社会网络分析：发展、进展和前景
互联网行业的发展前景及趋势
互联网行业的发展前景及趋势
随着科技的不断发展，互联网行业正迅速壮大并深刻影响着我们的生活方式、商业模式和社会结构。
本文将探讨互联网行业的发展前景及趋势。
发展前景
1.数字化转型加速: 传统行业正逐渐意识到数字化转型的迫切性，越来
越多的企业开始利用互联网技术提升效率、优化管理。
数字化转型将带来更多商机。
2.智能化应用普及: 人工智能、大数据、云计算等技术的不断成熟和普
及，将加速互联网行业的智能化发展，带来更多创新产品和服务。
3.产业融合加深: 互联网行业与传统行业的融合将更加紧密，互联网+
各行各业的模式将逐渐成为主流，促进产业升级和创新发展。
发展趋势
1.移动化: 随着智能手机的普及，移动互联网将成为主流，各种APP和
移动端服务将更加重要，推动互联网行业的发展。
2.社交化: 社交网络已经成为人们生活的一部分，未来互联网行业将更
加注重构建社交关系，推动用户参与和互动。
3.数据驱动: 大数据时代已经到来，数据分析将成为企业发展的核心竞
争力，数据驱动的决策将成为未来发展的趋势。
4.安全和隐私保护: 随着互联网的发展，个人信息安全和隐私保护问题
日益突出，未来互联网行业将更加注重用户数据保护。
总结
互联网行业作为未来发展的重要方向，其发展前景广阔且前景一片光明。
在面临新的挑战和变革时，互联网行业需要持续创新，紧跟技术发展的脚步，不断提升服务质量和安全性，实现可持续发展。
以上就是本文对互联网行业的发展前景及趋势的探讨，希望对读者有所启发。
愿互联网行业在未来的道路上越走越好，为社会发展贡献更多力量。
网络技术发展趋势与应用前景分析
网络技术发展趋势与应用前景分析随着信息时代的到来，网络技术的发展已经成为推动社会进步的重要动力之一。
本文将对网络技术的发展趋势进行分析，并探讨其应用前景。
一、云计算与大数据技术的融合云计算和大数据技术是当前网络技术发展的热点领域。
云计算通过将计算资源集中在云端，为用户提供灵活、高效的计算服务。
而大数据技术则通过对海量数据的收集、存储和分析，为决策提供有力支持。
云计算和大数据技术的融合将带来更加强大的计算和分析能力。
未来，人工智能、物联网等领域的发展将对数据处理能力提出更高要求。
云计算和大数据技术的融合将为这些领域的发展提供强有力的支持，推动人类社会迈向智能化、数字化的未来。
二、边缘计算的兴起边缘计算是一种将计算和存储资源推向离用户更近的地方的技术。
传统的云计算模式存在延迟高、带宽消耗大等问题，而边缘计算通过将计算资源部署在离用户更近的地方，可以有效降低延迟，提高用户体验。
随着物联网的快速发展，边缘计算的需求也越来越迫切。
在物联网中，大量的传感器和设备需要实时处理数据，并做出相应的反应。
边缘计算将为物联网提供强大的计算和存储能力，推动物联网的发展。
三、区块链技术的广泛应用区块链是一种去中心化、安全可信的分布式账本技术。
它通过将数据分布在网络中的多个节点上，并使用密码学技术保证数据的安全性和完整性，实现了去中心化的交易和信息传输。
区块链技术的应用前景非常广阔。
在金融领域，区块链技术可以提高交易的安全性和效率，降低交易成本。
在物联网中，区块链技术可以保护设备和数据的安全，推动物联网的可持续发展。
在知识产权保护方面，区块链技术可以确保作品的版权和来源不被篡改。
四、人工智能的蓬勃发展人工智能是一门研究如何使机器能够模拟和实现人类智能的科学。
随着大数据和计算能力的不断提升，人工智能的发展呈现出爆发式增长的趋势。
人工智能的应用前景非常广泛。
在医疗领域，人工智能可以辅助医生进行疾病诊断和治疗方案的制定。
在交通领域，人工智能可以提高交通管理的效率和安全性。
社会网络分析
社会网络分析1、介绍社会网络指的是社会行动者及其间的关系的集合。
一个社会网络是有多个点（社会行动者）和各点之间的连线（行动者之间的关系）组成的集合。
