社交网络需要用到igraph库，所以需要安装。可以在lfd的网站
http://www.lfd.uci.edu/~gohlke/pythonlibs/ 上下载python_igraph，具体的python对应版本和是32位还是64位的，比如我下载了 python_igraph‑0.7.1.post6‑cp35‑none‑win_amd64.whl
利用pip 安装whl文件：pip install文件名.whl
为了避免出错，打开cmd以后，要cd进入你存放的该whl文件的解压后的目录下在用pip进行安装。
一、社交网络算法介绍
应用场景：在社交网络中社区圈子的识别；基于好友关系为用户推荐商品或内容；社交网络中人物影响力计算；信息在社交网络上的传播模型；虚假信息和机器人账号的识别；互联网金融行业中的反欺诈。
什么是图：
节点代表人，边代表人与人之间的关系。
无向图（人人网）和有向图（twitter或豆瓣这种单向关注的属于有向图）。
二分图（两类不同的节点，u和v里面的节点没有连接）和多图（两个节点之间有多条边）
社交网络算法——分析指标：
一个具体的网络可以抽象为由一个节点集合V和边集合E组成的图G=（V,E），节点数记为n=|V|，边数记为m=|E|。衡量指标（社交网络的分析性指标）包括
①度（结点直接关联的属性）
通俗点理解就是人有多少个朋友。无向图的话只有度，有向图的话有入度和出度。
②紧密中心性（closeness centrality）
某个结点到达其他结点的难易程度，也就是其他所有结点距离平均值的倒数。该数值越大，说明周围聚集的点越多。
（路径个数-1）/路径长度
方法1：自己写，Igraph中，有g.get_all_shortest_paths(‘7’) #获得7的所有最短路径
方法2：用igraph中的函数closeness
③介数中心性（betweenness centrality）
网络中的交通枢纽性，拿掉后网络会分裂开。
计算整个网络中任意两个节点的最短路径，当然需要得到具体路径，对各个节点判断该节点是否在最短路径上，最后将刚刚的判断进行累加得到从i到j的最短路径经过该节点的个数，比如数一下，经过7的最短路径有几条。
代码实现：
#coding=utf8
from igraph import *
from igraph import Graph as IGraph
import os
import time
import pandas as pd
import numpy as np
edges = []
path = './data/'
firstline=True
for file in os.listdir(path):
if file.endswith(".csv"):
with open(path+file, 'rb') as f:
for row in f.readlines():
if firstline == True:
firstline = False
continue
parts = row.decode().replace(' ','').replace('\r\n','').strip().split(",")
try:
u, v, e, weight = [i for i in parts]
edges.append((u, v, int(weight), e))
except ValueError:
continue
g = IGraph.TupleList(edges, directed=True, vertex_name_attr='name',edge_attrs=['weight','relationship'])
#中心度计算、紧密中心性、介数中心性、pageRank等计算
print ('STARTING TIME : ', time.asctime((time.localtime(time.time()))))
data = []
for p in zip(g.vs, g.degree(), g.indegree(), g.outdegree(),g.closeness(weights="weight"),g.betweenness(),g.pagerank(weights="weight",niter=100)):
data.append({'name':p[0]['name'], 'degree':p[1], 'indegree':p[2], 'outdegree':p[3], 'closeness':p[4]
,'betweeness':p[5],'pageRank':p[6]})
#根据pagerank排个序
result = sorted(data, key=lambda x:x['pageRank'],reverse=True)
result1 = pd.DataFrame.from_dict(result)
