更改

添加6字节 、 2020年10月21日 (三) 16:25
无编辑摘要
第5行: 第5行:  
'''<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'''<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>
   −
DNA统计工具通常可针对大规模网络进行优化,同时允许对多个具有多种类型的节点(多节点)和多种类型的链接(多边)的网络进行分析。多节点多重网络通常被称为
     −
'''<font color="#ff8000">元网络 Meta-Network</font>'''或'''<font color="#ff8000">高维网络 High-Dimensional Networks</font>'''。相比之下,SNA统计工具侧重于单一模式或至多两种模式的数据,一次只能进行一种类型链接的分析。
+
DNA统计工具通常可针对大规模网络进行优化,同时允许对多个具有多种类型的节点(多节点)和多种类型的链接(多边)的网络进行分析。多节点多重网络通常被称为'''<font color="#ff8000">元网络 Meta-Network</font>'''或'''<font color="#ff8000">高维网络 High-Dimensional Networks</font>'''。相比之下,SNA统计工具侧重于单一模式或至多两种模式的数据,一次只能进行一种类型链接的分析。
 +
 
    
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'''<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。
第13行: 第13行:  
[[Image:DynamicNetworkAnalysisExample.jpg|right|340px|thumb|
 
[[Image:DynamicNetworkAnalysisExample.jpg|right|340px|thumb|
 
图1:多实体、多网络、动态网络图示]]
 
图1:多实体、多网络、动态网络图示]]
 +
    
动态网络分析与标准社交网络分析相比,有三个主要特征。第一,DNA研究的不仅仅是社交网络,而是元网络。其次,基于代理建模和其他形式模拟常用于探索网络如何演变与适应,以及人为干预对这些网络的影响。第三,网络中的链接不是二进制的; 事实上,在许多情况中它们代表了链接存在的可能性。
 
动态网络分析与标准社交网络分析相比,有三个主要特征。第一,DNA研究的不仅仅是社交网络,而是元网络。其次,基于代理建模和其他形式模拟常用于探索网络如何演变与适应,以及人为干预对这些网络的影响。第三,网络中的链接不是二进制的; 事实上,在许多情况中它们代表了链接存在的可能性。
第21行: 第22行:  
'''<font color="#ff8000">元网络 Meta-Network</font>'''是一种多模式、多链接、多层级的网络。多模式意味着有多种类型的节点; 例如,人与位置坐标的节点。多链接意味有着众多类型的链接,例如友谊和建议。多层级表明某些节点可能是其他节点的组成部分,例如由人员和组织构成的网络,并且链接之一就是谁是哪个组织的成员。
 
'''<font color="#ff8000">元网络 Meta-Network</font>'''是一种多模式、多链接、多层级的网络。多模式意味着有多种类型的节点; 例如,人与位置坐标的节点。多链接意味有着众多类型的链接,例如友谊和建议。多层级表明某些节点可能是其他节点的组成部分,例如由人员和组织构成的网络,并且链接之一就是谁是哪个组织的成员。
    +
<br>
    
虽然不同的研究人员使用不同的模式,共同的模式却都反映了何人、何事、时间、地点、原因和方式。一个简单的元网络示例是包含有人员、任务和资源的 PCANS 公式。更详细的公式会考虑人员、任务、资源、知识和组织。ORA工具是为支持元网络分析而开发。
 
虽然不同的研究人员使用不同的模式,共同的模式却都反映了何人、何事、时间、地点、原因和方式。一个简单的元网络示例是包含有人员、任务和资源的 PCANS 公式。更详细的公式会考虑人员、任务、资源、知识和组织。ORA工具是为支持元网络分析而开发。
7,129

个编辑