7,129
个编辑
更改
跳到导航
跳到搜索
第3行：
第3行： − + 第9行：
第9行： − + 第86行：
第86行： + 第100行：
第101行： + + 第119行：
第122行： + 第125行：
第129行： − + − − 第134行：
第136行： + +
无编辑摘要
|description=社会学方法,社会统计,计算机网络分析
|description=社会学方法,社会统计,计算机网络分析
}}
}}
'''<font color="#ff8000">动态网络分析 Dynamic network analysis</font>'''是将传统的'''<font color="#ff8000">社会网络分析 Social Network Analysis SNA</font>'''、'''<font color="#ff8000">链路分析 Link Analysis LA</font>'''、'''<font color="#ff8000">社会模拟 Social Simulation</font>'''和'''<font color="#ff8000">多主体系统 Multi-Agent Systems MAS</font>'''与'''<font color="#ff8000">网络科学 Network Science</font>'''和'''<font color="#ff8000">网络理论 Network Theory</font>'''相结合的新兴科学领域。这个领域有两个方向。第一个是动态网络分析数据的统计分析。第二是利用仿真来解决网络动态问题。动态网络分析的网络不同于传统的社会网络，因为它们更加庞大、更加具有活力、多模式，多重网络，并且可能包含不同程度的不确定性。DNA 与 SNA 的主要区别在于，动态网络分析考虑了社会特征的交互作用，从而调节了网络的结构和行为。动态网络分析与'''<font color="#ff8000">时间分析 Temporal Analysis</font>'''有关，但时间分析并不一定与动态网络分析有关，因为网络的变化有时是由外部因素造成的，这些因素与网络中的社会特征相互独立。关于使用动态网络分析中最早且最著名的案例之一，桑普森修道院的研究，他在该研究中从不同间隔拍摄了相同网络的快照，并观察和分析了网络的演变。<ref>Harrison C. White, 1992, Identity and control: A structural theory of social action. Princeton University Press.</ref>对超大规模复杂网络中链接利用动态特性的早期研究提供了'''<font color="#ff8000">动态中心性 Dynamic Centrality</font>'''，'''<font color="#ff8000">动态主题 Dynamic Motifs</font>'''和'''<font color="#ff8000">社交互动周期 Cycles of Social Interactions</font>'''的证据。<ref>Dan Braha, Yaneer Bar‐Yam, 2006, [https://static1.squarespace.com/static/5b68a4e4a2772c2a206180a1/t/5c5de3faf4e1fc43e7b3d21e/1549657083988/Complexity_Braha_Original_w_Cover.pdf “From centrality to temporary fame: Dynamic centrality in complex networks,”] Complexity, 12(2), 59-63.</ref><ref>Dan Braha, Yaneer Bar-Yam 2009, [https://static1.squarespace.com/static/5b68a4e4a2772c2a206180a1/t/5c5de35feb393115883fdb54/1549656928806/DN_June_12_2008_necsi_Web.pdf Time-dependent complex networks: Dynamic centrality, dynamic motifs, and cycles of social interactions.] In Adaptive Networks (pp. 39-50). Springer, Berlin, Heidelberg.</ref>
'''<font color="#ff8000">动态网络分析 Dynamic network analysis</font>'''是将传统的[[社会网络分析 Social Network Analysis]]（SNA）、[[链路分析 Link Analysis]]（LA）、[[社会模拟 Social Simulation]]和[[多智能体系统 Multi-Agent Systems]]（MAS）与[[网络科学 Network Science]]和[[网络理论 Network Theory]]相结合的新兴科学领域。这个领域有两个方向。第一个是动态网络分析数据的统计分析。第二是利用仿真来解决网络动态问题。动态网络分析的网络不同于传统的社会网络，因为它们更加庞大、更加具有活力、多模式，多重网络，并且可能包含不同程度的不确定性。DNA 与 SNA 的主要区别在于，动态网络分析考虑了社会特征的交互作用，从而调节了网络的结构和行为。动态网络分析与'''<font color="#ff8000">时间分析 Temporal Analysis</font>'''有关，但时间分析并不一定与动态网络分析有关，因为网络的变化有时是由外部因素造成的，这些因素与网络中的社会特征相互独立。关于使用动态网络分析中最早且最著名的案例之一，桑普森修道院的研究，他在该研究中从不同间隔拍摄了相同网络的快照，并观察和分析了网络的演变。<ref>Harrison C. White, 1992, Identity and control: A structural theory of social action. Princeton University Press.</ref>对超大规模复杂网络中链接利用动态特性的早期研究提供了'''<font color="#ff8000">动态中心性 Dynamic Centrality</font>'''，'''<font color="#ff8000">动态主题 Dynamic Motifs</font>'''和'''<font color="#ff8000">社交互动周期 Cycles of Social Interactions</font>'''的证据。