关于主流社交网络最短路径长度的一些结论
一些针对大规模社交网络的研究表明社交网络的平均最短路径长度在6左右。其中，最具代表性的研究发表在参考文献[16]中，该论文的作者发现，从Microsoft Messager这聊天工具中抽取出来的社交网络的平均最短路径长度为6.6。 而从2011年对整个Facebook社交网络图的分析来看，其平均最短路径长度为4.71。分析Twitter这一社交网络中用户之间关注（follow) 的情况也得出了相同的结果。Twitter的平均最短路径长度比Facebook的略小，或许是因为关注关系的特殊性使得Twitter比Facebook呈现出更弱的社交关系。有趣的是，Google+与Facebook或Twitter在平均最短路径长度方面也有很相似的结果，Google+的平均最短路径长度在5左右。从以上这些结论可以看出，在线社交网络中人与人的距离比离线情况下要来得近。因此，社交媒体中的信息传播比传统方式更快。值得注意的是，以上的分析都是针对无权的社交网络。
真实的社交关系中，并非所有的关系都同样重要。所以需要引入有权的网络——互动网络图。
最近， Wilson和他的同事指出，Facebook的大规模子图在考虑和没考虑用户间互动水平的两种情况下，网络属性的差别是巨大的。网络图中连边的权重由用户间互动水平所决定，这样的图被称为互动网络图。参考文献44中指出，从Google+公开数据中提取的无权社交网络图显示，节点属性和用户间的互动数据都在增加。结果证实，互动图的属性与同等条件下的无权网络是明显不同的。另一项研究显示， Facebook的互动图与同等条件下的无权网络相比，拥有更高的聚类系数、较低的平均度和更高的平均最短路径长度，以及网络直径。如果将 Facebook视为无权图，其平均最短路径长度低于5n，而互动图中则为6。这主要是由于每个用户都存在大量不活跃的社交联系，这些社交联系就对应于无权网络中的“捷径”。为了分析信息扩散机制而去除这些社交联系是必要的，例如，信息（或感染）通过不活跃的社交关系传播的数量显然会是零。
可以通过连边强度（Tie Strength）来计算人与人之间社交关系的相对重要性，它决定了社交关系的功能性属性。
社交关系可以大致分为两类：强连接关系和弱连接关系。强连接关系主要指的是与少量亲密朋友的关系，该关系有助于巩固一群圈核心的人。弱连接关系则主要是由认识的人组成，这些认识的人关系并没有那么亲密，且可能处于不同的社交领域“。 Granovetter发现，尽管弱连接关系的强度比较低，但它对于获取其他社交团体的资源是很重要的，而且由于弱连接关系数量巨大，所有弱连接关系的强度之和远远超过了强连接关系。Granovetter的研究提醒我们，为了充分理解社交网络，必须考虑其中的连边强度。
如果某条连边的节点并没有共同的邻居节点，那么“局部桥”（Local Bridge）就是弱链接。如果一条边连接的是两个网络中完全断开的区域，这条连接被称为“桥”（Bridge，与局部桥相对）。
当3个节点间由强链接关系形成了三元闭包后，这些连边就被成为“齐美尔链”。
分析连边强度问题时通常是不能直接计算的，因为它不能由一些不可识别的变量（如情感因素）来创建网络。不过， Peter Marsden证明了可以通过多个指标来构造连边强度的计算方法。 Marsden构建了一个解释连边强度与其他社交指标（情感亲密度、持续时间、联系频率、广泛的主题讨论等）之间关系的分析模型。他的分析结果显示，情感亲密度比其他指标都更能表示社交关系的强度。此外，即使涉及的用户之间是合作者或邻居关系，计算他们在维持该段关系（如联系频率和时长等）时花费时间的方法也与连边强度很有关系。结果表明，连边强度可以由相关的经验指标来衡量。在接下来的章节中会详细阐述如何分析社交网络互动图中的交流数据轨迹，其中这些数据是从离线和在线交流系统中获取的。
对Twitter的数据分析表明，每个用户对其所有朋友（可以视为该用户社交关系数量的一个函数）的平均互动次数会渐进到某个数字，这就是邓巴数字所说的那个极限。
自我网络中的层级结构
支持派系（5人，每周联系）→同情团体（15人，每月联系）→亲密团体（50人）→活跃网络（150人，一年联系一次）→大团体（500人）→部落（1500人，看一眼是认识的，但叫不上名字）。
每个环的缩放比例大约为3。
50以内的那一层含有更多的朋友，而最外面那150人中包含的亲戚会更多一点。
Facebook中的连边强度的组合
交流因素（传入与传出）Communication Factors：联系的频率、距上次联系的时长、点赞、评论、私信的数量等
社交相似性因素Social Similarity Factors：共同参与的小组、共同参与的事件、同一事物上的标签数量，表示两个Facebook个人资料的相似程度。
社交关系的亲密度和情感强度：例如两个用户在同一照片中出现的次数等。
连边强度与Facebook变量之间的相关性
**数据处理：**用社交关系的存在时长除以互动次数计算出联系频率，仅保留每月互动至少10次的“社交活跃人群”。
Twitter中自我网络的结构
平均活跃时长：第一条推文到最后一条推文之差。
Twitter中自我网络的接触频率要远高于Facebook。可能的原因是推文较短（有140字限制），且发一条推文的情感投入比在Facebook上互动低。
Twitter自我网络的进化动力学
根据自我网络模型中活跃网络的定义（每个人一年至少交流一次），未使用unfollowing的概念（因为取消关注这个行为非常稀疏），而是认为超过这一时间不互动则认为是取消关注。
Twitter自我网络更换频率的比率比起在离线自我网络中更高，并且在Twitter中的社交关系会以更高的比例进行创造和忘却。
Facebook和Twitter自我网络展现了通过一个或两个不寻常的强关系社交伙伴组成的内层——一个在离线社交网络的层级结构不可见的内层。该“超级”支持派系平均由1.5个成员组成，可能是保持高联系频率的一个搭档或最好的朋友。