过去的几年中，人类最重要的社会现象之一是：信息交流、信息处理、信息获取的方式所发生的变化。一个很好的佐证是,全球上亿人群对社交网络所产生的兴趣、所花费的时间不断上升；人群数量增加的大数据的背后还可以看出，家庭与工作场所、工作时间与下班之后，专业与娱乐，所有这些活动之间的边界已经模糊；基于社交网络系统，人们还可以组织与同事一起用餐或与朋友举行生日聚会；社交网络还可以用来组织工作会议；例如, 聊天系统嵌入社交网络平台,通常是联系同行、同事提出紧急问题的最实用的方式, 尤其是在面向技术的公司。
社交网络及其所呈现出的持续不断的影响力，值得当今公共关系学术界、业界关注。这种关注对于公共关系和传播的意义在于：社交网络为公共关系实现沟通（新华词典解释：使彼此相通），而不仅是传播提供了一种交流平台、一种工作手段。公共关系正在利用社交媒体开辟传统媒体领域之外的战场。墨菲等人(Murphy et.al.)曾指出的：“ 一些组织、品牌正在采取的第一个策略是利用社交媒体改进客户关系管理 (CRM)。在公共关系的实践中，社交媒体已经成为企业、组织倾听客户意见，以取代通过问卷、小组访谈等传统收集数据困难的一种手段。”
在这种社会背景下，公共关系传统的技术层面所受到数字化技术趋势的影响越来越广泛，对传统的理念所产生的影响也越来越重要。学者及业界研究者对公共关系引入社会网络分析的主要目标列举如下：
1、调查网络用户的行为；
2、确定网络用户的成员资格和在子社区中的地位；
但是在实际情况中，这种连线还不足以刻画社交网络用户之间的相互关注、还是单向关注关系，为了描述这种关系，可以在连线上标注方向（用矢量图表现），比如（见图二），如果B1与4个人（B3、B4、B6、B2）中存在关注关系，与1人（B2）存在互相关注关系。
3、查找哪些网络用户之间可能存在的关系；
（1）中心度（也称度中心性）
聚焦于当代社交网络的公共关系，首先，分析社交网络系统的角度有多种，不同的角度对了解、掌握社交网络参与者的行为很有用；比如：该社交网络参与者在社交网络中的地位 (即与哪些其他成员有联系), 以及他对议题的讨论或后续进展的能量 (知道他属于哪些群体有时也是重要信息)。事实上，社交网络的每个成员都可以映射到图形的一个节点上, 两个成员之间的每个关系都可以映射到连接两个节点的边缘上。其次，社会网络分析是研究社会网络和了解其中成员行为的一个持续性过程；以下列举这一持续性过程中的几个方面：
1、分析、掌握用户在其社交网络中所开展的活动；比如, 用户可以被识别为“主动”（当他产生内容, 发送视频和照片, 评论其他用户的帖子, 报告原始文本和文档）或 “被动”（当他只是其他用户的内容的消费者）；
3、寻找由不同用户组成的子组之间的交叉影响； 即执行网络社区（虚拟）交叉关联的监测。如果它们之间的现有连接远超过单个社区用户数量, 则可以将跨社区的交集部分视为新的社区；通过对网络虚拟存在社区的分析和研究, 分析人员可以识别网络用户的信息传播路径及其之间相关关系，目前，引入以下三个主要指标进行度量：
接近中心度体现的是一个节点与其他节点的近邻程度，反映在网络中某一节点与其他节点之间的接近程度。计算的是一个节点到其他所有节点连接距离的总和，这个总和越小，就说明这个节点到其他所有节点的连接路径越短，也就说明这个节点距离其他所有节点越近。接近中心度是一种与图形路径长度概念相联系的度量方法。它提供了有关用户与社区的所有用户之间的距离的信息： 此值越小, 当他发布内容时,信息到达所需的时空可能就越少。
第一是与人为善。良好的人际关系是教师情绪劳动表现正常的重要保障，而良好人际关系的维系离不开师生之间、同事之间和睦相处，这要求教师自我能够“想他人之所想，忧他人之所忧”，能够有原则地与他人保持信任、尊重、和谐的关系。“我之前也尝试改变一个所谓的问题学生，例如通过对他的关注、表扬、了解等，改变效果还不错。有的教师选择对这样的学生放任自流，或者采取批评、教育的方式，甚至导致不良事件的发生，这是因为没有充分了解学生，不能与学生保持融洽的师生关系，教师情绪把握也不得当，因此适得其反，最终也会影响到教师自己的良好情绪。”[HDW—ZL]