<ref>Dan Braha, Yaneer Bar‐Yam, 2006, [https://static1.squarespace.com/static/5b68a4e4a2772c2a206180a1/t/5c5de3faf4e1fc43e7b3d21e/1549657083988/Complexity_Braha_Original_w_Cover.pdf “From centrality to temporary fame: Dynamic centrality in complex networks,”] Complexity, 12(2), 59-63.</ref><ref>Dan Braha, Yaneer Bar-Yam 2009, [https://static1.squarespace.com/static/5b68a4e4a2772c2a206180a1/t/5c5de35feb393115883fdb54/1549656928806/DN_June_12_2008_necsi_Web.pdf Time-dependent complex networks: Dynamic centrality, dynamic motifs, and cycles of social interactions.] In Adaptive Networks (pp. 39-50). Springer, Berlin, Heidelberg.</ref>
DNA统计工具倾向于为用户提供更多的测量手段，因为它们的测量手段同时从多个网络中提取的数据。'''<font color="#ff8000">潜在空间模型 Latent Space Models</font>'''(Sarkar 和 Moore，2005年)和'''<font color="#ff8000">基于代理的模拟 Agent-Based Simulation</font>'''经常用来测试动态的社交网络(Carley 等人，2009年)。从计算机仿真的角度来看，DNA中的节点就像量子理论中的原子一样，尽管不一定需要将节点视为概率随机的。传统SNA模型中的节点是静态的，而DNA模型中的节点具有学习能力。特性随时间变化；节点可以随之适应: 一个公司的职员可以学习新技能，增加他们在公司结构中的价值；或者，抓捕了一名恐怖分子，另外三人被迫临时合作。变化从一个节点传播到下一个节点，依此类推。DNA增加了网络进化的基本要素，并考虑了可能发生变化的环境。
DNA统计工具倾向于为用户提供更多的测量手段，因为它们的测量手段同时从多个网络中提取的数据。'''<font color="#ff8000">潜在空间模型 Latent Space Models</font>'''(Sarkar 和 Moore，2005年)和基于智能体的模拟经常用来测试动态的社交网络(Carley 等人，2009年)。从计算机仿真的角度来看，DNA中的节点就像量子理论中的原子一样，尽管不一定需要将节点视为概率随机的。传统SNA模型中的节点是静态的，而DNA模型中的节点具有学习能力。特性随时间变化；节点可以随之适应: 一个公司的职员可以学习新技能，增加他们在公司结构中的价值；或者，抓捕了一名恐怖分子，另外三人被迫临时合作。变化从一个节点传播到下一个节点，依此类推。DNA增加了网络进化的基本要素，并考虑了可能发生变化的环境。
[[Image:DynamicNetworkAnalysisExample.jpg|right|340px|thumb|图1：多实体、多网络、动态网络图示]]
[[Image:DynamicNetworkAnalysisExample.jpg|right|340px|thumb|图1：多实体、多网络、动态网络图示]]
* 学校课堂互动的建模
* 学校课堂互动的建模
<br>
== 参见 ==
== 参见 ==
* [[顺序动力学系统]]
* [[顺序动力学系统]]
<br>
== 参考 ==
== 参考 ==
<references/>
<references/>
<br>
== 延申阅读 ==
== 延申阅读 ==
*C. Aggarwal, K. Subbian, 2014, "Evolutionary Network Analysis: A Survey". ACM Computing Surveys, 47(1). ([http://charuaggarwal.net/CSUR-2013-0157.pdf pdf])
*C. Aggarwal, K. Subbian, 2014, "Evolutionary Network Analysis: A Survey". ACM Computing Surveys, 47(1). ([http://charuaggarwal.net/CSUR-2013-0157.pdf pdf])
<br>
== 外链 ==
== 外链 ==
* [http://www.casos.cs.cmu.edu/ Center for Computational Analysis of Social and Organizational Systems (CASOS)]
* [http://www.casos.cs.cmu.edu/ Center for Computational Analysis of Social and Organizational Systems (CASOS)]
<br>
<noinclude>
==编者推荐==
==编者推荐==
[[File:Last1.png|400px|thumb|right|[https://swarma.org/?p=13364 用神经学习模型计算海量实际网络中的节点中心性度量 | 论文速递1篇|集智俱乐部]]]
[[File:Last1.png|400px|thumb|right|[https://swarma.org/?p=13364 用神经学习模型计算海量实际网络中的节点中心性度量 | 论文速递1篇|集智俱乐部]]]
如何分析社交网络的信息流动？如何系统地观测社会地理信息的变化？如何在计算机中模拟众多个体的社会行为？这些都是计算社会科学的研究内容。作为一门脱胎于社会科学、计算机科学、复杂性科学的交叉学科，计算社会科学研究方法众多，有学者在2010年就做了详细的综述，让我们一起来回顾。
如何分析社交网络的信息流动？如何系统地观测社会地理信息的变化？如何在计算机中模拟众多个体的社会行为？这些都是计算社会科学的研究内容。作为一门脱胎于社会科学、计算机科学、复杂性科学的交叉学科，计算社会科学研究方法众多，有学者在2010年就做了详细的综述，让我们一起来回顾。
<br/><br/>
<br/><br/>
===集智课程推荐===
===集智课程推荐===
====[https://campus.swarma.org/course/1184 金融市场的动态网络 | 复杂系统自动建模读书会第2期]====
====[https://campus.swarma.org/course/1184 金融市场的动态网络 | 复杂系统自动建模读书会第2期]====