小世界第八章 By Boice

資訊串連

關鍵：受到自己過去經驗、印象、偏見及他人影響à要瞭解集體行為，也就是要瞭解決策與外緣影響的動態發展

決策門檻模型

抱著懷疑的人容易改變主意

• 7A
• 4A3B
• 7B??!!

重要性

相對比例>人數本身

實驗結論另一重點:意見一致

關鍵門檻à

所在位置代表個人易受影響的程度

ex 之前實驗 門檻接近一

確定性不高 選新電腦 投票 門檻低

相映外緣影響

ex大家都買亞太手機 但你沒男或女朋友 朋友擁有比例多 買的機率多

決策門檻重要性:總體層次之後續影響

決定形成受到某想法感染 vs 疾病感染

疾病感染 獨立發生

社會感染 累積發生

掌握差異

每個人都是不同的

決策觀點:每個人對特定問題有不同程度的資訊或專業知識，自我信念強度也不同

一些人當奮戰的角色 有些人當風險降低才加入的角色 有些人當幾乎成功才想分杯羹的角色

有人一直在想創意 有人一直追新潮流從中獲利 有人墨守成規

本質的變動性 掌握了總體人口中個別變動情形

多不代表好 多 好意見的影響也越小 買衣服帶女伴

門檻的整體分佈情形（圖8-3）

依決策重要性和時間多寡向不同數量人徵求意見

統計數量vs朋友間或訊息

只不過前者是從更大的母體計算出來的 不過整體的似乎較值得信賴 ex explorer 特定股票

但鄰近朋友也有很大影響力 蘋果電腦廣告:麥金塔 pc 因為比較有關連

詢問對象太多不好太少也不好

社會資訊網路重要不只是幫個人做出決定，也能讓某處流行的事傳出去

社會網路的串連

是否有類似資訊來學習以提高資訊串連可能性

想法的擴散必須在組內凝聚力和群際連結性取得平衡

新產品的成功需要在區域強化與整體之間取得適當的平衡

創新者-涵蓋任何干擾舊有系統的小小衝擊力量

接受新觀念可能是因為

天性易受感染

受到強勢的外在影響

創新者-某個活躍鄰點的影響下，從不動轉為活躍

易被影響的

門檻太低

鄰點太少

穩定表示結點擁有比臨界上度更多的鄰點

臨界上度 節點能被單一鄰點啟動的最大鄰居數量

串連與滲透

新事物消失 要不就爆發出資訊串連現象

全面串連的條件-存在滲透性的不穩定群落

串連能否成功-動態簡化成靜態

新事物出現到 循環結束

靜態滲透模型（不穩定）群落的大小

課本CH7(p.123-130)By懷文

課本CH7 (p.123-130)

中心性分成三種形式：程度中心性(degeree centrality)、親近中心性(closeness centrality)、中介性(betweeness centrality)

1. 程度中心性

   • 程度中心性是最常用來衡量誰在這個團體中最主要的中心人物

   • 個體在某群體中的程度中心性計算方式：他在該群體中與別人關係數量的總合

   • 比較不同群體中「個體的程度中心性」計算方式：他在該群體中與別人關係數量總和/他在該群體中最大可能的關係數(g-1)

     1. 因為不同的群體個體數量都不一樣，所以要標準化

     2. 一個個體假如位於星狀圖形的中間點，便擁有最大的關係數，即網路中所有人數(g)-1

   • 比較不同群體的「群體程度中心性」計算方式：∑(該群體中最大程度中心性之個體-其他個體之程度中心性)/分子之最大可能值

     1. 群體程度中心最高的圖形就是星狀圖形，因此分子最大可能值為(g-1)(g-2)

     2. 群體程度中心性愈大，表示此團體權力過分集中

2. 親近中心性

   • 以距離為概念計算某個體的中心程度，與別人愈近中心性愈高

   • 計算方式：某個體與及其他節點距離的加總，再倒數(倒數是為了求概念上的一致→數值愈大愈親密)

   • 必須是完全相連的圖形才能計算親近中心性(沒有相連則無法計算其距離)

3. 中介性

• 中介性是衡量一個人作為媒介者的能力

• 個體中介性計算方式：詳情請見課本p.129

• 群體中介性愈高表示資訊由少數人壟斷的可能性愈高；群體中介性最高的圖形也是星狀圖形

• 請思考群體中介性計算方式

課本p.80-84 By懷文

課前討論

• Standford大學教授Granovetter所著 “The strength of weak tie”