2、关注社交网络中两个或几个成员之间的关系；发现这些关系的类型、相互信任及其在网络中的距离, 是社交网络分析体系用来分析信息传播情况和用户交叉影响的基础信息；
4、发现网络结构随时间的变化而发生的改变；
顾名思义就是一个节点（node）与其他节点直接连接的总和。比如，想知道某个人在网络社交圈中具备的传播力程度，就可以通过中心性的概念进行分析。拿Ai（标识一个节点，下同）来代表一个由6个人组成的社区为例，想知道在这个6人的圈中，可采取这个概念来判断谁具有最大的中心度。比如在下面的6个人的圈中，A1和5个人（A3、 A4、 A5、 A6、 A2）有直接连接，A3和2个人（A1、 A4）有直接连接，可以判断A1比A3的中心度高，在这6个人的网络虚拟社交圈中，A1比A3向其他用户传播信息的能力强。
以2013年石门县1：5万土地利用现状图布置调查采样工作，以柑橘高密度种植区夹山镇、蒙泉镇以及秀坪园艺场作为重点调查区，面积150 km2，采样密度为4件/1km2，石门县其余区域作为一般调查区，采样密度为1件/km2，土壤样共采集3600件，包括水稻土、菜地土、林地土等，按4件样品1组进行组合分析，共计分析900组样品。每件土壤样品以拟定采样坐标点为中心，按50～100 m间距在四周采集7～11处子样，将全部子样混合形成一件土壤样品。
(2)接近中心度
在进行电力负荷预测时，会获取海量的历史负荷数据，其中，往往会由于机器或人为的原因，使数据中出现一些偏差的离群数据以及缺失数据，这些“坏数据”的存在往往会极大地影响预测的精度，因此我们首先进行检测并加以处理。
刚才还饥肠辘辘急着去吃饭的高潮，现在一点饿意也没有了，反而觉得肠胃里有些堵。高潮木呆呆地坐在房间里，思考着下一步的应对之策。可此时高潮的头脑似糨糊一般，混沌一片。高潮决定出去走走，在漫无目的的散步中，梳理一下紊乱的思绪。
中介中心度，计算经过一个节点的最短路径的数量，以经过某个节点的最短路径数目来刻画节点重要性的指标。经过一个点的最短路径的数量越多，就说明它的中介中心度越高。假设想了解的人是A1（如图一所示），我们发现在这个6人的圈子里面，中心度最高的人A1，却不一定是活跃或者常常得到回应的，这里就需要用中介中心度来进行判断，经过分析，可以发现A4这个节点具有4条最短路径（A4与A1、A3、A6、A2），那么就可以说A4有较高的中介中心度，A4处在与其他直接连接节点之间的捷径上，它说明A4 的周围聚集着在时效上、沟通上有更多的路径或渠道。
2.2 各血清学标记物浓度及MoM值比较 比较两组各孕周指标发现，两组AFP和uE3浓度随着孕周的增加而呈上升趋势，free-βHCG浓度则随孕周的增加而下降，见表1。但为了消除孕龄对孕母血清标记物水平的影响，故将血清标记物浓度转化为中位数倍数进行比较，两组free-βHCG MoM值差异有统计学意义（P＜0.05），见表2。
(3)中介中心度
委员会调查中最有意义的发现之一来自对相对新的、未开发的数据集——三角测量台网畸变的分析。美国海岸与大地测量局的J.F.Hayes和A.L.Baldwin在震后15个月内复测了加州北部三角台网的大部分。他们的细致分析（Ⅰ卷，114～145页）证明了1868年海沃德断层地震和1906年地震都出现位移的证据。对于1906年地震，他们发现同震水平位移与圣安德烈斯断层大致平行，断层两侧的点朝相反的方向移动，与所观察到的右旋断错一致。他们进一步总结出，位移量随着离开断层的距离呈非线性方式减小，且断层附近减小最快（图2）。
