在阅读此文前，诚邀您请点点右上方的“关注”，既方便您进行讨论与分享，还能及时阅读最新内容，感谢您的支持。
关于温塞斯拉斯一世和přemysl·奥塔卡尔二世与波希米亚贵族之间关系的数据主要是从1198年至1283年间发布的宪章版本中手工收集的总的来说，我们从576个宪章中收集了大约2420名贵族的年度精确数据。
所使用的文件发表于20世纪60年代波希米亚外交和宗教法典系列，由古斯塔夫·弗里德里希创建，他有条不紊地遵循德国版的外交系列德国历史纪念碑。
与旧版本的波希米亚和摩拉维亚非知识分子外交条例，弗里德里希致力于必要的外交分析宪章，并开始区分原件和伪造。1904年至1942年间，布拉格档案保管员出版了3卷外交和道德法典涵盖了805年至1238年。
从1960年代到1980年代，布尔诺的两位文献学家jindřich·舍巴内克和萨阿·杜什科娃继续他的工作，他们把版本扩大到1278年，并在附录中增加了新发现的文献。自那时以来，只有少数宪章被发现，这些都被考虑在内。相反，虚假文件被故意忽略。
提到的版本都有索引，但是每个人都被重新计算，每卷的索引条目被合并。
这种方法还可以避免二次版本的偏见——由于原始章程中的缩写，个人姓名有不同的解读。在这一时期，我们无法观察到后来才司空见惯的明确形式化的等级关系或现代意义上的社会关系；我们只能识别无血缘亲属关系(讨论见附录“数据质量”)。
因此，波希米亚中世纪高时期迫使我们为这种关系寻找一个代理，即计算个别贵族在见证一系列文件(如法律行为、对修道院和教堂的捐赠以及城镇特权，见附录“来源的问题”和“一个宪章的例子”)时的同现。
作为法律行为的担保人，他们出现在证人名单中，他们的地位大多是被动的。个体的歧义消除——专业语言学中一个众所周知的问题——是手工解决的。对于历史研究，已经有了全自动的社会网络构建方法。
然而，自动消歧过程仍然是一个挑战，对我们的研究来说是不可行的。见证文件的贵族被表示为网络顶点或节点，共同见证宪章在它们之间形成一个链接。
数据文件，在图论术语中是关联矩阵，从该矩阵构建了单模式网络。除了贵族证人，这张表还包括特许状的颁发者(前提是他们是贵族，而不是神职人员或市民)，最著名的是国王:文塞斯拉斯一世和Přemysl奥塔卡尔二世。
值得记住的是，在网络覆盖的给定时间段内两个人共同见证多于一个文档的情况下，链接的总数和共同见证事件的总数是不同的。在这种情况下，共同签名的实际数量成为链接权重。
共同从属关系网络是从代理数据构建的，这意味着从事件或团体中行为者的共同参与或共同成员关系来推断社会关系——在我们的情况下，共同见证法律文件一般的理由是，这种活动为发展社会关系提供了机会，相反，牢固的关系可以成为参与这种活动的一个标准。
后者肯定是真实的，因为法律赋予证*权人**力，统治者周围的人数量有限(我们假设这几百人互相认识，或者至少认识他们的盾形纹章)。
我们确实明确地将合作关系作为现有权力关系的标志(或者说，当我们将反叛者解释为失宠时，是指缺乏权力关系)。前者也是可能的——尽管混淆社会接近性和社会相似性的风险仍然存在——因为见证涉及在同一时间和同一地点聚集所有行为者。
然而，在这项研究中，我们没有将其解释为形成新关系的预测因素。因此，我们没有对链接权重进行任何标准化，因为共同参与活动的性质以及签署文件的绝对数量更好地代表了贵族的地位。
我们构建了最多具有年度时间分辨率的网络，使得所有收集到的章程都被一致地包括在内。时间网络由一系列小的静态集合快照表示。
正如在中心性测量中所指出的，对于一些计算，我们建立了包含不同持续时间的网络，提供了可比较的规模；对于其他一些研究，我们建立了一个固定的五年重叠窗口网络，窗口每年移动。
最大连通分量不考虑网络中的孤立岛屿，例如，仅独自见证特许的贵族(这在我们的数据中从未出现)或共同见证特许的贵族群体，但是没有一个贵族与来自最大连通分量的任何人共同见证特许。
在一个时间序列的网络中，有多种措施可以用来检测异常网络(标志着叛乱或其他社会或政治崩溃)。 我们选择了两种方法:第一种，在每个时间步中，计算为单个网络定义的经典结构度量；第二种方法计算时间相邻的图形对之间的相似性(或距离)。
在前一种情况下，我们计算平均路径长度(APL)、聚类系数、分类度和熵。APL总结了网络中任意一对顶点之间的最小距离。
在关系密切的人群中，APL会很小，例如，当他们所有人都在其他人*共中**同见证同一文档时。每当有几个团体或孤立的外围，中间人会增加APL，例如，当一系列的特许状是由不同的人发出的，没有贵族见证了所有这些。APL是在未加权的网络上计算的。
