社会网络，由许多节点（node）构成，节点通常是指个人或组织，节点之间发生着社会关系。社会关系包括朋友关系、同学关系、生意伙伴关系、种族信仰关系等，这些关系构成了节点与节点之间的连接（edge），有的单向联系，有的是双向联系。节点和有向边的交织构成了社会网络。我们把这社会网络用计算机图形展现出来，就形成了社会关系图谱。
社会关系图谱有一些基本的计算指标，用来表示社会关系网络中每个节点的重要性、社交广泛性等。大家可以关注我们的公众号，在后台回复“社会网络”，我们会告诉大家不同的计算指标定义。本文中要用到的几个重要定义为：度、连入度、连出度、模块化。大家也可以在下文中找到他们的定义。
前菜~~
在实战开讲前，先举一个小的案例来帮助大家理解。在组织关系管理中，我们可以用其来衡量小群体中人物特征，比如谁是意见领袖，大家都只听他的；比如谁是交际花，大家都喜欢找她聊天；比如谁是沉默的羔羊，不喜欢跟任何一个人交往等等。
如下图，通过日均聊天频次，展示了我们部门九个人的关系图谱。图中有九个点，对应的是九位同事，圆圈点大小对应聊天信息量（即：度，即节点A和所有人聊天的次数），圆圈点的颜色代表了节点聚类。
这么来看的话，whq和ccl就是这个team的核心人物，属于社会关系网络中的中心层，用粉色的圆圈表示了出来。绿色的圆圈是外圈的四位同事，与核心人物联系不太紧密，彼此的聊天信息量较少。咦，右下角的zxg小朋友是怎么回事？
开荤啦~~
那么在电商中如何运用呢？笔者最近在做黑名单研究，突然想起来这个神奇的图谱工具之运用的。
目的说明：如何有效打击电商作弊用户，所谓擒贼先擒王？
电商行业有一个通病，就是喜欢首单给优惠，而且力度大大的有。这就导致了囤货的黄牛们喜欢注册多个账号，用新人身份获取优惠。而恰恰阿里等互联网公司能自由注册虚拟手机号码，又加剧了黄牛党们的注册风。这些互联网小号普通的电商公司是识别不了的，因此也无法做注册屏蔽。那么后果就是，一个主体账户拥有了无数个小账户，通过小账户下单获取优惠，囤货更优惠，再打折出手也会赚的金银满钵。
因此我们需要找出大账户和小账户之间的关联，判定主体作弊账户，一举歼灭小号账户，打击黄牛账号。那如何图形化呈现账号与账号之间的关联呢？就需要用到社会关系网络图。
关系网络图的制作，给大家介绍一个简单好用效果又十足的利器，那就是Gephi！
跟着我一起来学Gephi~
Step1. 下载和安装
Gephi的官网上可以免费下载和安装http://www.softpedia.com/get/Science-CAD/Gephi.shtml。
需要同步安装的还有Java。
安装过程无任何痛点。
Step2. 数据准备和导入 →重点来了
Gephi需要两个数据表：节点（node）表和边（edge）表。节点表存放的是各个主体，边表存放的是主体之间的关系。Gephi对节点表和边表的列名称有严格的要求，而且最常用的格式是CSV，准备数据的时候要按照它要求的列名称准备数据。
题外话，我认为，数据准备是否妥当，是我们开始使用软件的最关键的一步~ 实际上，好多软件都对数据准备有严格的要求，比如用R做购物车分析的时候，是用basket列维度准备数据，还是用basket行维度准备，不同维度的数据所用到的命令是不一样的。所以我每次介绍技术篇的时候，都特别详细地交待数据准备格式。
那么在我这个案例中：
节点表就是各个账户，必要的列名称为id,Lable,weight。id为userA，userB，userC等等，使用各账户的年度订单量来表示权重（weight）。Lable就是id的中文或英文名称，也可以和id列数值一样。
边表就是各个主体账户之间的关系表，必要的列名称为source、target和weight。Source是源账户名称，target是目标账户，weight表示两者之间的权重。源和目标账户是可以互相替换身份的，称为有向图，在图形中有箭头的指向来代表源和目标的关系。
如果userA（source）通过userB（target）账户下过单，那么认为userA和B之间是有关系的，而且是有向向量。userA和B关系的权重（weight我采用的是订单量，即userA通过userB账户下了多少单。
节点表和边表CSV格式整理完之后，通过gephi的这两个步骤，完成数据导入工作。完成之后，大家别忘了再次检查下数据，是否有null值，是否有重复值等。
温馨提醒，边表中出现的无论是source还是target中的user_id，都需要包含在节点表格中。否则，gephi会自动帮你在节点表中进行补充，lablel,weight等值将做空值处理。
Step3. 图形整理 →繁琐的来了