泵腔中进入杂物或空气是泵站设备在运行中的常见问题，通常会引发振动，从而导致出水量降低、定子电流下降等故障。空气流入泵腔后会引起严重汽蚀和振动，致使过流元件加速破坏，杂物进入泵腔后将夹到进水叶片内部或堵到进水叶片之前，致使泵站机电设备因泵体两侧进水量失衡而出现急剧振动。导致泵腔流进杂物或空气的原因：机组在低于最低水位条件下运转，拦污栅前池的杂物较多，填料受到严重损蚀等。
4、发现社会网络结构在一个特点时间段内的变化。研究网络的动态使分析人员能够检测到是否有持久的关系 (如果存在), 并覆盖新的用户、潜在用户的影响，新的用户及潜在用户在社交网络分析中发挥着重要作用, 同时，根据前面提到的主要三个中心指标来研究网络变化，也有助于预测用户的真实连接。
分析社交网络的现实问题是需要面对大数据，即如何对海量的数据进行处理？萨尔瓦多·帕里塞（Salvatore Parise）和巴拉·莱尔（Bala Iyer）曾提出企业、组织可以将大数据分为业务目标 (这些数据处理目的可用于度量和实验) 和数据类型 (这些数据处理目的可用于经营性与非经营性)。（见表一）
表一
度量Measurement 实验Experimentation经营性TransactionaI社交分析： 对社交媒体品牌的持续衡量, 监控品牌在受众意识、参与度和到达率等指标上的持续表现。决策科学： 涉及对非经营性数据进行实验和分析。可包括网络数据采集工具, 用于从社交媒体收集数据, 然后用于测试和情绪分析。非经营性NontransactionaI绩效管理： 这里使用的数据通常是结构化的, 并可从内部系统 (如CRM 系统) 访问。这是一种分析类型, 可用于仪表板输入, 以有效管理业务。数据探索： 这种类型的分析需要进行以前可能没有考虑过的方式探索事务性数据。它经常使用预测建模技术, 尽管这是有效挖掘数据的一系列有意义的途径之一。
以上对大数据不同类别的划分方式为公共关系数据处理者提供了参考，以便能够更仔细地思考公共关系业务及其目标与可用数据之间关系。这种划分的另一个意义在于, 它还启发公共关系数据处理者考虑如何以不同的方式使用相同的数据, 比如, 虽然社交媒体数据往往会被许多公司用作一种绩效管理的指标, 但在公共关系领域，它也可以用来识别品牌的新问题和新机会，从而对公共关系当前绩效的考察及制定后续策略提供参考。
目前对社交网络结构的研究, 一般以节点间关系的图形模式来表示, 这些在线社交网络分析的学科基础可以利用古典社会学和人类学的模型、图论及集合论的一些思想，需要关注的是语境和视觉上可能体现的关系如何进行表现。
此外, 由于在线社交网络平台在技术和目标上可能有很大差异，这些差异会被企业、组织用在不同的虚拟社区组织相当多样化的活动。目前对大数据的研究主要集中在高性能计算和并行分布式处理上，然而, 公共关系领域经常分析的是非结构性数据，即大量是文本，此外，如果需要还必须考虑和整合各种异质的社交内容, 包括优酷、微博、微信、论坛等社交网络中出现的影像、声音、表情等视觉、符号类内容。
社交网络内容可以看作是人类活动及行为、情绪的传感器。在社交媒体中的每个用户都会生成有关观点、感情和情绪的离散性数据, 如提供有关参加用户旅游、餐饮、音乐会、棒球比赛和产品体验等活动的最新信息，当这些离散社交媒体内容近似连续时,公共关系研究者就可以从中识别每个人的运动轨迹甚至群体性的倾向，从而为确定传播、关系的现状及趋势提供依据。然而，由于网络的结构和动态存在自我更新、自我发展的“放养”模式, 一些已有的社交网络的分析模型不能简单地应用于不同的关系背景，而是应该适时进行评估和必要的调整，以便能更好地分析新的网络结构及形态。
侯向平
品牌管理与评估专业人士
标签：社交论文; 网络论文; 节点论文; 公共关系论文; 数据论文; 社会科学总论论文; 社会学论文; 社会结构和社会关系论文; 《国际公关》2019年第1期论文;