  • 此處之 “weak” 是指兩個個體間的熟稔程度；而課本p.81之弱相連( weakly connected)是指兩者之間被一個半路徑所連接。

  • 統計調查指出大部分的人都是透過不熟的朋友而得到工作→weak tie之重要性

  • 不同人散播資訊，結果也不同

課本p.80-84

• 矩陣之自我相乘：裡面各數值代表指兩兩之間能夠兩步到達的路徑數目(再乘一次就表示兩兩之間能夠三步到達的路徑數目)

A^T*A= indegree (各節點共同向內關係的矩陣)

A*A^T=outdegree (各節點共同向外關係的矩陣)

• 矩陣相加：代表兩節點間關係之強度

d₀(n₁)=列相加

d₁(n₁)=行相加

六個人的小世界CH9 Part.1 By懷文

六個人的小世界CH9 Part1.

1. 豐田─愛新危機

1. 豐田集團

• 集團由兩百多家公司組成

• 集團內所有公司「徹底的」實踐豐田生產系統(一種日本企業普遍遵行的製造與設計流程協定)

• 集團內所有公司合作關係非常密切，包括定期相互交流人員、智慧財產 等，甚至利用自己的工時與資源相互幫忙，就連互相競標豐田訂單的對手也不例外，且不需要任何合約或書面記錄。

2. 愛新公司

• 豐田P閥門(一種煞車零件)唯一供應商

• 效率考量，生產線集中至一家廠房

3. 危機的發生

• 廠房發生火災，重建需要兩個月的時間，但豐田為了保持本身彈性，只有兩天庫存

• 少了P閥門，產品就無法順利出貨，因此影響不只豐田本身，還包括所有零件商及員工

4. 危機的化解

• 大火尚未撲滅時，愛新員工已經著手審慎評估災害，並擬定該採取的步驟，發出危機事故通告

• 集團內公司接到危機通告時，立即有反應，並且自行協調重建工作事宜

• 雖然參與重建工作的廠商都缺乏製造P閥門之經驗，但由於同步工程本是例行之事，因此能更快速的完成重建工作

• 公司之間利用原本就已建立之網路關係，加速了情報的流通

• 每家公司皆重新安排生產優先次序，並組合彼此資源完成重建工作

• 在幾乎沒有愛新與豐田直接干預之下，三天內完成重建

5. 社會網路議題

   • 跳電事件形成的大災難、文化流行的變遷等，一般人不容易了解始末發展

   • 透過學者對豐田危機的事件報告書，我們可以了解整個事件的發展情況→組織中之資源配置、問題解決能力等與其架構是否有任何關聯？

2. 組織相關議題

1. 市場與分層管理

• 勞力分工原則：學習曲線效果帶來專業化效益─階層組織為產業組織最佳型態

• 作者將組織分成「階層」與「市場」

  1. 公司都為階層組織架構；市場發生於公司與公司之間

  2. 若一家公司能有效操控另一家公司，便以併購方式收場，成為更大的階層式組織；若一家公司管理成本過高，其中一個部門可能會獨立出去→不論何種情況，公司都維持階層性架構，只是規模數量不同

2. 產業分隔理論

• 公司理論是既成事實後才出現，階層架構並非唯一成功之產業模式

• 組織型態的興起是為了解決問題，面對組織型態演進過程中，某一個時間(分隔點)，世人會面對某普遍性的問題，而必須在幾個互相競爭的解決方案中做抉擇，選擇一旦確定，勝者便會全然盤據當代思想，讓世人忘記還有其他替代方案

