Abstract：介绍社交网络分析中的网络密度、层、集群、结构洞。
网络密度 （Network Density）
一个网络的密度是在一个给定的网络中的关系（边）的数目在网络中的节点之间的可能的关系的总数的比率
公式： 可观测到的实际联系/全部潜在的联系＝关系密度
一个完全连通的网络密度为1
而下面的网络举例显示密度为0.83
如图，可见关系数为(5),可能关系数（6），所以关系密度 5/6
密度测度与跟踪，如信息扩散（eg.思想，谣言，疾病传播etc）的现象有关。假定，在紧密连接的网络中，信息传播的速度更快，达到更广泛的节点集。网络密度越大，越有可能被认为是一个有凝聚力的社区（即社会支持和有效传播的来源）。
层（Degree）
指特定行动者对网络其他成员持有的关系数量和类型。
主要分：
- 单方向性关系 （directed relationship）
- 对称关系 （symmetric relationship）
In-Degree：
Out-Degree:
表明节点1和2之间的往复运动
基本上是一个衡量领带强度，这是同样相关的分析整个网络 （Weight Degree ）
测量权重可以：互动频率、交换项目数、个体对关系强度的感知
结构洞（structural holes）
结构空洞的思想描述了网络密度的相反，即缺乏连接。
结构孔归因于节点，否则连接密集的网络部分，是分成重要的连接节点。连接网络部分的这些节点被称为“Brokers”。
弱联系的概念与结构空洞的概念密切相关
类似于结构孔，弱关系在网络中嵌入较少。
尽管如此，他们承担重要的职能：
他们促进信息流之间的集群（即从遥远的部分网络）
弱联系有助于整合社会系统，否则将支离破碎和语无伦次
集群（clustering）
计算和识别网络中的集群，特别是大型网络可能很麻烦
预定义的算法有助于识别集群
Force Atlas 和 Force Altas 2：最常用的一种算法来确定在大型网络社区（在Gephi为例）
使用的算法的优势：没有现有的知识图理论需要可视化和分析集群网络
缺点：他们的准确性是高度依赖于我们正在分析的网络类型。
