เครือข่ายสังคมเป็นชุดข้อมูลที่หลากหลาย (heterogeneous) และหลายสัมพันธ์ (multi-relational) ที่อธิบายด้วยกราฟ กราฟมักมีขนาดใหญ่มาก โดยโหนด (nodes) สอดคล้องกับวัตถุ และขอบ (edges) สอดคล้องกับการเชื่อมต่อที่อธิบายความสัมพันธ์หรือการเชื่อมต่อระหว่างวัตถุ ทั้งโหนดและการเชื่อมต่อมีแอตทริบิวต์ วัตถุสามารถมีป้ายกำกับคลาส ลิงก์สามารถเป็นหนึ่งทาง (one-directional) และไม่จำเป็นต้องเป็น binary
ลักษณะเฉพาะของเครือข่ายสังคมมีดังนี้:
กฎกำลังการหนาแน่น (Densification power-law) — ก่อนหน้านี้เชื่อว่าเมื่อเครือข่ายพัฒนา จำนวน degree เพิ่มขึ้นเชิงเส้นกับจำนวนโหนด เรียกว่า "สมมติฐาน degree เฉลี่ยคงที่" แต่การทดลองอย่างกว้างขวางแสดงว่า ในทางกลับกัน เครือข่ายกลายเป็นหนาแน่นขึ้นตามเวลา โดย degree เฉลี่ยเพิ่มขึ้น (และจำนวนขอบเพิ่มขึ้น super-linear ต่อจำนวนโหนด) การหนาแน่นนี้ปฏิบัติตามกฎกำลังการหนาแน่น (densification power law) ซึ่งกำหนดว่า
$$e(t)\propto n(t)^{a}$$
โดย e(t) และ n(t) แสดงจำนวนขอบและโหนดของกราฟที่เวลา t และเลขชี้กำลัง a โดยทั่วไปอยู่ระหว่าง 1 และ 2 อย่างเคร่งครัด หาก a = 1 สอดคล้องกับ degree เฉลี่ยคงที่ตลอดเวลา ในขณะที่ a = 2 สอดคล้องกับกราฟหนาแน่นสมบูรณ์ที่ทุกโหนดมีขอบไปยังสัดส่วนคงที่ของทุกโหนด
เส้นผ่านศูนย์กลางหดตัว (Shrinking diameter) — พบจากการทดลองว่า effective diameter มักลดลงเมื่อเครือข่ายขยายใหญ่ ขัดกับความเข้าใจก่อนหน้าที่ว่าเส้นผ่านศูนย์กลางเพิ่มขึ้นช้าๆ ตามขนาดเครือข่าย
พิจารณาเว็บอ้างอิง (citation web) ที่โหนดคือบทความ และการอ้างอิงจากบทความหนึ่งไปอีกบทความแสดงด้วยขอบมีทิศทาง Outlinks ของโหนด v (แสดงบทความที่ v อ้างอิง) "แข็งตัว" (frozen) ณ เวลาที่เข้ากราฟ ระยะห่างที่ลดลงระหว่างคู่โหนดจึงเกิดจากบทความต่อไปที่ทำหน้าที่เป็น "สะพาน" (bridges) โดยอ้างอิงบทความก่อนหน้าจากหลายพื้นที่
การกระจาย out-degree และ in-degree ที่มีหางหนัก (Heavy-tailed out-degree and in-degree distributions) — จำนวน out-degrees ของโหนดมักปฏิบัติตามการกระจายที่มีหางหนักโดยปฏิบัติตามกฎกำลัง 1/na โดย n คืออันดับของโหนดในลำดับ out-decreases ที่ลดลง และโดยทั่วไป 0 < a < 2
ค่า a ยิ่งเล็ก หางยิ่งหนัก ปรากฏการณ์นี้อธิบายในโมเดล preferential attachment ที่โหนดใหม่แต่ละตัวเชื่อมต่อเครือข่ายที่มีอยู่ด้วย out-links จำนวนคงที่ ตามกฎ rich-get-richer In-degrees ก็ปฏิบัติตามการกระจายหางหนัก แต่ผลกระทบเอียงมากกว่า out-degrees
