社交网络分析
社交网络表示社会实体之间的关系，比如个人之间的友谊、团体之间的交流，或者企业之间的交易. 找到重要的参与者，探索内聚组或者群落，或者识别参与者，在某种程度上是相似的，这都是社交网络分析的实例.
Wolfram 语言基于强大的图功能，帮助您以灵活和强大的方式对网络进行建模和分析. 社交网络可以从不同来源访问，包括直接访问社交媒体（脸书、推特…）. 高级函数使得检测社区，求连通群和将结果可视化都变得轻松可行. 全套社交网络测量使探索网络、根据中心性对参与者排序或者基于相似参与者提供建议成为可能.
社会网络数据和表示法 »
Graph — 表示具有参与者和链接的图
网络可视化
CommunityGraphPlot — 可视化图中的群落
HighlightGraph ▪ GraphPlot ▪ LayeredGraphPlot ▪ TreePlot
内聚组
FindClique — 求团
FindGraphCommunities — 求群落
FindKClique ▪ FindKClan ▪ FindKClub ▪ FindKPlex ▪ KCoreComponents ▪ ConnectedComponents ▪ LambdaComponents ▪ LuccioSamiComponents
中心度和权威度
DegreeCentrality — 与其他参与者直接链接数目
ClosenessCentrality — 与其他每个参与者的平均距离的倒数
BetweennessCentrality — 穿过参与者的最短路径的比率
RadialityCentrality ▪ EccentricityCentrality ▪ PageRankCentrality ▪ LinkRankCentrality ▪ KatzCentrality ▪ HITSCentrality ▪ StatusCentrality ▪ EdgeBetweennessCentrality ▪ EigenvectorCentrality
可逆性和传递性
GraphReciprocity — 互逆的直接链接的比率
GlobalClusteringCoefficient — 邻近的长度为2的路径的比率
MeanClusteringCoefficient ▪ LocalClusteringCoefficient
同质性、相称混合和相似度
GraphAssortativity — 组内连通度减去组间连通度
VertexCorrelationSimilarity — 参与者之间的相关性相似度
MeanNeighborDegree ▪ MeanDegreeConnectivity ▪ VertexDiceSimilarity ▪ VertexJaccardSimilarity ▪ VertexCosineSimilarity
统计分析 »
RandomGraph — 从符号图分布构建随机图
GraphPropertyDistribution — 图属性的分析
BarabasiAlbertGraphDistribution ▪ WattsStrogatzGraphDistribution ▪ BernoulliGraphDistribution ▪ NProbability ▪ NExpectation ▪ ...