用点和线来表达网络，这是社会网络的可视化界定。
社会网络强调每个行动者都与其它行动者有或多或少的关系。
社会网络分析方法关注如何建立这些关系的模型，力图描述群体关系的结构，研究这种结构对群体功能或者群体内部个体的影响。
社会网络分析被用来建立社会关系的模型，发现群体内行动者之间的社会关系，描述社会关系的结构，研究这种结构对群体功能或者群体内部个体的影响。
社会网络分析不是一种正式的、具有统一性的理论，而只是一种“范式”或者“视角”。
社会网络分析是社会科学中的一个独特视角，它是建立在如下假设基础上的：在互动的单位之间存在的关系非常重要。
社会网络理论、模型以及应用的基础都是有关数据的集合，关系是网络分析理论的基础。
自从人类学家Barnes(1954)首次使用“社会网络”的概念来分析挪威某渔村的社会结构以来,社会网络分析被视为是研究社会结构的最简单明朗、最具有说服力的研究视角之一。
社会网络分析方法，可用于描述和测量网络社群成员之间的关系以及通过这些关系流动的各种有形或无形的东西，如信息、资源、知识等。
该方法通过对行动者之间关系与联系的联结情况进行研究与分析，可以归纳出行动者的社会网络信息，甚至进一步观察并了解行动者的社会网络特征。
透过社会网络除了能显示个人社会网络特征外，还能够了解许多社会现象，因为社会网络在组织中扮演着相当重要的无形角色，当人们在解决问题或是寻找合作伙伴时,通常都是依循着所拥有的社会网络来寻找最可能协同活动的对象。
社会网络分析通常有两种：一种叫做自我中心社会网，只能分析社会的连带关系，但不能用来分析网络的整体结果；另一种叫做整体社会网，可以用来分析结果对群体的影响，并能根据图形特征做出相应的解释。
2、关键要素（1）密度（Density）在图形中实际存在的线与可能数量的线的比例（The density of a graph is the proportion of possible lines that are actually present in the graph）。
互联网发展趋势与前景展望
互联网发展趋势与前景展望互联网的出现给人类社会带来了巨大的变革，它连接了世界各地的人，促进了信息的传播和交流，推动了经济的发展和社会的进步。
随着科技的不断突破和创新，互联网正在经历着一系列的发展趋势，展现出广阔的前景。
本文将就互联网的发展趋势与前景展望进行讨论。
一、云计算和大数据随着互联网和移动设备的普及，不断涌现出大量的数据。
这些数据的处理和存储需要庞大的计算资源和空间。
而云计算的出现为解决这一问题提供了新的可能。
云计算把数据和计算资源放在互联网上的云端，用户可以通过网络随时随地访问和计算数据。
云计算的出现不仅为用户提供了更加灵活和便捷的计算服务，也为企业提供了更加高效和经济的数据处理解决方案。
同时，随着互联网的发展，人们积累了大量的数据。
而大数据的处理和分析可以给企业和科研机构带来新的商业价值和科学发现。
通过大数据的分析，企业可以更好地了解用户需求和市场趋势，进行精准的营销和决策。
而科研机构可以通过大数据的分析，挖掘出隐藏在数据背后的规律和知识，推动科学研究的进展。
二、人工智能和物联网人工智能（Artificial Intelligence，AI）是近年来互联网领域最受关注的热点之一。
人工智能技术可以模拟和实现人类的思维和智能，通过机器学习和深度学习等技术，使计算机具备类似人类的学习和分析能力。
随着算法和硬件的不断突破，人工智能的应用场景越来越广泛，包括自动驾驶、智能音箱、智能家居等。
与此同时，物联网（Internet of Things，IoT）也是互联网发展的重要方向之一。
物联网通过将传感器和控制设备与互联网相连接，实现设备之间的自主通信和交互。
在物联网中，各种物理设备和对象都可以通过互联网进行连接和控制，实现信息的共享和互动。
