之前用了兩個帖子去介紹社會網絡分析：
https://steemit.com/cn/@rayccy/social-network-analysis
https://steemit.com/cn/@rayccy/social-network-analysis-gephi

說過會拿Steemit的數據來試試應用，終於有空把它弄出來了~

數據準備

• 針對7月份所有有cn標籤的帖子，以及用cn為主要標籤的帖子中的留言

• 提取了所有對於這些帖子的投票(upvote)資料（只限於在7月期間投的票）

• 篩選了「投票次數」跟「被投票次數」均大於10的人作研究對象，只有這些人所投的票才會算為有效，此舉是想要把一些curation-trail或在cn版極度不活躍的人從分析中去掉

• 針對這些研究對象，把每個人對其他人的投票加權(voting weight) 加起來作為連結加權(edge weight)。比如A跟B都是研究對象，A向B的三個不同的帖子各投了30%、50%跟90%的票 ，那麼A指向B的連結加權為0.3 + 0.5 + 0.9 = 1.7。連結加權跟投票所值的金額是沒有關係的

Gephi的處理

把數據導進了Gephi以後，作了以下處理以製出有向圖：

• 用了K-core的篩選方法把比較不重要的個體拿掉，用的K值為45

• 用了Degree去決定個體的大小跟顏色 (Degree的定義在上一篇有提及到)，Degree愈大個體愈大且顏色愈深

• 用了連結加權去決定連結(跟箭頭)的粗幼度，加權愈大連結愈粗

• 用了force atlas作佈圖(layout)，基本上關係強度愈大的個體會愈近，關係強度愈少則愈遠

結果

結果圖在這裡有點不清楚，建議用新分頁把圖片打開，放大會明顯清楚些（抱歉我不太會弄圖片大小 lol）

如果你有仔細留意，且對cn版的人有一定程度的熟識，你會發現其實這個社會網絡主要可以分成兩個群體：在圖的左上方的多是來自香港（大概以 @kitcat為軸心），右下方的則多來自內地（大概以1號用戶為軸心）。我用紅線把2個群體區分出來：

而整個社會網絡的軸心大概是2號用戶了。

---

有獎比賽

但是，為什麼結果中有1、2、3號跟一些問號呢？為了鼓勵大家試一下數據分析，我把一些人名都隱藏了，讓大家從數據中自行找答案，或是猜出答案~

題目是：圖中的1、2、3號分別是什麼人？

他們都是cn版常客不會覺得陌生的人，為了增加難度我把部份其他名人也用問號代替了

提示：

• 1、2、3號的Degree為整個社會網絡的榜首，其中1號的Degree最大
• 2號跟3號雖然Degree差不多，但2號與其他人的連結加權明顯大很多
• @abit在圖中下方

---

這個帖文的SBD金額將會分給得獎者，分獎規則如下：

• 得獎名額每5 SBD收益增加一個，最少為一。如最後SBD收益為31，則得獎名額為int(31 / 5) = 6。如最後收益不足5 SBD的話我也會提供5 SBD為獎金。
• 每個正確答案可獲一個得獎名額，1、2、3號的答案分別計算，所以一個人最多可獲3個得獎名額。
• SBD收益會平均分配於已獲的得獎名額，每個得獎者按照得獎名額的數量分獎。
• 分獎順序會先按正確答案數量，再按提交答案時間分先後。

---

說的有點複雜，舉個例子好了 :

假設最後SBD收益為37，則得獎名額為7個。

例子1：假設根據時間順序，A答對了1個答案，B答對了2個答案，其餘沒有人答對。總共已獲的得獎名額為3，每個名額會獲分配37 / 3 = 12.33 SBD。根據已獲名額數量：

• A能分得12.33 SBD
• B能分得24.67 SBD

例子2：假設根據時間順序，A答對了1個答案，B答對了2個答案，C全答對，D答對了2個答案，其餘沒人答對。7個得獎名額會優先分配3個給C，再分配2個給B、2個給D，A就沒有得獎名額了。每個名額會獲分配37 / 7 = 5.29 SBD，根據已獲名額數量：

• A沒能分到SBD
• B能分到10.57 SBD
• C能分到15.86 SBD
• D能分到10.57 SBD

---

參賽規則

• 參賽請upvote這個帖子，並於https://goo.gl/forms/Dd9niEEKlAMF00PU2 提交答案
• 你可以重複提交答案，但只會以最後提交的答案為準
• 8月15號或以前提交的答案才為有效
• 請勿以留言方式提交答案

答案與得者獎會於一星期後公佈，希望大家能upvote支持一下~

---

歡迎follow我 @rayccy :)