更改

动态网络分析 (查看源代码)

2020年10月21日 (三) 16:25的版本

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：

'''动态网络分析 Dynamic network analysis'''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'''多主体系统 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'''时间分析 Temporal Analysis'''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'''动态中心性 Dynamic Centrality'''，'''动态主题 Dynamic Motifs'''和'''社交互动周期 Cycles of Social Interactions'''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

−

'''元网络 Meta-Network'''或'''高维网络 High-Dimensional Networks'''。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'''元网络 Meta-Network'''或'''高维网络 High-Dimensional Networks'''。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。'''潜在空间模型 Latent Space Models'''(Sarkar 和 Moore，2005年)和'''基于代理的模拟 Agent-Based Simulation'''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|

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。

第21行：第22行：

'''元网络 Meta-Network'''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。

+

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。

薄荷

7,129

个编辑