物联网的发展将进一步推动人工智能技术的应用和发展，使得设备和系统更加智能化和自动化。
三、区块链技术区块链技术是一种分布式的数据库技术，以其去中心化、安全性高等特点备受关注。
社会网络分析：洞察人群行为与趋势
社会网络分析：洞察人群行为与趋势你是否曾经想过为什么有些人在社交媒体上能够迅速积累大量的关注者？为什么某些产品在市场上能够迅速风靡起来？其背后的魔法之一就是社会网络分析。
社会网络分析是一种研究社交关系和网络结构的方法，它可以帮助我们深入了解人群的行为和趋势。
什么是社会网络分析？社会网络分析（Social Network Analysis，简称SNA）是一门跨学科的研究领域，结合了社会学、心理学、统计学和计算机科学等多个领域的知识。
它的核心概念是社交网络，即由人与人之间的关系构成的网络。
社交网络由节点和边组成。
节点代表个体或组织，而边则代表它们之间的关系。
这些关系可以是亲密关系、友谊关系、工作关系等。
社会网络分析通过对这些关系的量化和可视化分析，帮助我们发现隐藏在网络中的模式和动态。
社会网络分析的应用领域社会网络分析可以应用于各个领域，包括社会学、心理学、管理学、市场营销等。
以下是一些常见的应用领域：社交媒体分析社会网络分析在社交媒体分析中扮演着重要角色。
通过分析用户之间的关注关系、互动行为和信息传播路径，我们可以洞察用户的兴趣、意见领袖以及流行趋势。
这些分析结果对于定制个性化推荐和精确营销非常有价值。
组织管理社会网络分析可以帮助组织了解成员之间的合作关系和信息流动情况。
通过探测关键人物和子团体，组织可以更好地进行人员配置、决策制定和问题解决。
另外，社会网络分析还可以帮助预测人员流失和团队冲突，为组织的发展提供参考和预警。
市场营销社会网络分析可以帮助企业了解消费者之间的关系和意见传播路径，从而在产品推广和品牌塑造中找到合适的营销策略。
通过影响意见领袖和社交影响者，企业可以将品牌信息传播给更广泛的受众。
社会网络分析的方法和工具社会网络分析的方法主要包括网络数据收集、网络结构分析和关系预测等。
以下是一些常用的方法和工具：社交媒体挖掘社交媒体平台如Facebook、Twitter和微博等积累了大量用户产生的社交数据，这些数据可以被用于社交网络分析。
互联网的发展现状及前景如何分析
互联网的发展现状及前景如何分析随着现代科技的高速发展以及人们对信息的渴求，互联网成为了人类社会的重要组成部分，对经济、文化、教育等各个领域产生着深远的影响。
本文将就互联网的发展现状及未来前景进行分析，以帮助读者更好地了解互联网的发展趋势。
一、互联网的发展现状1.1 互联网的普及程度随着互联网技术的不断进步，如今已经有超过一半的全球人口使用互联网。
特别是在发达国家，互联网已经成为了人们获取信息、交流沟通的主要工具。
而在发展中国家，互联网普及的速度也在加快，许多人通过智能手机等移动设备接入网络。
1.2 互联网的应用领域互联网的应用领域非常广泛，涵盖了电子商务、社交媒体、在线教育、医疗健康、金融服务等诸多领域。
例如，电子商务平台的崛起改变了传统的购物方式，人们可以在线购买各类商品；社交媒体的兴起使得人们可以方便地与朋友、家人保持联系；在线教育也使得知识更加便捷地传播。
1.3 互联网的技术创新互联网的发展离不开技术创新，例如云计算、大数据、人工智能等的应用，不断推动着互联网的进步。
云计算使得数据存储和处理更加高效，大数据分析为决策提供了更多的参考依据，人工智能的发展则为各行各业带来了更多的可能性。
二、互联网的前景分析2.1 人工智能技术的应用随着人工智能技术的不断发展，未来互联网的应用将更加智能化。
例如，智能家居、智能交通等领域将会得到快速的发展，人们的生活将更加便捷和舒适。
同时，人工智能还将大幅提升生产效率，并在医疗、金融、教育等领域发挥重要的作用。