聚类系数本质上测量网络中有多少相连的三元组，或者换句话说，当一个人与另外两个人共同见证一个宪章时，这两个人也一起共同见证一个宪章的可能性有多大。分类性只是一种程度-程度的相关性在分类社会网络中，关系良好的人与其他关系良好的人联系在一起，关系不密切的人与其他关系不密切的人联系在一起反之亦然在异化网络中。
在联营网络的情况下,“良好的联系”可能来自参与大量小型活动(即只有少数人联署的章程)或甚至一个或几个大型活动(例如涉及整个法院的存在)。
基于分类性的已知性质，我们假设它随时间增加的值可能是接近社会动荡的标志。同样，我们选择熵是因为假设熵的增加表征了更强健的网络.两个选择的熵度量描述了局部或全局传播信息的不确定性。
假设一个人在社交网络中的影响力是共享的，并通过社交关系传递给其他人，那么就可以利用它们。我们将上述所有措施与随机基线进行比较。然而，已知它们中的一些会受到从见证-宪章到见证-见证数据的投影的影响，并且当与没有这样的投影而生成的图相比时，它们的聚类系数都是膨胀的。
为此，我们通过生成随机二分图(具有真实数据中的宪章、见证和链接的数量)并随后将它们投影到见证-见证网络中来构建随机基线。 在第二种方法的测量中，我们集中于某个图形距离度量我们指的是网络结构相似性的度量。
连续几年构建的网络之间的距离反映了保持先前联系的贵族的相对数量。前一小节中列出的测量值仅考虑时间上相邻的网络。另一方面，多维标度(MDS)和奇异值分解利用了知道所有成对网络距离的优势。
在我们的例子中，MDS图中的点代表在不同时间构建的共同见证网络，它们之间的2 D欧几里德距离近似于图距离度量。由于我们的网络在时间上是有序的，并且它们的重叠很小，我们期
望一个可见的潜在一维(时间)结构，并且第一个和最后一个网络(即，分别对应于1198年和1283年左右)与其余网络更不相交，并且更靠近原点。我们还产生了一个分析的变体，它强制图表按照时间顺序均匀地分布在一个圆上。
对于具有非空重叠的一系列图，如果重叠的量是不均匀的，则角位置和半径也变得不均匀，实际上暴露了相邻图的相似性的异常。中心性度量是设计来反映网络中单个节点的重要性或位置的一些方面的量。
在部分中叛乱的影响中，我们利用了介数(BC)、接近度(CC)、度(DC)和特征向量(EC)中心性，其中每一个通常产生不同的结果从最简单的开始，DC测量一个节点有多少个连接——在我们的例子中，总共有多少人和这个有问题的人是共同见证人；一个很大的数字可能表示参加了一个大型活动或许多小型活动。
其他的衡量标准并不仅仅基于个体最近的邻居。CC衡量个人与所有其他人的平均接近程度；这与你需要多少中间人才能把信传递到王国的任何地方是相反的，前提是只有在见证宪章的过程中遇到某人时才会交换信件。
BC告诉我们一个人作为中间人有多好，也就是说，假设其他贵族总是以最短的路线送信，有多少封信会通过他的手。
最后，EC是一个自洽的度量，在这个意义上，个体的重要性由他的邻居的重要性加权，而他们的重要性由他们的邻居加权，等等。
与DC相比，欧共体将有效地解释这样一个事实，即一个贵族属于一群其他有良好关系的贵族，即使他自己没有良好的关系。我们采用了这些指标的加权变量，如Opsahl、Agneessens和Skvoretz，带有调谐参数αα二元连接和加权连接之间的插值。
重量ww等于两个人(DC和欧共体)在给定时间内共同见证的文件数量或其倒数1/w1/w(适用于BC、CC)。 接下来，我们根据给定的中心性测量值对个人进行排名，有效地测量他们相对于给定网络中其他个人的位置。
最后，我们移动并线性转换等级以适应区间，0和1对应于等级最低和最高的人。使用等级而不是原始的中心性分数旨在使它们在不同规模的网络中具有可比性。因为我们不确定在不完全数据下中心性有多可靠，我们首先检查了我们是否能够正确地识别叛乱前后时期最突出的人物。
为此，我们将100多个办事处手动分类，参见数据可用性声明，包括区域变量，分为“高”、“低”、“区域”、“见证”和“发行人”历史资料中可以看到官职的等级，但这里使用的划分是任意的。国王主要是发行人。
“高”和“低”类别包括法院和土地办公室。“高”是五个最高的职位:侍从，元帅，管家，斟酒人和法院/土地法官。“低”是他们的副手和一些不太重要的陆地范围的办公室，如护林员和剑士。区域办公室包括城堡长和地方法官。然后，我们使用这些办公室类别，通过线性回归预测所有关联组件的中心性排名。
参考文献
《社会网络分析和挖掘》