• 第一次產業分隔

1. 工業革命時

2. 廠商追求快速生產廉價產品

3. 高度專門化的生產線淘汰過去高度手工藝的生產系統，且幾乎所有公司都採階層式管理方式

• 第二次產業分隔

1. 七○年代之後，環境變化快速，且不明確

2. 廠商追求彈性與適應能力

3. 將資本投入在多功能機器技巧精湛的工人，製造小量但範圍寬廣的系列產品

3. 模糊不清的局面

1. 組織內員工一開始不確定自己要做些什麼→以一般概念開始，逐步修正

2. 環境不明確，工作複雜性提高→工作重新切割、資源重新分配、一連串解決問題的活動

3. 每個人都擁有「某部份」問題解決資訊，但卻沒有一個人可以了解所有的問題與解決方案→必須有足夠與多元的參與組合才能辨別複雜的因果關係

4. 社會網路與組織

1. 個體的連結會造成全面性的結果

Ex:在前述豐田case中，平時不同子公司間人員互動交流，使組織連結路徑變短，讓危機發生時能更有效率的進行溝通。

2. 面對各種問題的發生，網路如何發揮其功能？

六個人的小世界CH2 By懷文

六個人的小世界CH2

• 隨機圖形理論：以書中的圖形來說，線的數量只要超過一定的數目(臨界點)之後，所有鈕扣能夠被一次拉起來的機會很高。這個理論主要是想表達→欲將隨機散佈的個體相連，在接近某一臨界點時，只要加入少量的連結線，要達到整體的連結是一觸可及的。

• 社會網路，分成兩大支派：

  • 網路結構與相對應之社會結構的關係→由純粹關係性的網路資料抽取出關於社會族群階層的資訊。

  • 將網路視為普及知識的管道，或是影響力的傳播媒介

• 動態分析：網路上的個體是互動的，因此純然結構性的靜態度量並不能解釋網路上的動態行為。

• 中心性→中心是否真的存在？或是，中心只是被衍申出來的？

CHAPTER6 六個人的小世界

過去傳染病僅只會在一個小村落中，但是現在因為交通的發達，所以讓傳染病也有可能在短短幾天侵入世界各大都會及動力中心。

當一種疾病參與某項搜尋時，其實他並未真的特定找尋對象，而是將自己盡可能既多的廣傳下去。雖然傳染病並不會造成人類文明的終結，但是還是會造成巨大的經濟災難。

電腦病毒以留存十幾年，是因為1990年代網際網路的發達，造成許多問題的存在。

SIR是由William Kermack及A.G. McKendrick所創造出來，至今還是大部分級並模型的基本架構。SIR模型中的三種狀態，易受感染的個體如果接觸到感染源，就容易受到感染。感染源可藉由復原或死亡而中止上述的狀況發生。如果是復原的狀況，有可能會因為免疫力的喪失再度感染。

在SIR模型的古典版本中，互動被假設為純然隨機的。如圖6-2所示，個體如同混攪在一個大桶之內。隨機假設一個重要的結果是，互動機率取決在人口的相對數量，這大大地簡化我們的分析。一旦感染者的密度增加至無法掩飾或忽略的階段，瘟疫便進入典型的對數成長的爆發狀態。如圖6-3所示，也就是I與S有相對一樣的數目，就會造成暴發現象。

圖6-5所示，當傳染病的再造率超過1時，瘟疫就會發生。但是疾病的傳染會被網路線至於已經感染的人口中，在一維度的晶格中，無論被感染的人口數有多大，這種疾病前緣的大小，也就是感染者最大的可能數目將會被固定住。而當傳染到二維度時，最具傳染性的疾病才會發展真正的流行瘟疫。

圖6-7，總人口中，受到感染比例的傳染值為1/2，我們稱這一個數值為傳染性的門檻。圖6-9，傳染性比例門檻低，其隨機捷徑的比例就會高。

如圖6-10，標準與無刻度隨機網路的感染比較發現，無刻度網路中並沒有臨界的存在，因而瘟疫會突然出現。

疾病的滲透模型，地基site是由鍵結bonds來相連，而疾病是經由這些連結來傳遞。並且給予每一個基地一個機率- 侵占機率。每個鍵結可以是開的，亦可以是關的。如圖6-11，最左邊圖型代表很多件結是開的，而最右邊則否。

大部分的滲透模型都假設網路中所有的結點都是受到感染的，把關注點放在鍵結，此為鍵結滲透；或是假設所有的鍵結都是開的，關注地基的話，稱為地基滲透。

六個人的小世界 CH6全 By Boice共筆

過去傳染病僅只會在一個小村落中，但是現在因為交通的發達，所以讓傳染病也有可能在短短幾天侵入世界各大都會及動力中心。

當一種疾病參與某項搜尋時，其實他並未真的特定找尋對象，而是將自己盡可能既多的廣傳下去。雖然傳染病並不會造成人類文明的終結，但是還是會造成巨大的經濟災難。

電腦病毒以留存十幾年，是因為1990年代網際網路的發達，造成許多問題的存在。

SIR是由William Kermack及A.G. McKendrick所創造出來，至今還是大部分級並模型的基本架構。SIR模型中的三種狀態，易受感染的個體如果接觸到感染源，就容易受到感染。感染源可藉由復原或死亡而中止上述的狀況發生。如果是復原的狀況，有可能會因為免疫力的喪失再度感染。

