Sosyal Ağ AnaliziDoç. Dr. Ahmet ÇETİNKAYA

İçeriku Ağ nedir?

u Ağ Örnekleri

u Sosyal Ağ Nedir?

u Sosyal Ağ Analizi Nedir?

u Ağ Bilimi

u Ağ Veri Setleri

u İlişkisel Verilen Gösterimi: Sosyomatris Yöntemi

u İlişkisel Verilen Gösterimi: Grafik Yöntemi

u Ağın Temel Bileşenleri

u Bağların Yönleri

u Ağ Algoritmaları

Ağ nedir?

u Ağ, nesnelerin (node, düğüm) ve bunları birbirine bağlayan bağlarınoluşturduğu yapıya verilen addır.

u N: nesneler listesi .. N={1,2,..N}

B: bağlar listesi .. B={(1,4), (1,7),(1,8), (2,5),(2,7), …}

u Bir G grafiği şu şekilde gösterilir: G=(N,B)

Ağ Örnekleri

u Coğrafya/Topoloji:

Euler (1735): Könisberg'in yedi köprüsü Yol ağı

u Tasarlanmış:

Elektronik devre bağlantıları

Yazılım paketleri arasındaki bağımlılık ilişkileri

u Doğal:

Hücre proteinleri arasındaki tetikleme ilişkileri

Ekosistem etkileşim ilişkileri

Ağ Örnekleri

u Kişiler arası ağlar:

Sınıfta kim kimi seviyor (Moreno, 1930lar)

Evlilik yoluyla aileler arası kurulan bağlar

Aynı şirketin yönetim kurulunda bulunmaktan doğan ilişkiler ağı

u Organizasyonlar arası ağlar:

Terör hücreleri arası ilişki kurucular

Şirket ortak kurucuları (silikon vadisi)

Ağ Örnekleri

Türkiye vakıf ve şirket etkileşim ağı:

Ağ Örnekleri

Okul arkadaşlık haritası:

Ağ Örnekleri

Bilim dallarının birbirine referans vermeilişkisi:

Ağ Örnekleri

Facebook ağ haritası:

Ağ Örnekleri

Görev ilişkisi

Sosyal Ağ nedir?

u Yaygın tanım: Nesnesi bireyler, bağları ise onlar arasındaki iletişim olayları olan ağlar. Örnek: facebook, twitter, instagram vs.

Sosyal Ağ Analizi nedir?

u Sosyal ağlardaki bağlantı ve etkileşimlerin analizi sayesinde, ağlardaki bireyler vetopluluklar hakkında çok çeşitli ve yararlı bilgi çıkarımları yapmak amaçlanır.

u Büyük ve karmaşık ilişkisel veri yapıları incelenir.

u Sosyal ağ analizi yoluyla şu sorulara cevap aranabilir:

u Ağdaki en önemli/etkili/güçlü kişi ya da kişiler kimlerdir?

u Kişilerin ağdaki rolleri nelerdir?

u Ağdaki arkadaşlıklar nasıl oluşmaktadır?

u Kişilerin ağa katılımı nasıl gerçekleşmektedir?

u Ağdaki sosyal topluluklar nasıl tespit edilebilir?

u Bir bilgi ağda nasıl yayılmaktadır?

u Kişilerin sosyal ortamdaki davranışları analiz edilebilir mi?

u Kişilere arkadaş ya da ilgi duyacakları içerik nasıl önerilebilir?

Ağ Bilimi

u Sosyal ağlar, iletişim ağları, teknolojik ağlar, biyolojik ağlar ve kimyasaletkileşim ağları gibi karmaşık olguları modellemek için oluşturulan geniş çaplıve karmaşık ağları araştırma konusu olarak ele alan bilim dalıdır.

u Matematik, fizik, bilgisayar bilimi, istatistik ve sosyoloji bilim dallarına aitkuramlar ve yöntemleri kullanır.

u Bu karmaşık sistemlerin oluşumu, zaman içindeki değişimi ve bunların altındayatan nedensel mekanizmalar araştırılır.

u Sistemin göstereceği potansiyel davranış şekli ile ilgili tahminlerdebulunulabilir.

Ağ veri setleri

A=(N,B)u Veri seti: Nesne nitelikleri

u Anket yöntemiyle toplanabilir.

u Örneklemin nasıl seçileceği, ve popülasyonu temsil gücü konusunda güçlü istatistiksel kriterler ve literatür mevcut.

u Analiz yöntemleri ve araçları yerleşmiş.

Ağ veri setleri

A=(N,B)u İlişkisel veriler (Bağlar)

u Anket yöntemiyle toplanamaz. Belge/arşiv çalışması gerektirir.

u Örneklem meselesi son derece sorunludur.

u Analiz yöntem ve araçları çeşitli, dağınık. Araçlar çoğunlukla zayıf ve/veya birbiriyle uyumsuz.

u Bağlar aynı türden ilişkiyi temsil etmelidir. İki veya daha fazla türden ilişki içeren bir ağ söz konusu olduğunda “ağsal” ölçümler yapabilir ama bunları yorumlayamayız.

u Bağların varlığının yanı sıra gücü, var olduğu zaman aralığı, vb., ekstra veriler toplanabilir.

