1、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。 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UCINE
2、T形成推荐关系数据,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,NetDraw中选择Circle布局 选择不同的模态排序,投票结果导入UCINET形成推荐关系数据,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,UCIN
3、ET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,计算推荐关系的Hub和Authority值,UCINET中打开计算结果文件：“食堂最受欢迎菜品-Bip-HubAuth”； 选择另存为Excel文件,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,计算的Hub和Authority值导出,日常生活中还有哪些应用场景，请进行数据分析？,