在SIR模型的古典版本中，互動被假設為純然隨機的。如圖6-2所示，個體如同混攪在一個大桶之內。隨機假設一個重要的結果是，互動機率取決在人口的相對數量，這大大地簡化我們的分析。一旦感染者的密度增加至無法掩飾或忽略的階段，瘟疫便進入典型的對數成長的爆發狀態。如圖6-3所示，也就是I與S有相對一樣的數目，就會造成暴發現象。

圖6-5所示，當傳染病的再造率超過1時，瘟疫就會發生。但是疾病的傳染會被網路線至於已經感染的人口中，在一維度的晶格中，無論被感染的人口數有多大，這種疾病前緣的大小，也就是感染者最大的可能數目將會被固定住。而當傳染到二維度時，最具傳染性的疾病才會發展真正的流行瘟疫。

圖6-7，總人口中，受到感染比例的傳染值為1/2，我們稱這一個數值為傳染性的門檻。圖6-9，傳染性比例門檻低，其隨機捷徑的比例就會高。

如圖6-10，標準與無刻度隨機網路的感染比較發現，無刻度網路中並沒有臨界的存在，因而瘟疫會突然出現。

疾病的滲透模型，地基site是由鍵結bonds來相連，而疾病是經由這些連結來傳遞。並且給予每一個基地一個機率- 侵占機率。每個鍵結可以是開的，亦可以是關的。如圖6-11，最左邊圖型代表很多件結是開的，而最右邊則否。

大部分的滲透模型都假設網路中所有的結點都是受到感染的，把關注點放在鍵結，此為鍵結滲透；或是假設所有的鍵結都是開的，關注地基的話，稱為地基滲透。

課本CH6 By Daphne07-0411共筆

第六章小團體分析

密度==)有連的線中所佔的比例

• 要怎麼看密度?

• 線的總數/所有可能線的數目

• 所有可能線的數目=n*(n-1)/2

小團體分析

• 計算小團體的方式

  • 以節點程度計算：以連接的數目(nodes)的多寡來看是否算是一群人

  • 以距離來算：以隔了幾步來算說是不是算一群人

• 結點計算程度方式

  • K-plex ==>g-k

  • K-core ==>2-core，找一群十個人，每個人至少都跟其他兩個相連

  • Lambda Sets

    • 線相連性：兩個人之間，需要刪掉幾個線，才不會相連

    • 如果兩個人之間，刪了一條線就斷了，叫bridge

    • 任何兩點的關連性都要大於外部相連，要砍掉內部任兩點相連的關係，需要花比較大力氣。

• 分析結果：

  • 假使，使用UCINet分析後，得到310團體，表條件太寬鬆，沒有找到真正緊密結合的關係，因此要讓團數縮減，要用更嚴格條件。(同個人可以加入兩個以上的團體)

  • 可分析出『共有幾個小團體』與『兩兩之間同時出現在小團體中的次數』

  • N-cliques：每兩人之間的距離要小於等於n，可允許經過外面的結點的路徑。Ex：雖然6不在subgroups裡，但4到5之間需透過6來連結，不過這在N-cliques裡面可以允許。

  • N-clan：與N-cliques類似，但不同在於限於只能走自己subgroups裡的路徑。

  • N-club：子圖形的直徑要小於或等於n。

  • 條件太鬆 (任兩個人有相連就算一團)或太嚴 (兩兩相連的距離都要小於等於3)，結果出現太多或太少小團體都沒用。要設定到可以辨別團體中的區別。

EI-Index小團體的密度

• EI index= density of subgroup / density of group

• 信用合作社的案子：subgroup裡面的人，高度相連，並運用大團體中的資源，取得小團體(Inner circle)中的私利。結果卻要政府出來打消呆帳？

• 民主是要不認識的每個人去投票，然而團體擴大後，碰上網路關係，卻讓小團體影響結果。例：拍賣上的評價，被某些小團體利用投票制度來造假？(可以想看看能把這個做為論文主題。)