result1.to_csv('./outData/graphIndex.csv',index=False,encoding='gb18030')
print('ENDING TIME: ', time.asctime((time.localtime(time.time()))))
社交网络算法——PageRank算法：
思想：被大量高质量网页引用的网页也是高质量网页（质量高的网页有很多链接指向它）。最初会设置一个初始值，假设所有网页的一个权重是1/N（B0），然后用A*B0去得到Bi（新的权重），其中A还一个方正，比如有7个节点，就是7*7的矩阵，里面的值是每个节点之间边的数量。第三个公式是对第一个的优化，设定α的值（阻尼因子，反应用户停留当前页面而不链走的概率），帮助更快的收敛。该算法其实是利用了马尔科夫链，求得最终收敛的稳定概率，最终停留在一个页面上概率越高，说明该页面越吸引人，质量越好，求出的遍历概率作为PageRank值）。A
Python中也有现成的包，其中参数damping就是α的值。
复杂网络理论中网络的三大特性：小世界、无标度（无尺度，网络中的度服从幂律）、社区结构
社交网络算法——社区发现算法：
什么是社区？同一社区内的节点与节点之间的连接很紧密，而社区与社区之间的连接比较稀疏。设图G=G（V, E），所谓社区发现是指在图G中确定nc（>=1）个社区C={C1, C2,….Cnc}，使得各社区的顶点集合构成V的一个覆盖。
若任意两个社区的顶点集合的交集均为空则称C为非重叠社区，否则为重叠社区。 更加贴近于真实的网络情况，而聚类算法不允许一个点属于多个类。
社交发现算法——GN算法：
边介数（betweenness）：网络中经过每条边的最短路径的数目。
GN算法：计算网络中所有边的介数；找到介数最高的边并将它从网络中移除；重复，直到每个节点就是一个社团为止。GN算法的复杂度较高，做了一次全网遍历，计算边介数，时间消耗非常高。该算法是最经典的社区发现算法，利用分裂的思想来做的。其中不一定是要计算边介数，你也可以计算度、紧密中心性等等，你可以自己优化该算法。
边介数的计算：
社区评价指标——模块度（评价整个社区划分结果）：
模块度，利用了社区结构的定义，社区内的节点联系是比较紧密的，社区中两个节点有边的概率要高于随机图中两个节点有边的概率。Aij是邻阶矩阵（各节点之间相连的边介数），KiKj/2m（所有节点间的边随机连接，两点之间连接的概率）。
为1，如果i和j属于同一个社区，否则为0。
社区评价指标——阻断率conductance（单个社区紧密性的评估）：
连接到社区外的边数/社区内的节点连接的边个数。越小越好。
社区发现算法——Louvain算法（工业界中用的较多，并行化后速度更快）：
该方法就是利用模块度来优化的一种方法。首先把每一个节点作为一个独立的社区，假设我们把J1加入到i会有一个模块度的增量，把J2加入到i会有一个模块度的增量..等等，从中选出模块度最高的一个邻居节点，加入i的社区中。这是一种启发式的凝聚算法，直到detaQ不会是为正的为止。
社区发现算法——LPA算法label propagation agrithm（时间复杂度较低近似n，标签传播的思想）：
但该算法在工业界并没有很好的实践，开源社区给出的代码，稳定性并不是很好。优点：不需要预先知识，不用预先给定社区的数量，可以控制迭代的次数来划分节点类别。可扩展性强，时间复杂度近线性，适合处理大规模复杂网络。
算法思想：初始化每个节点，给其唯一标签；根据邻居节点最常见的标签更新每个节点的标签；最终收敛后标签一致的节点属于一个社区。
同步更新：可能存在最后不能收敛的情况。
异步更新：使用到上一次我的节点更新的信息
spark中scala语言实现，graphx包中有该方法，如果不做优化调用该包，可能结果不是很稳定，效果不会很好
社区发现算法——SLPA算法（LPA算法的改进）speaker listener propagation agrithm
算法思想：之前LPA算法，每个节点只有一个标签，SLPA给每个节点设置一个列表来存储历史标签，每次迭代更新的标签都存储起来；
如下图，每个Speaker节点带概率选择自己标签列表中的标签传播给listener节点（Speaker节点为Listerner节点的邻居节点）；节点将最热门的标签更新到标签列表中（如果迭代20次，则存储20个标签）；使用阈值r去删除低频标签，产出标签一致的节点为社区。（支持非重叠社区）类比现实中，我们有很多朋友，这些朋友都在跟我说一些消息，如果有多个朋友跟我说同一个消息，我记住的可能性也会非常大。
社交网络算法在金融反欺诈中应用
传统反欺诈主要是评分卡，其实就是逻辑回归，只是变量的选取会有一定的技巧。
应用社交网络反欺诈：客户一度、二度关系是否触黑；客户消费关联商家是否异常；一机多人；识别组团欺诈（离线情况下，社区划分，可能有些社区的违约率很高，我们就把他贴上拒贷用户的标签，对于新来的用户，就可以判断他属于哪个社区）
业界现在有构造知识图谱
