 11.5.2 Tính Betweeness 39 11.5.3 Tính Closeness 11.5.4 Tính Clustering 40 KẾT LUẬN  Các mạng xã hội (như Facebook Twitter) thúc đẩy hình thức tương tác xã hội, trao đổi, đối thoại hợp tác Chúng sóng làm thay đổi hành vi người dùng trực tuyến duyệt web, tìm kiếm hay mua hàng Ví dụ định mua điện thoại, người tiêu dùng post lên câu muốn mua điện thoại giá triệu có comment đưa lời khuyên Các mạng xã hội tạo chuyển biến lớn cách sử dụng Internet Hiện nay, nhiều người dùng mạng xã hội truy cập dịch vụ thông qua điện thoại di động họ Công ty nghiên cứu thị trường eMarketer dự báo đến năm năm 2013 có 600 triệu người sử dụng điện thoại để tham gia vào mạng xã hội, số năm 2009 140 triệu Các mạng xã hội Facebook, YouTube bách khoa thư Wikipedia trở thành thương hiệu tiếng mạng Internet YouTube gần vượt mốc tỉ lượt truy cập ngày, Facebook trở thành website có lượt truy cập lớn giới Vì việc phát triển phần mền phấn tích mạng xã hội để khai thác thông tin phục vụ lĩnh vực khoa học, đời sống, xã hội cần thiết hữu ích Đặc biệt phần mềm online 41 THAM KHẢO  [1]< Dr Giorgos)> Social Network Analysis (SNA) [2] < A/ Prof Do Phuc> Mining, Indexing and Searching Graph Databases [4] Bài giảng CSDL Đồ Thị [3]< wikipedia > vi.wikipedia.org/wiki/M%E1%BA%A1ng_x%C3%A3_h %E1%BB%99i [4]< Neo4j.org > The Neo4j Manual v1.8.M06 [5]< http://www.connectedaction.net/>NodeXL tutorial [6] Internet 42 ... thương mại, hỗ trợ cơng nghệ Neo PHẦN II: PHÂN TÍCH MẠNG XÃ HỘI I MẠNG XÃ HỘI: Mạng xã hội: Mạng xã hội, hay gọi mạng xã hội ảo, (tiếng Anh: social network) dịch vụ nối kết thành viên sở thích... MẠNG XÃ HỘI (Social Network Analysis (SNA)) Bối cảnh: Phân tích mạng: SNA có nguồn gốc khoa học xã hội hai lĩnh vực rộng lớn mạng lưới phân tích lý thuyết đồ thị Mạng lưới phân tích liên quan... nhóm, tổ chức xã hội Bối cảnh: Khoa học Xã hội: Nghiên cứu xã hội từ góc độ mạng để nghiên cứu cá nhân nhúng vào mạng lưới mối quan hệ tìm kiếm lời giải thích cho hành vi xã hội cấu trúc mạng cá nhân