2.2 互联网+产业的深度融合互联网已经深度融入各个传统产业，形成了互联网+产业的模式。
随着技术的进步和创新的推动，未来互联网将进一步与制造业、农业、能源等领域融合，促进生产力的提升，构建智能化的产业体系。
2.3 5G技术的普及与应用5G技术的推广将给互联网带来巨大的改变。
它将带来更快的网络传输速度、更低的延迟，为大规模物联网的发展提供了良好的基础。
同时，更智能的交互体验、虚拟现实等技术也将得到广泛应用，给人们的生活带来更加丰富多样的体验。
大学论文中的社会网络分析与研究
大学论文中的社会网络分析与研究社会网络分析与研究是一种全球范围内的研究方法，它致力于探究个体与个体之间相互关系的结构和动态变化。
在大学论文中，社会网络分析可以为研究者提供有关人际关系、信息传播以及社会系统运行的深入洞察。
本文将从理论与方法、应用领域以及挑战与前景三个方面对大学论文中的社会网络分析与研究进行探讨。
一、理论与方法社会网络分析在大学论文中应用广泛，其理论与方法主要包括社会动力学、图论、社会网络推理等。
社会动力学分析个体行为对整体社会结构和动态的影响，图论研究网络中的节点和连接关系，社会网络推理运用大数据和机器学习技术挖掘人际关系网络中的模式和规律。
大学论文中的社会网络分析需要根据具体研究问题选择合适的理论和方法，并在方法上合理设计抽样、数据收集和分析过程。
二、应用领域社会网络分析在大学论文中的应用领域丰富多样。
在社会学领域，研究者可以利用社会网络分析方法探究社会结构、社区形成以及知识传播等问题；在管理学领域，社会网络分析可用于分析组织内外的信息流动、决策效果以及组织创新等；在教育学领域，社会网络分析有助于研究学生之间的学术合作、社会支持以及学习动力等。
大学论文中的社会网络分析需要结合具体领域的理论框架和研究目标，挖掘出相应领域内的关键问题，并通过网络分析方法进行深入研究。
三、挑战与前景在大学论文中进行社会网络分析也面临一些挑战。
首先，数据收集与隐私保护是一个重要问题，研究者需要谨慎处理个人和组织的敏感信息，确保研究过程的合法性和可信度。
其次，社会网络数据的复杂性和多样性增加了数据分析的难度，研究者需要掌握相关的数据分析技术和工具，才能从庞大的数据集中提取有效的信息。
此外，跨学科合作对于社会网络分析的深入发展至关重要，大学论文中的社会网络分析需要整合不同学科的理论和方法，形成新的研究视角和创新成果。
展望未来，大学论文中的社会网络分析具有广阔的前景。
随着社会媒体和信息技术的快速发展，社会网络中的数据数量和质量将得到进一步提升，为研究者提供更多机会进行深入研究。
社会网络分析
社会网络分析是一种针对社会关系、组织结构和信息交流网络的研究方法，它旨在揭示人际关系网络的形成和运作规律，深入理解社会现象、组织行为和信息传播等方面的问题。
一、的概念和基本概念起源于20世纪50年代的美国社会学，在20世纪90年代开始得到广泛的应用和发展。
的主要研究对象是人际关系网络、组织结构网络和信息交流网络等。
其中，人际关系网络指的是由社会成员之间的联系、交往关系所构成的网络，它包括亲属关系、友谊关系、社交关系和工作关系等。
组织结构网络指的是由组织内部人员之间的职权、交流和合作等关系所构成的网络，它包括组织结构、岗位职责和人员分工等。
信息交流网络指的是由信息发送者和接收者之间的联系、传播路径和传播效果所构成的网络，它包括信息源、消息传递路径和接收者等。
在中，有一些基本概念是必须掌握的。
首先，网络中的节点或成员表示人或组织等实体，它们之间通过联系或关系相连。
其次，网络中的边或连边表示节点之间的联系或关系，它们可以是直接联系、间接联系或某种程度上的关联等。
此外，网络中的度度量了节点与其他节点之间的联系程度，它可以反映节点的重要性和影响力。
网络中的密度表示整个网络中节点之间的联系强度，它可以反映节点之间的互动程度和信息交流水平。