• 窮人銀行：五個人一起來借錢，彼此擔保。

---

• 物理現象：當相關長度可以觸及整個系統，就是達到臨界點，任何區域內的風吹草動，都可以無止境擴散。因此，當系統到達臨界點時，並不需要中心存在，因為所有地方都可以影響到其他部份。
• 蝴蝶效應
• 龍捲風暴
• 網路時代之前，每個人互相影響的力量不存在，或是很小，因此需要一個中心，讓每個人都可以看到。現在每個人的影響力量變大了，所以這些力量更被看到，這底下影響出來的力量，很容易大於傳統中心性的力量。由於傳出來的資訊有利有弊，使得這種資訊的credibility增加。

---

• 下週要麻煩小捲準備demo social network圖形。

• 每個人要以科管同學互相問問題為例。有四種：情感網絡、諮詢網絡、情報網絡、情感行動，都要做，用UCINet 來畫。

六個人的小世界 CH3 By Daphne07-0425共筆

六個人的小世界 CH.3，p.75

• 原本是不同群的朋友，但他們都會去找作者，也因此使原本不認識的朋友越來越有交集。
• 模型的四個元素

• 許多交互重疊的小群組結合

• 動態關係

• 人的行為是又偏好與特質引導==>因為自己喜歡桌球，所以參加桌球隊後，認識很多桌球隊的隊友。

• 不是所有關係發生可能性相等==>人與人之前認識的關係不是相等的，是受你所在的生活圈有關。

社會網路的演進

• 社會結構、地位制約==)同班同學==)結構==)有序

• 個人自主決策==)自己決定要不要參加桌球隊==)意志行動==)隨機

從穴居生活到梭拉利亞人

• 這是一本科幻小說

• 穴居生活：自己住在一個坑裡面，只會認識這個坑裡面的人，也不會與別坑的人互相往來==)有序的。

• 梭拉利亞人：任何人之間互相認識的機率是一樣的，因為他們是靠電信設施隨機可與任何人交往==)隨機的。

• P.89

  • 縱軸是距離，橫軸是α值。

  • 左邊是穴居，每個穴的距離是1，因為每個穴之間都互不認識。右邊的極端是大家都隨機相連，所以距離也是1。

  • 當穴居裡有開始各穴互連，距離則會開始增大，總平均距離開始變大。往外增加的線當增加到一定數目，就不需要那麼多條線了，就很容易找到捷徑，距離會馬上下降。

  • 群聚係數

• P.96

  • 左邊的圖，β=0，表示只認識身邊的人，若是有1000人圍成一圈，最遠距離也頂多500。

  • 中間的圖，除了認識身邊的人，還認識新環境的朋友，創造出捷徑。

結論 P.111

• 小世界現象並不仰賴人類社會網路的特質。

• 只要網路中有些規則，並允許一些例外，就可以行成小世界。

六個人的小世界 CH8-2 By Daphne07-0607共筆

六個人的小世界-門檻，串連，與可預測性

相變與串連

• 當網路稠密到一定程度時，具有滲透性之不穩定群落才會出現è巨大的連結分支。
• 低連結網路中，高連結個體對社會感染傳播有超乎比例的影響è意見領袖和社會核心人物被視為推廣新觀念、新習慣、或新科技最富有成效的重要角色。
• 社會性感染 vs. 生物性感染