导入完数据之后，可以移步到左上的“概览”。“概览”包含六个工作区：左上的外观、左下的布局，中间的画布，右上的描述、右侧中部统计和过滤。如果数据导入成功，在画布区域会自动出现关系图谱。
乱蓬蓬的是不是~
图形整理破费一些功夫，需要研究者根据自己的目的多次调整。在此，我介绍一些基本的功能，具体的大家可以在基础版本上自由摸索。
左上—外观，是个万花筒：
布局，也就是调整下颜色呀，字体呀，标签的大小等等。分为节点和边，分别可以调整颜色、尺寸、字体颜色和标签大小。这四个调整的icon在外观的右上角。
调整可以统一调整，也可以根据不同数值的表现进行分区调整。做条理清晰的关系图谱最好是使用数值设定。根据连出度、连入度、度、其他统计指标的数值，来对图形中的圆圈尺寸、色彩、标签的尺寸和色彩进行调整。布局是需要多次调整的，而且是需要结合着统计、滤波的参数调整下，而多次调整。
圆圈尺寸的调整：这个步骤可以实现圆圈尺寸随着度值大小而变大或减小，尺寸最大为50，最小为10。
圆圈颜色的调整：这个步骤可以实现圆圈的着色随着连出度值大小而变化，可以自由选择颜色，和着色的深浅。
同样的操作还可以处理边的颜色、尺寸。总之简单的摸索之后，你的画布估计是这样子的：
还是有些乱乱的是不是。现在我们要做一个重要的优化。
左下–布局，是个魔法师
布局的作用是让画布中各圆圈合理分布，可以选择Force Atlas 来让画布自动调整到最佳位置。可以看下动图，布局让发生关系的圆圈吸引在一起，让关系较弱的圆圈边缘排放。可以调整下斥力强度和吸引强度来调试画布的布局。
下面是布局在运行的动态图，能看到节点的运动轨迹。还可以不断的调整斥力和吸引强度，来让各节点的布局更加清爽。
（GIF动画）
右下—滤波，call me 清理大叔
虽然经过了布局，但整个画布的重点还是不清晰。我们可以通过过滤一些不重要的点，让重要的点清晰可见。
那我们就能使用到滤波这个功能啦。
滤波可以对节点做过滤，也可以对边做过滤。
节点过滤：在属性中，可以做到节点的过滤，可以通过节点的lable、weight做等于、范围值、非空等过滤。
如下图，就是通过节点的weight进行了范围的过滤，过滤掉了低weight值的节点，让这个图形不重要的节点变少。
在右上有一个“上下文”，展示的节点量、边量，做完过滤之后，这块会展示过滤后的量和占比。
做完了过滤之后，仍然可以继续执行布局的自动运行，直到节点的排列符合你的目的。
上图中，你还可以任意拖拽某个节点，让其更直观的展示。另外，在画布的下方，粗体的T是标签是否展示，这个比较常用。只有让其展示标签，才能在外观中进行标签的尺寸、颜色设定。
至此，我相信你已经能跟着葫芦画个瓢出来了。
但是，细心的读者发现，我还有一部分没介绍到，统计。这块是和滤波合并在左中部位的。
左中—统计
统计的作用是计算社会网络的重要指标，如平均度、图密度，还能进行模块化，对节点进行聚类。具体的统计指标定义大家可以关注公众号，在后台回复“社会网络”。
统计的两大作用：
1.统计之后的指标，直接呈现在数据资料的节点表里。是一种数据计算存储。
2.统计之后的指标，可以在外观的数值设定中使用，比如我们计算好模块化之后，可以让其根据不同的模块，进行圆圈着色。下图是根据模块化（modularity class）计算结果，分颜色展示的社会关系群组。
这个分了群组的图是不是比上一步的图好看多啦？没有么？？那只能怪作者的烂审美了。
看到这里的小伙伴，肯定大家都跃跃欲试了。别急呀，还有最后一步啦。
Step4. 图形导出
点击左上的“预览”，然后选择标签、边的设定值，然后点击刷新，就能呈现预览图。然后左下角有个保存图片的功能。
如果大家足够细心，就能发现，我明明选择了呈现标签，为何画布上没有标签显示呢？
我相信大家在实验的过程中也能遇到这个问题，我就留给大家自己去解决吧~ 嘿嘿嘿。
花花绿绿的图终于结束了！
结论：
从上图中，可以看到绝大多数的账户都是孤零零呈现，这是属于正常账户的表现形式。只有标有颜色的群组是互相之间发生联系的，也就是说这几个账户之间肯定有一个主要人员在操控。那么这几组账户就是我们所要找的“黑名单”用户，而且能发现几簇uid都是关联在一起的，这也是关系图所带给我们的超越数字的感受。
今天的篇幅略长，还要一些小的icon没有介绍到，大家可以自己摸索。作者也是第一次上手练习，互相切磋，共同进步。
来源：微信公众号【霞光里18号】
本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流，内容版权归原作者所有，如涉作品、版权和其他问题请给「我们」留言处理。
