复杂网络分析方法在情报学中的应用研究综述-数字图书馆论坛.pdf

探索与交流 复杂网络分析方法在情报学中的应用 研究综述 陈迪，吴亚平，赵怡然，姚玲苗，王继民 （北京大学信息管理系，北京 100871） 摘要：复杂网络分析方法为情报学应用研究提供新的方法与视角，文章首先对复杂网络的背景和分析方法 进行系统地梳理和归纳，然后从科研合作、知识管理、信息传播、信息资源管理、竞争情报等5个方面系统地总 结归纳复杂网络方法在情报学中的应用研究现状，以期为相关研究提供参考。 关键词：复杂网络；情报学；科研合作；竞争情报；信息传播 中图分类号：G353.1 DOI ：10.3772/j .issn .1673-2286.2015.09.007 [1] 1 复杂网络概述 题、网络性质及其推理论证等 。此后，有关复杂网络 的研究取得了较多的进展，借助计算机和先进的网络 复杂网络是社会生活中广泛存在的一种现象，其 技术，关于复杂网络的研究范围和角度也从最开始的 理论基础是20世纪末出现在系统科学领域的复杂网络 网络结构及其物理特征发展到如今对复杂网络动力学 理论，而其根源则可以追溯到20世纪60年代提出的随 研究、社团结构与闭包现象、复杂网络中的控制等内容 机图理论。钱学森认为复杂网络是具有自组织、自相 的探讨，产生了大量的有价值的研究成果。与传统的社 似、吸引子、小世界、无标度（无尺度）中部分或全部性 会网络分析方法不同，复杂网络侧重对网络动态过程 [1] 质的网络 。复杂网络在人类社会中大量存在，现实世 的研究，反映的是网络结构的演化过程、网络结构与网 [2] 界的网络既不是有着规则结构的网络，也不是随机状 络行为之间的交互规律、网络动力学特征等 。因此， 态下产生的网络，它具有小世界网络和无标度网络的特 复杂网络比社会网络具有更广的应用范畴，并逐渐向 性，与传统的规则网络和随机网络的统计特性有显著 其它学科领域渗透。 的差别。1998年康奈尔大学的Watt s和其导师Strogatz 发表了关于集体行为动力学研究的文章，构建了一个小 2 复杂网络分析维度与主要指标 世界网络模型。该模型反映出社会网络的一种特性，即 社会关系网络具有较短的平均路径长度和较大的聚类 节点和边是复杂网络中的基本要素。其中，节点可 系数，这个特性就是“小世界”效应。1999年，Barabasi 以代表具有一定意义的个体或事物，如科研合作网络 发表了“随机网络中标度的涌现”，揭示了复杂网络的无 中的作者、机构、科研项目等。边代表节点之间的某种 标度性质。复杂网络的小世界效应说明大规模的网络中 关系，包括有向边和无向边，其权重代表关系的强弱。 任意两个节点之间存在最短路径，从而使得整个网络成 对于复杂网络的分析可以从两个维度展开，一个是以 为一个可以互相通达的小世界；无标度特性则揭示了真 个体为中心的网络分析法，主要从节点的中心度指标 [1] 实网络结构中节点的效度值符合幂率分布的特征 。 （包括点度中心度、中介中心度、接近中心度），关系指 国际上从1998年左右开始广泛关注复杂网络理论 标（包括关系方向、关系强度），关键节点及其特性（如 及其应用，我国在2002年之后关于复杂网络理论的研 结构洞）、聚集系数等角度来分析个体网络特征。另一 究文章逐渐增多，主要是关于数学和物理学的建模问 个是以整体网络为中心的网络分析法。主要从网络的