1 定义

社交网络在维基百科中的定义是“由许多节点构成的一种社会网络。节点通常是指个人或组织，而社交网络代表着各种社会关系”。
简单来说，社交网络由一组个人和他们之间的关系组成。

2 主要组成部分

• 节点（node）:
  社交网络的节点，代表一个人，用账号表示。

• 边（edge）：
  社交网络的连线，代表用户与用户之间的联系。

• 有向图（directed graph）:
  用户联系是有方向的社交网络，如电话、邮件、短信的方向。

• 无向图（undirected graph）：
  用户联系是无方向的社交网络，同学、朋友。

• 网络大小（size）：
  社交网络的节点个数

• 连通性（connectivity）:
  从任意节点出发都能到达其他节点，则称该网络是连通的。

3 关注的重要指标

• 度中心性（degree centrality）
  指与一个节点直接相连的节点数

• 紧密中心性（closeness centrality）
  指一个节点到其他所有节点的最远距离的加和，或者加和的倒数。

• 介数中心性（betweenness centrality）
  指一个点位于网络中多少个两两连通节点的最短路径上。

• 活跃度
  是主动关注或者联系他人的衡量指标

• 影响力
  是被他人关注或者联系的衡量指标

• 最短路径
  是从一个节点到达另一个节点的最短距离。

3 应用

社交网络分析中最常用的就是社交圈子的识别，所谓物以类聚人以群分，一旦能对社交圈子进行分类，能做的事情就会多很多。
分析社交网络之后可以对人进行精准营销，推荐个性化的商品和服务，比如京东；
疾病传播也是由一个中心点向外扩散，切断网络中的关键节点可以有效阻止传染病的传播；
识别互联网金融行业的欺诈团伙，进行反欺诈检测。

4 如何应用

反欺诈中有几个常见的应用，一个是“物以类聚人以群分“：如果申请人在好人群组中，他的欺诈风险相对较低；如果申请人在坏人群组中，他的欺诈风险相对较高。图算法可以发现人海之中那些聚集在一起的群组，并结合群体特征，智能识别这些群组中的哪些会是潜在欺诈团伙。

另一个是“近朱者赤近墨者黑“：与好人关系密切的人会偏好，与坏人关系密切的人有变坏的风险。在真实的消费金融场景中，好人和坏人之间往往也存在千丝万缕的联系（如社交关系），可以运用图算法刻画人与人之间的紧密程度或相似程度，并通过标签传播的方式定位混合群组中的好人子群和坏人子群。需要注意的是，在这个过程中，关系类型要进行精细化区分，尽可能保证好人群组和坏人群组的隔离。

最后“射人射马擒贼擒王”，一个头领是整个团体的核心，找到核心可以事半功倍。图算法可智能识别群组中的核心成员，而核心成员在现实业务中往往会扮演黑中介的角色。中介对现金贷场景的危害已广为所知，中介模型的效果也已得到过确凿的验证（如下图）。但需要特别指出的是，中介本人的征信往往将其指向优质人群；毕竟，职业属性并不是判断信用、欺诈属性的唯一标准

概念参考 https://www.jianshu.com/p/3ed60db99cd0
应用参考 https://blog.csdn.net/qq_39422642/article/details/78398024
和https://www.jianshu.com/p/a1baf4f401a9