社交网络由一组个人以及他们之间的关系组成。社交网络分析将检查这些关系，以便将个人和组作为社交结构组成部分进行描述。
个人之间进行交互，并且这些交互模式使得对所涉及个人有更深入的了解。关系使信息能够在网络中流动，从而使一个人能够影响另一个人。
关系信息的重要性将社交网络分析与其他方法区分开来。学习单元是一个包含两个个人及其关系的二分体，它不单独关注每个个人。
    网络中的关系可以分类为方向关系或非方向关系。在方向关系中，会将一个人识别为关系的发起者，或源，另一个人则识别为接收者，或目标。
例如，打电话是一个方向关系，在此关系中，一个人打电话给另一个人。相反，源和目标的角色不能定义为非方向关系。在这种情况下，双方都
同等地参与到关系中。相互说话是一个非方向关系示例。
    另一个用于区分关系的属性是关系是二分关系还是重视关系。二分关系中可用的唯一信息是该关系是否存在于两位个人之间。对于网络中的每个
二分体，关系要么存在，要么不存在。另一方面，重视关系包括指示关系强度的一个权重。权重允许将关系进行比较。
    例子 
    

    社交网络分析模型概述
社交网络分析(SNA)用于映射和度量个人、 组和其他实体(定义为节点)之间的关系，其典型应用包括客户流失预警、病毒式营销等， 也可以与传统数据挖掘模型结合使用以提高后者的性能。
社交网络分析是人、组织、计算机、其他信息或知识处理实体之间的关系和流动信息的映射及测量。图1是社交网络的一个示意图，其中的节点表示人、组织、计算机、其他信息或知识处理实体；连线表示节点之间的关系或信息流动。
信息流动的方式有很多，例如邮件、电话、短信、博客等。假设A经常与B和C通电话，通过分析A的电话ID记录， 可以构筑出图1中的简单社交网络。
从此图中我们可以看出A、B、C三人中，A具有较强的影响力。如果A获得了正面或者负面的消息，该消息会很快传递给B和C，而B与C 之间的影响力是间接的，只能通过A来传播。


图1社交网络示意图
随着节点和连线的增加，社交网络的复杂程度迅速提升。图2 展示了一个较为典型的社交网络。
 
图2一个典型的社交网络