为什么基地恐怖分子发动攻击时，每组人数不能超过6人？
为什么网上病毒传播关键零界点是7%，当一条微博渗透率突破它，才能从线性增长变为病毒传播式增长？
为什么Facebook起步时，都先要在一个小范围内吸引社群关注达到6%的饱和度，才考虑从一个Harvard的小社群跃迁到一个像常青藤这样的大社群中去？
Background：开始的这些问题便是引起我阅读的点，这本书讲的就是这些问题背后的科学技术，社会分析网络（Social Network Analysis），开始于20世纪30年代由社会心理学家莫雷创立，也算是一个新兴的，较为独立的学派。感觉还是有一定门槛的，书中内容都基于开源软件NetworkX讲授。
去搜了NetworkX，是一个基于Python的工具包，用于创建，操纵和组织动态和复杂的网络功能研究。
Paul Barry的Python教程《Head First Python》
初翻《社会网络分析》以为这是讲SNS相关科学统计的一本入门读物，但讲者在导论中讲到，Social Network Analysis（之后打卡通称SNA）比Twitter和FB要早至少30年。
大体思路：与一般统计方法类似，最常见到的是将经济学统计学中的回归分析运用于社交媒体，更多的价值便由此延伸。
SNA科学的核心是人与人之前的关系，这些关系定义了我们是谁，以及如何行使。我们的人格、教育、背景、种族、民族等所有的这一切都与我们的关系模式发生互动，并在关系中留下不可磨灭的印记。（作者说的）
什么是关系？
关系可以是二元的，我关注了你的简书，二元关系；还可能是，他转发了你四篇文章，这里是赋值关系。这种关系的量化在社交媒体中很容易实现，但是在现实生活中往往非常困难。老板和我，我和老师这样设置有方向性的关系是不对称的，不对称关系；Twitter和Weibo上的关注尽管有方向，但是还存在一种反向关注，因为可以看做是对称的。最后，还会有一些不同类型的主题如公司雇佣员工、投资者购买公司股票、人们占有资源等等这样双峰关系（Bimodal）或二模关系（2-Mode）（之后讨论）
How to do it？
搜集社会网络数据→寻找定性或定量变量→量化指标（中心性？第3章）→测量指标
作者在此举例最常见的应用方向——同质性（Homophily，希腊文，对相似者的喜爱）研究——通俗讲就是研究“物以类聚，人以群分”。e.g. 为什么年龄相近的人更容易更为朋友？
（略）介绍泊松过程。Ref. 《Probabilistic Graphical Models》、《Bayesian Methods》贝叶斯推理、贝叶斯网络、概率图。
社会网络分析的另一个相似物（作者用表亲）是连接分析。Ref. 《寻人密探组》（Without a Trace）《数字》（Numbers）、《法律与秩序》（Law and Order）