最后，网络中的社群是指具有某种特定属性或形式的节点子集，在中它可以用来刻画不同类型的社会结构和组织形态。
二、的方法和应用范围主要采用定量和定性的分析方法，它们包括统计分析、模型建立、可视化分析、网络建模和动态演化等。
其中，统计分析是最基本的方法之一，它可以用来计算网络中节点、边、度、密度和社群等基本指标，以及各种统计分布和网络结构特征。
模型建立是的核心之一，它可以用来建立各种网络结构和演化模型，以探究网络的形成和运作规律。
可视化分析则是将网络数据可视化为图形、图表和动画等形式，以方便人们理解、探索和交流。
网络建模是将网络数据转化为数学、物理和计算机模型，以便进行复杂的分析和模拟。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
社会网络分析：发展、进展和前景约翰·斯科特收稿日期：2010年7月14日/录用日期：2010年8月2日/在线发表：2010年10月6日斯普林格-出版社2010摘要本文回顾了社会网络分析的发展，并探讨了其在社会学应用中的主要领域。
目前的发展，包括那些外部的社会科学，都被考虑到了，并且对其进展的前景实质性知识做了考虑。
最后一节着眼于数据挖掘技术的影响，并强调如果有重大意义的工作得到保证，需要跨学科合作。
1、社会网络分析的发展明确使用“社会网络”思想的社会结构方法的起源是难以辨别的。
结构化思想深深扎根于传统的社会学中，但网络思想只是在20世纪30年代才真正成为社会结构的一个独特方法。
德国社会理论家受Georg Simmel 的影响，提出强调正式的社会互动的性质，构建一个“正式的社会学”，社会学家们加入到调查由社会交往形成的社会关系配置中。
Alfred Vierkandt 和Leopold von Wiese是这种想法的主要支持者，并明确通过一个点、线和连接的术语来描述社会关系。
他们的想法影响了很多社会心理学和心理治疗方面的工作者，他们对于小团体结构方式对个人的看法和行动的选择的影响感兴趣。
Lewin（1936）和Moreno（1934年）是“领域”或“空间”的社会关系和其网络的特点（见Bott1928）调查的主要贡献者。
Moreno 给他的做法命名为“计量法”，并推出作为社会结构描绘想法的网络图—社会关系网图—点和线。
计量法成为教育和社会心理学调查的主要领域(Jennings 1948年），它给人们带来了被称为“团体动力”的途径(Cartwright和Zander1953年；Harary和Norman1953年），并在Michigan大学和在Tavistock研究所得到大力发展。
这项工作由于Lundberg（1936年; Lundberg和Steele 1938）的努力在美国主流社会学产生了一定的影响，但是在Lloyd Warner和Elton Mayo在Hawthorne在芝加哥关于电器产品的研究合作，并走上现状调查社区在美国城市和城镇的结构之后产生了一个更强有力的发展网络的思想。
Radcliffe-Brown借鉴Durkheim社会学的想法，他们把注意力集中在团体关系结构，并开始制定网络图代表这种结构。
他们可能已经受到新兴的社会经济的想法影响，但在这种思维方式特定的刺激可能已经表现在他们对工厂电线图的研究和一个群体关系的比喻。
无论其起源是什么，在其研究开始十年后通过主要研究报告发表，将社会群体视为关系网的思想被坚定的确立起来（(Roethlisberger and Dickson1939年）。
在Newburyport开展于1930年和1935年之间的一项研究中，Warner发展了以大规模的技术矩阵形式来描绘他所谓的“集团结构”的城市社区关系（华纳伦特1941年）。
George Homans在Natchez市通过对Warner关于南方女性小团体的再分析开发了这些矩阵方法（Homans1950年）。
