La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Pajek Download: Corso Pajek Sidney 2105 DATA.

Presentazioni simili


Presentazione sul tema: "Pajek Download: Corso Pajek Sidney 2105 DATA."— Transcript della presentazione:

1 Pajek Download: Corso Pajek Sidney DATA SETS:

2 Pajek significa «ragno» in Sloveno. Pajek è un software per la visualizzazione e lanalisi delle reti complesse. E continuamente esteso e aggiornato. Gli autori sono: Vladimir Batagelij e Andrei Mrvar delluniversità di LjublJana (Slovenia)

3 libro

4

5 Manuale

6 la social network analysis (SNA) permette di rispondere a domande molto semplici ma importanti quali: chi conosce chi chi ha il numero più elevato di contatti in una comunità o organizzazione quali sono i sotto-gruppi di cui è composta una comunità numerosa come funziona l'organizzazione reticolare di un movimento politico o di un gruppo terrorista come sono collegati tra loro i dirigenti di aziende quotate in borsa ecc. Introduzione all SNA

7 introdurre reti rappresentare graficamente le reti Statistica di base come si misura la coesione

8 Main window

9 Aprire una rete esistente Disegnarla Dining-table_partners.net: 26 vertices, 52 valued arcs (1 = first choice, 2 = second choice), no edges, no loops.

10 1.Creare un file (*.net, *.vec, *.clu) manualmente con Pajek Net/RandomNetwork/Total n° of Arcs (es: 15, How many arcs=10) File/Network/Edit (cambia un vertice per volta) Partition/Create Constant Partition File/Partition/Edit Vector/Create Constant Vector File/Vector/Edit File/Network/Save File/Partition/Save File/Vector/Save 2. Modificare un file manualmente con un word processor Net/Random Networks/Total n° of arcs (es: 15, How many arcs=10) File/Network/Save Open file with Blocco Note and modify it Save Re-open File before using it (Never use TAB) Analogamente per partizioni e vettori

11 Come inserire una rete: Esempio 1 Pippo Mario Franco Luca Giovanni *Verteces 5 1 «Pippo» 2 «Franco» 3 «Luca» 4 «Giovanni» 5 «Mario» *Edges * Arcs *Verteces 5 1 «Pippo» 2 «Franco» 3 «Luca» 4 «Giovanni» 5 «Mario» *Arcslist *Verteces 5 1 «Pippo» … *matrix Lista di vertici seguita da una lista di arcs/edges 2. Lista di vertici seguita da una matrice. Limitazioni: non è possibile indicare linee multiple Linee di valore 0 = non linee

12 Possono essere ni reali

13 Esempi di grafi diretti(digraph)

14 Drawing Draw Draw/Partition Draw/Vector Draw/Partition/Vector Draw/Layout/circular Draw/Layout/Energy/Kamada-Kaway/Free Per default Pajek non disegna reti con più di 5000 vertici anche se può fare i calcoli con reti di vertici Lalgoritmo di Kamada –Kawai trova la posizione dei nodi che minimizza il numero di incroci delle linee e la distanza tra i nodi.

15 Drawing La posizione dei vertici può essere cambiata usando il mouse. Si possono usare le Option dalla finestra grafica per visualizzare diversamente i nodi e gli archi. Le figure si possono esportare con export o copiando la foto (print screen) in Paint

16 Statistica di base su reti unimodali Info/Network/General f ornisce informazioni generali sulla rete: m=n°spigoli, n=n° nodi; =2m/n grado medio Densità1= 1=m/(n*n)=link esistenti/link possibili (con loops) Densità2= 2=m/(n*(n-1))=link esistenti/link possibili (senza loops)

17 Esercizio Inserire la seguente rete che rappresenta «chi è amico con chi» allinterno di un gruppo sportivo 1 nessuna frequentazione 2 frequentazione saltuaria (1 v al mese) 3 frequentazione assidua (1 v alla settimana) 1.Laura (15) 2.Michela (16) 3.Emanuela (14) 4.Silvia (12) 5.Roberta (17) 6.Giovanna (15) 7. Giorgio(12) 8. Carlo(14) 9. Marco(15) 10. Leonardo (17) 11. Davide(15) 12. Luca 16) Creare il file es1.net Rendere la rete non diretta Inserire la rete come matrice e come lista Creare la partizione maschi/femmine Creare il vettore età

18

19 Statistica di base Info/network/general (0)

20 Info/partition (0) Info/vector (0)

21 Come misurare la Coesione

22 A cosa può servire misurare la coesione? Prevedere la diffusione di idee/innovazioni e luniformità di tale diffusione E più probabile avere diverse opinioni in diversi gruppi coesi.

23 K-cores E il massimo sotto-grafo connesso in cui ogni nodo è connesso con almeno altri k-nodi nel gruppo. A volte questo è un concetto troppo stringente per individuare comunità in una rete. Può essere interessante osservare la sovrapposizione fra diversi k-cores Net/Partitions/core

24 Problema: si può avere p alto se molti vertici appartengono ad un grande cluster P-cliques= percentuale delle connessioni E il massimo sotto grafo connesso in cui i nodi hanno almeno una data percentuale p di vicini allinterno del sotto grafo

25 Altri metodi: Componenti connesse (strong e weak) Densità dei link nella rete

26 Esempio con Pajek. Attiro.net Nel 1948 i sociologi americani studiarono le relazioni sociali in una regione della Costa Rica nel Sud America. Essi erano interessati allimpatto delle relazioni sociali sullevoluzione di una società. Studiarono le relazioni di «fare visita a» tra famiglie che vivevano nelle «haciendas» (fattorie). La rete di visite è contenuta nel file Attiro.net. Si ha un semplice grafo diretto dove ogni arco rappresenta la frequenza delle visite da una famiglia ad unaltra. Non si conosce lesatto numero di visite. Le linee sono classificate come «ordinarie» (1), visite saltuarie tra famigliari (2), visite ricorrenti tra famigliari (3). I loops non ci sono perché in questo caso non hanno senso La visualizzazione aiuta a mettere in evidenza le diverse famiglie e la forza dei loro legami. Le famiglie verdi e azzurre sono concentrate al centro. Eccezione f43

27 Che gruppi coesi possiamo trovare in attiro.net? Coincideranno con le famiglie? Per misurare la connessione si può misurare la densità dei link Net/Info/General (0) La rendo non diretta perché così il grado è il numero di vicini Net/Transform/Arcs-Edges

28 Net/Partition/Degree Info/Partition

29 Rete non diretta Net/partitions/Core/(all) Draw/Draw partition I colori dei vertici indicano il più grande k-core a cui i vertici appartengono 3 k-core Sembra che i k-core non identifichino i raggruppamenti delle famiglie

30 p-Cliques P=0.5 Nemmeno le p-cliques identificano I raggruppamenti tra famiglie Partizione della rete in sotto-grafi i cui vertici hanno una percentuale almeno di p di vicini

31 Strongly connected component with Pajek Attiro.net (CAP 3) sono importanti le strong component (=gruppi che si visitano a vicenda) sono quindi importanti le direzioni delle frecce Net/Component/Strong Draw/Draw Partitions Layout/circular/using Partition Se vi si sovrappone la partizione in famiglie si ottiene: Quindi le strong component individuano le famiglie


Scaricare ppt "Pajek Download: Corso Pajek Sidney 2105 DATA."

Presentazioni simili


Annunci Google