Ağ veri setleri

u Ağ analizi ilişkilerin analizidir. Ancak nesne nitelikleri bilindiğinde ve birlikte kullanıldığında daha güçlü yorum imkanı doğar. (örnek: Cumhuriyetçi ve demokrat bloglar)

u Alternatif olarak aynı nesne seti için iki farklı ilişkiden doğan iki ağın karşılaştırması da yorum imkanı verir.

İlişkisel verilerin gösterimi:Sosyomatris Yöntemi

u İlk çalışmalar: Sosyomatris (Moreno, 1938)

u Örneklem sorunu görülüyor

u Avantajları: Matris matematiği gelişmiş, ölçüm ve analizleri tanımlamak/gerçekleştirmek kolay.

u Dezavantajları: (1) örneklem boyutu (N) artınca matris çok fazla büyüyor (N2). (2) Bağların zaman aralığı vb. verileri temsil etme imkanı vermiyor.

u Notlar: (1) Bağlar tek yönlü ise matris simetrik, (2) Bağların gücü birbirinden farklı olabilir.

İlişkisel verilerin gösterimi:Grafik Yöntemi

u İlişkisel veriler matematikte kullanılan ‘grafik’ (graph) ile de temsil edilebilir(Euler, 1700s). Her düğüm için onu diğer düğümlere bağlayan bağların (ve bağ gücünün) listesi tutulur:

u n1: (n3,1), (n4,2)

u n2: (n1,2), (n3,1)

u n3: (n1,2)

u n4: (n1,1), (n2,2), (n2,1), (n3,1), (n4,1)

u Grafik gösterimi sosyomatris'in kısıtlamalarını kaldırır. Temsilin boyutu (N+B) bağ sayısıyla orantılıdır.

u Bağların gücü, zaman aralığı, vb., niteliklerini saklamaya uygundur.

u Dezavantajları: Grafik matematiği matris matematiğine göre daha az olgunlaşmıştır.

u Bilgisayarda grafik gösterimi için çok sayıda birebiriyle yarışan standart var. Analiz ve görselleştirme için birbiriyle çoğu zaman uyumsuz çok sayıda yazılım aracı var.

İlişkisel verilerin gösterimi:Grafik Yöntemi

u Grafik gösterim standartlarının çeşitliliği veri setlerinin çeşitliliğinden kaynaklanıyor:

u Tek-kümeli/iki-kümeli ağlar

u Yönlü/yönsüz bağlar

u Bağ gücü bilgisinin olup olmayışı

u Zaman bilgisinin olup/olmayışı

u Bağ niteliklerinin varlığı

İlişkisel verilerin gösterimi:Grafik Yöntemi

Ağın temel bileşenleri

Zirve Zirve

KöprüBağ

Düğüm

Küme

Küme

İki kümeli bir ağ örneği:

Bağların Yönleri

Ahmet

AliMehmet

Ahmet

AliMehmet

Yönsüz bağ

Örnek: Facebook

Yönlü bağ

Örnek:Twitter

Ağ Algoritmaları

İçeri merkezilik (In-degree centrality):Ağ içerisinde en çok etkileşimi alan düğümüöne çıkaran algoritmadır. Kimle daha çokilişki kuruluyorsa o en önemlidir.

Hangi düğümün veya diğerlerinden daha önemli olduğu çeşitli algoritmalar ile anlaşılır.

İçeri merkezilik: Alice en çok retweet alan kişi olarak en yüksekiçeri merkeziliğe sahiptir.

Ağ Algoritmaları

Dışarı merkezilik (Out-degree centrality):In-degree’nin aksine diğerleriyle en çok ilişkikuran düğüm en önemlidir.

Ağ Algoritmaları

Arasındalık merkeziliği(Betweenness centrality):Ağ içerisindeki ilişkilerin en ortasında yer alan, birdiğer deyişle ayrıtların en kısa yoldan üzerindengeçtiği düğüm en önemlidir.

Arasındalık merkeziliği: Alice en önemli kişidir çünkükısa yolların çoğu ondan geçer.

Ağ Algoritmaları

Özvektör merkeziliği (Eigenvector centrality):Özellikle sosyal medya analizlerinde en öne çıkanalgoritmadır. Zira, en çok etki sahibi olan, kurulanilişkinin en önemli olduğu düğümü öne çıkarır.Birsosyal ağdaki kanaat önderleri öne çıkarmakaçısından gereklidir.

Özvektör merkeziliği: Alice, en çok retweete sahiptir, örneğin Bob’u dinlemiş ve cevap vermiştir, bu sebeplerlemerkeziliği (önemi) yüksektir.