• 社會性感染：『感染的』和『非感染的』兩者之間的相對數量。

• 生物性感染：影響力不受個體接觸對象的多寡而改變。

• 連結狀況不佳：無法讓串連現象從一個易受攻擊的群落躍到另外一個，因此阻遏了全面性的串連。

• 連結狀況過好：越多人參與，任一個體的影響力就越小，不會有單一的創新者可以憑藉一己之力，將個體從不動狀態轉為活躍，也會妨礙串聯的發展。

跨越裂痕

• 在串聯視窗的上界邊緣，易受攻擊的結點密度剛好足夠在網路中形成一個滲透性的不穩定社群

• 系統各處幾乎呈現區域性的穩定

• 緊靠視窗內緣的區域，因易受攻擊的群落只佔整體網路的一小部份，單一的新奇事物要剛好打中它的機率不大

• 串連現象趨於稀少，系統大部份時間處於全面性的穩定

• 一旦串連開始產生，上界和下界的狀況馬上出現分岐。

• 下界：串連現象會一直傳播，直到佔據整個易受感染的群落

• 上界：因為網路的高度連結，採行先鋒形成之不穩定群落跟網路其餘部份緊密結合。

• Cross the chasm：成功的創新必須從採用先鋒的初始社群躍進至更廣大的一般群眾。

• 下界：並沒有這種裂痕，只存在不同大小的先鋒部落。

• 上界：不僅要找到採用先鋒，採用先鋒也必須處於適當的位置，對多數群眾產生影響。

• 視窗上界的串聯甚至比下界更少，但規模會大出許多。

• 當串連之傳播受到『區域穩定性』的影響大於『連結性』時，重點是：能否連結上易受影響的個體，而非連結狀況的好壞。

• 要能辨識採用先鋒，並看清網路狀況，才能知道是否能連結起來。某些成功的例子為好擊中適切的不穩定社群。

非線性的歷史觀察

• 要考慮過去可能發生但卻沒發生的事情

• 在成真之前，沒有任何一個特別條件判斷會產生的結果。

• 偉大是一大群人趨近的共同意見

• 資訊串連的本質：依附性的決策(contingent decision making)

• 重大的歷史事蹟難以直接了解，所以我們用某個部份或某一個人物作為代表性圖騰，但在瞭解【集體行為】時，卻會產生誤導。

• Napster MP3 成功的原因

  • 採行門檻要夠低

  • 特有之形態與來源

  • 從概念變成群體現象的是使用者

對人的影響

• 創新者、革命家：會觸發串連的種子

• 重點：落在適合的地方

• 創新者及革命家一直都存在，但運作環境中的互動模式更具影響力

• 串連模型：事件發生前無法區分之初始條件，會因為網路結構而產生極度不同的結果。

• 個體在做決策時，若會參考他人意見，那麼單單考慮品質(採用門檻)就不夠。

重新檢視強固性

• 正常的意外：一些相當普遍的錯誤不斷累積，最後以完全意料之外的方式使事情惡化而醞釀意外。

• 真實世界中的複雜系統全是既強固又脆弱的，沒有任何嚴謹的計劃或精密的科學可以預防偶然發生的災難。==)我們需要一個對強固性更完備的概念：

  • 預防失敗

  • 準備承受失敗

六個人的小世界 CH3-2 By Daphne07-0502共筆

六個人的小世界-CH3小世界

儘可能簡單

• 週期格==)將有序互動具體化

• 隨機網路==)將無序互動具體化==)統計數據

• 有序互動－大家排排站

• 無序互動－隨機認識人

• 初期時，隨機連出去的效率是非常大的，但邊際效應會遞減

• β = 0 的狀態

  • 全世界有1百萬人

  • 只認識身邊的100人 (右邊50 左邊50)

  • 想傳到對面需要傳10000次

  • 平均5000度分離

• Β = ?

  • 全世界有60億人

  • 平均認識人數不只100人

  • 六度分離

• 小世界：隨機路逕不多，群聚高
• 個體坐落於小世界中
• 但是…並不知道自己在哪
• 只知道自己在一群朋友之中
• 小世界網路是網絡存在的普遍現象

真實世界

• 開始尋找真實世界的資料

  • 論文的Citation關係－可是要花錢

  • 凱文‧貝肯遊戲

• 貝肯能跟所有人連結－只需幾步

• 所有人也都能跟所有人連結－也只需幾步

• 其他資料

  • 電線線路資料

  • 線蟲神經網路

• 所有東西看似全然不相干

  • 演員挑片演

  • 電線線路選擇

  • 線蟲神經成長方式

• 但都是小世界

• 這是普遍性的現象

• 某種序則+容許少數的無序

• 基本對元

  • 有序 vs 無序

  • 結構 vs 行動

  • 策略 vs 無常

• 有序則==)呈現意義

• 太多結構==)孤立

• 沒有變化 ==)序則就不有趣了

UCI-Net介紹 By Daphne07-0425共筆

UCI Net的介紹==)以公司與公司關係圖為例

• LAYOUT==)Graph-theoretic layout==)Spring(彈簧) embedding(最常會用到)：圖形會自動調整至最佳視覺

• LAYOUT==)Circle：每個node圍成一個圓

• 對每一個node按右鍵，attribute：如果是2-mode(兩個不同類型資料)，就會出現不同的

• K-core的設定：在還未畫圖前就要設定，UCI Net==)Network ==)Region==)k-core

• Draw==)Analysis==)Centrality Measures==)可以計算betweeness、degree..等，Set Node size by {degree, betweenness..等} ==)計算完後對node按右鍵，就可以看出每個node所計算出來的值。