这两个传统的研究在20世纪50年代从英国Manchester大学的研究人员对人类学工作的开展开始走到一起。
尝试打破美国主流社会的一致假设，并承认在社会结构中存在的冲突和分歧，他们将网络分析视为为防止这种情况出现的措施。
这是Barnes（1954年）建议采取的网络关系严肃的想法，他的论点加强了Elizabeth Bott的伦敦实地考察亲属网络（Bott1955年，1956年）。
在向Manchester市的研究人员提出他们的想法的同时，他们受到Nadel（1957年）的一个系统论述和非洲社会研究方案的启发（Mitchell1969b）。
Mitchell对这项工作的评论（1969A）被作为正式社会网络方法论的最早的系统性总结之一。
在Mitchell的论文发表的时候，然而，大量的美国研究人员也已开始发展一个正式社会网络分析方法。
Harrison White已经开始探索用代数的用途代表亲属结构（White1963年），Edward Laumann（Laumann1966）已开始使用多维缩放方法拓展Lewin的社会领域的途径。
White搬到哈佛大学并汇集了大型动态组联营公司来探索网络方法（见Mullins的讨论 1973年）。
Levine（1972年）探讨企业实力研究的多维尺度方法，Lee (1969) 和Granovetter (1973, 1974)研究用于扩展社会计量方法分别地进行调查流产和就业，而White和他的同事们开发方法矩阵分析研究社会地位（White等。
1976年；Boorman and White 1976年）。
它从本组产生了一个新一代社会网络研究使之遍布全球并对许多国家从事该项研究产生了深远的影响。
在北美以外最显着的社会网络的发展是Barry Wellman关于加拿大群落结构的研究(Wellman1979年；见1988年Wellman和Berkowitz），Frans Stokman和他的同事在荷兰和国际企业的控制模式（Helmers等，1975；Stokman等1985年），和我自己对企业所有权和控制的工作（Scott 1979年，Scott和Griff 1984）。
由于20世纪70年代后期社会的方法论工作的数量大量增加，网络分析和范围应用排除了任何简单的总结。
在社会网络发展的分析的关键方法论的地标的主要研究者是Burt（1982），Freeman等（1989年），Wasserman和Faust（1994年），Wasserman和Galaskiewicz将之编辑成卷（1994），引导主题的是Scott（2000年；最初出版于1991），Carrington等最近编辑成集（2005年）。
最新的进展和进步将出版在即将出版的社会网络手册分析（Scott和Carrington 2011年）。
2、中心思想和社交网络应用分析社会网络分析的主要方法，直到相当最近一直的数学方法称为图论。
这仍然可以论证地说，提供正式的社会网络分析的核心。
图论起源于Euler数学为研究网络（图）种调查所提供的方法。
在社会网络分析中，正如古典社会关系网图一样，个人和群体代表点和他们的社会关系代表线。
图表理论为正式性质的社会关系网图的性能分析提供了理论依据。
当网络数据用矩阵的形式记录，图论可直接操作而不需要建设一个矩阵实际数据的可视化表示：一个很大的优势在处理大型数据集。
在图中的线可以指定一个“方向”，代表影响流或社会网络资源，他们可以指定一个'值'代表实力的关系。
图论的定理使用无向、定向或有价值的数据，以构建整体措施网络的“密度”和各点在网络中的相对“核心”。
中心地位的措施通常被用来作为代理的权力和影响力，并允许有经纪关系的调查（Burt2005年）。
这种方法的主要领域内的工作一直是对小团体和集群的调查，已制定在社会网络结构的分类的替代措施。
