社会网络数据分析基础HITS算法应用

日常生活中还有哪些应用场景，请进行数据分析？
计算推荐关系的Hub和Authority值
• UCINET中HITS算法要求关系数据为方阵（矩阵行列相等）需要将推荐 关系数据转为方阵
• 方法如下：Transform-Graph Theoretical-Bipartite… • 得到11*11的食堂最受欢迎菜品-Bip数据
计算推荐关系的Hub和Authority值
• 实际上在日常生活中若存在就某一主题所构成 的“引用”或者“推荐”关系均可以通过“ HITS算法”得到量化
HITS算法应用举例
• 食堂评选最喜欢吃的菜
– 六个同学投票，评选5个菜品，最终得票数中 番茄牛肉和酱鸭一致，如果如何进行排名？哪 位同学推荐更有价值？
投票结果导入UCINET形成推荐关系数据
• UCINET中选择Hubs&Authorities命令
• 点击后选择“食堂最受欢迎菜品-Bip”，得到计算结果 文件食堂最受欢迎菜品-Bip-HubAuth
计算的Hub和Authority值导出
• UCINET中打开计算结果文件：“食堂最受欢迎菜品-BipHubAuth”；
• 选择另存为Exc百度文库l文件
• 直接复制到DL Editor，Data format 选择Matrix • Output Options中Recode missing to 0要勾选 • 转换为6*5推荐关系矩阵-食堂最受欢迎菜品，空白区域都填0
投票结果导入UCINET形成推荐关系数据
• NetDraw中选择Circle布局 • 选择不同的模态排序
计算的Hub和Authority值导出
• Excel中对计算结果取绝对值，负号转为正号，进行排序 • 菜品按照权威值进行排序 • 最受欢迎的菜是番茄牛肉
计算的Hub和Authority值导出
• Excel中对计算结果取绝对值，负号转正号，进行排序 • 推荐人按照中枢值进行排序 • 最靠谱的推荐人是E和A
社会网络数据分析基础HITS算法应用
王锐 上海对外经贸大学
本次课的内容
• HITS算法应用 • HITS算法的测量 • HITS算法结果分析
HITS算法应用
• 一个优秀的中心页必然会指向很多优秀的权威 页，一个优秀的权威页必然会有很多优秀的中 心页指向，权威页和中心页有一种相互促进（ Mutual Reinforcement）的关系。