一、
網絡密度=當前關係總數/理論最大關係數，整體網密度越大，對個體的影響越大
互惠性指的是網絡中成員之間的關係是否具有相互性，也就是說任何一對成員之間是否相互「選擇」，是否為鄰接點。
二、
中心度-> 個體，中心勢->群體
中心勢( centralization) 刻畫整個網絡各個點的差異性程度，因此一個網絡只有一個中心勢。
程度中心勢：計算中心勢的想法也比較直觀：找出圖中的最核心點，計算該點的中心度與其他點的中心度之差。也就是定量討論圖中各點中心度分布的不均衡性。差值越大，則圖中各點中心度分布得越不均衡，則表明該圖的中心勢越大——該網絡很可能是圍繞最核心點發散展開的。
同樣作歸一化處理，將圖的中心勢定義為實際差值總和/最大差值總和。於是，完備圖的中心勢為0（每個點都有相互聯繫，無所謂中心不中心），星型或輻射型的網絡的中心勢接近1。
中間中心勢：也是分析網絡整體結構的一個指數，其含義是網絡中中間中心性最高的節點的中間中心性與其他節點的中間中心性的差距。該節點與別的節點的差距越大，則網絡的中間中心勢越高，表示該網絡中的節點可能分為多個小團體而且過於依賴某一個節點傳遞關係，該節點在網絡中處於極其重要的地位。
接近中心勢：對一個社會網絡來說，接近中心勢越高，表明網絡中節點的差異性越大，反之，則表明網絡中節點間的差異越小。
點度中心性【程度中心性】是一個用來衡量節點在網絡中所處地位的指標，點度中心性的思想是: 如果一個點與許多節點之間有聯繫，那麼該節點在網絡中 就 處 於 比 較 中 心 的 位 置，具 有 比 較 大 的「權利」。採用與該節點直接相連的點的數量來衡量點度中心度是比較常用的做法。
接近中心性分析 「距離」是指兩點之間最短路徑的長度，接近中心性這一概念用來衡量點的中心程度。在一個圖中，一個點到其他所有點的距離總和越小，表明這個點不受他人「控制」的能力越強，接近中心性越高。這樣的點在網絡中有最佳的視野，可以知道網絡中所發生的事情，以及信息的流通方向。
中間中心性【中介中心性】在網絡中，如果一個行動者處於許多其他兩點之間的路徑上，可以認為該行動者居於重要地位，因為他具有控制其他兩個行動者之間的交往能力。
三、
凝聚子群（Co⁃hesive Subgroup）分析是社會網絡分析中的重要方法，其目的是為了揭示社會行動者之間實際存在的或者潛在的關係。當網絡中某些行動者之間的關係特別緊密，以至於結合成一個次級團體時，社會網絡分析稱這樣的團體為凝聚子群。如果該網絡存在凝聚子群，並且凝聚子群的密度較高，說明處於這個凝聚子群內部的這部分行動者之間聯繫緊密，在信息分享和合作方面交往頻繁。
四、
核心—邊緣結構分析根據網絡中結點之間聯繫的緊密程度，將網絡中的結點分為兩個區域，核心區域和邊緣區域。 處於核心區域的結點在網絡中佔有比較重要的地位， 核心—邊緣結構分析的目的是研究社會網絡中哪些結點處於核心地位， 哪些結點處於邊緣位置。 社會網絡分析方法中的核心—邊緣結構分析可以對網絡「位置」結構進行量化分析，區分出網絡的核心與邊緣
偏心率（Eccentricity）：
從一個給定起始點到距離它最遠節點的距離。
社區劃分：
聚類算法是利用社區檢測（community detection）算法，又被稱為是社區發現算法，它是用來揭示網絡聚集行為的一種技術。社區檢測實際就是一種網絡聚類的方法，這裡的「社區」在文獻中並沒有一種嚴格的定義，我們可以將其理解為一類具有相同特性的節點的集合。複雜網絡領域中的大牛Newman提出了一種模塊度（modularity）的概念，從而使得網絡社區劃分的優劣可以有一個明確的評價指標來衡量。所以模塊度其實就是指一個網絡在某種社區劃分下與隨機網絡的差異，因為隨機網絡並不具有社區結構，對應的差異越大說明該社區劃分越好。有時在劃分模塊時需要用到邊的權重，一般而言對於社區發現來講的話，邊權越大，應該說兩個點之間的聯繫越緊密，越容易被劃分到相同的community之中。
——整理於網絡和相關論文
更多精品：
♥《萬能俠5.0，免費下載論文，搜索資源》
♥《官方百度雲無限制下載文件》
♥《萬能文件轉換利器》
♥《免費貼圖截圖小軟體》
♥《快速添加參考文獻Endnote》
♥《收費文檔免費下》
♥《OCR圖片識別利器》
♥《全網視頻下載》
長按二維碼，關注[學術點滴]獲取更多資訊。