El análisis de red social es el proceso de investigar estructuras sociales por el uso de teorías de gráfico y red. Aplicando algoritmos de gráfico a redes sociales, redes de comunicación, redes de colaboración podemos dibujar la perspicacia de la red para contestar preguntas como:
¿Quién es la persona más influyente en la red?
¿Hay actividad fraudulenta en la red?
¿Cuáles son las comunidades en la red?
¿En qué temas ejercen los miembros de la red la influencia?
Esta sesión práctica se concentrará en la utilización de Neo4j para aplicar técnicas de análisis de redes sociales a verdaderos datasets gráficos. Veremos como poner en práctica y ejecutar algoritmos de gráfico como PageRank, medidas de posiciones centrales, pathfinding, algoritmos de cluster (walktrap y métodos Louvain), y análisis de tema (LDA). Demostraremos cómo usar estos algoritmos de Neo4j y también cómo usar herramientas de Python data science con Neo4j.
La visualización es también un componente importante del análisis de red social cuando los algoritmos son inútiles sin ser capaces de visualizar e interpretar los resultados. La visualización de datos de gráfico es a menudo más compleja que la visualización de datos tabular. También hablaremos y demostraremos técnicas de visualización para nuestros datasets gráficos para mostrar cómo aplicar los resultados de algoritmos de análisis de red social.
Aplicaremos las susodichas técnicas a tres datasets:
1) Interacciones de carácter de Gráfico de Tronos
2) Una red de comunicación de correo electrónico
3) Red de colaboración de software de Github
Nivel: Alto
Requerimientos: Traiga un ordenador portátil con Neo4j instalado (opcional):
https://neo4j.com/download/
Idioma/Language: English
--
Social network analysis is the process of investigating social structures through the use of network and graph theories. By applying graph algorithms to social networks, communication networks, and collaboration networks we can draw insight from the network to answer questions such as:
Who is the most influential person in the network?
Is fraudulent activity going on in the network?
What are the communities in the network?
Over what topics do members of the network exert influence?
This hands-on session will focus on using Neo4j to apply social network analysis techniques to real world graph datasets. We will see how to implement and run graph algorithms such as PageRank, centralities measures, pathfinding, clustering algorithms (walktrap and Louvain methods), and topic analysis (LDA). We will demonstrate how to use these algorithms from Neo4j and also how to use Python data science tools with Neo4j.
Visualization is also an important component of social network analysis as the algorithms are useless without being able to visualize and interpret the results. Graph data visualization is often more complex than tabular data visualization. We will also discuss and demonstrate visualization techniques for our graph datasets to show how to apply the results of social network analysis algorithms.
We will apply to above techniques to three datasets:
1) Character interactions from Graph of Thrones
2) An email communication network
3) Github software collaboration network
Level: High
Requirements: Bring a laptop with Neo4j installed (optional) to follow along:
https://neo4j.com/download/