辅助这项基于矩阵方法的工作的想法起源于Harrison White和Doug White，他们侧重的不是个人和群体的结构，而是在社会地位、角色的特点和类别。
这些位置方法，有时被称为“块模型”，是严谨的矩阵集群方法，将网络组织成被Nadel(1957)视为社会学的角色理论关注点的中央层次位置。
一些社会位置中个体的“结构等价”和“可替代性”的替代措施，已经发展成为社会网络分析这方面的进展方法。
这些想法已经被开发成一些一般的和特定的软件。
最普遍使用的是UCINET，已经被加利福尼亚大学尔湾分校的Lin Freeman、Martin Fverett和其他人初步发展成为一个图理论方法的实施。
它已经延伸到一般程序处理位置的实施和图形方法上，并提供了一个进行网络分析直观有效的方式。
最近，在卢布尔雅那大学，PAJEK已经被Vladimir Batagelj开发成作为一种处理大规模数据集的方法，特别的是，它使用了可视化方法表示(见De Nooy等. 2005)。
它也可以进行网络结构的一般分析，现在被包含在UCINET的一个子计划中。
社会网络技术也许是主要的，也是最早的一个领域，通过互兼董事的调查，被应用到公司间的权利关系的研究中。
社会网络分析中主要领域之一，已经被应用到企业权利调查和互兼董事中。
Sweezy (1939)等一些研究者的一些早期的研究，已经采取了自适应技术来绘制插板层次连接网络图，并已初步采纳了网页和网络语言，尤其是形成集结的问题。
在20世纪60年代和70年代，这些建议在美国，然后是欧洲、澳大利亚和日本，被网络分析师进行了进一步一系列的研究。
Bearden等人(1975)发表了一个开创性的文章，阐述了社会网络作为一种探索英航在美国企业界的权利和影响力的核心理念，而Levine(1972)使用多维标度法，研究了与特定银行和他们在社会空间里的董事集群的映射。
在荷兰(Helmers等人，1975)，关键措施得到发展，成为跨国模式(Fennema 1982)调查和国际比较调查(Stokman等. 1985)的基础。
这被扩展到公司间的股票网络(Scott 1986)的比较调查中，并导致了许多对各种社会的研究(见Scott的审查 1997)。
社会网络分析的第二个主要模块是群落结构调查。
这个领域有悠久的历史，Lloyd Warner在小城镇集群和商业网络(Warner和Lunt 1941)开展的调查，以及对种族社区的人类学研究。
在20世纪60年代，一组研究网络分析发展的人类学家在曼彻斯特大学开始了一系列的正式研究(Mitchell 1969b)，，但它是Fisher (1977)和Wellman (1979)做的工作，将这一领域发展到系统化的方向上。
Wellman在加拿大城市，对公共关系不断变化的结构做了一系列的调查，并调查了友谊在社会融合中的角色。
他特别关注了不断变化的保持联系的方式，并在最近阐明了以人际网络为基础的电子通信手段(Wellman和 Hogan 2006)。
这项工作融合了出自Putnam(2000)工作的社会资本的想法。
对这项工作有最重要贡献是Lin (2001)和Burt(2005; 以及 Lin et al. 2001)的反响。
许多其他的应用，不胜枚举，社会网络分析已经延伸到了政治和政策网络、社会运动、犯罪、恐怖主义和宗教网络等其他地方。
这些领域中的许多在即将来临的社会网络分析(Carrington和Scott 2011)的圣贤手册中被审查。
3、物理学家进入也许引人瞩目的网络分析的发展，已经引起了物理学家将网络想法应用于社会现象中的兴趣。
1998年，Duncan Watts 和 Steven Strogatz 发表了一篇文章（Watts and Strogatz 1998），重新审视了Stanley Milgram在“小世界”（Milgram 1967; Travers and Milgram 1969）工作中提出的随机网络的一些想法。