动态网络分析(DNA).docVIP

动态网络分析（DNA）介绍 介绍 动态网络分析是一个新的科学领域，综合了基于网络科学和网络理论的社会网络分析（SNA），链接分析（LA）和多Agent系统（MAS）研究。主要有两个方面的研究：1.动态网络（DNA）数据的统计分析；2.网络动态性的仿真。 在网络中，当你孤立了网络中的主角（关键节点）并不意味着整个网络就不稳定和不能做出反应了，这恰好是忽略了网络的动态性。比如“孤立”一个“主角”，而又有新的“主角”产生。我们需要理解动态网络的演化过程，并且我们在面对一个演化网络或信息的丢失必须对“孤立策略”进行评估，（重点是网络的动态性和信息的丢失）。DNA中Agent角色是通过其过程来考虑的而不是其位置，这就意味着Agent能通信，储存信息，学习。而且网络随Agents的改变而动态的改变。连接是个概率，网络的多颜色，多元始由一系列网络组合而成一个复杂网络，其中一个网络的改变都促进或限制其他网络的变化，经常导致错误的级联产生[1]。我们无法预测变化，但能快速探测变化的发生和对实时的变化做出一些推理；当研究无法预测网络行为，但能提供一种更精确探测到变化的发生和在什么时间将发生的方法，这也是很重要的[2]。 DNA的产生[1] 传统SNA关注小的、有边界的网络，在一种类型的节点（人）之间建立两三种链接，在一个时间点我们可能得到完整的信息。之后一些研究进行了扩展，研究大的网络，或两种类型的节点（人和事件），或者是无边界网络。动态网络分析中的网络在网络的复杂性，动态性，多状态性，多元性和多个层次上的不确定性不同于传统的社会网络。在SNA中节点是静态的，而在DNA模型中节点有学习的能力，属性随着时间而改变，节点不断适应；DNA考虑了网络演化的要素研究和在某种环境中可能发生哪些变化。在一定程度上DNA有点像定量分析，它同概率论相关，但是又不像定量分析，因为DNA中的节点具有主动学习的能力。 目前有一些关于SNA的前沿的研究都扩展动态分析和多颜色（multi-color）网络的领域，主要有三个方面：元矩阵；把关系作为一种概率；社会网络同认知科学和M-Agent系统的结合。这三个方面的发展导致了动态网络分析的出现。 元矩阵：Carley（2002）综合了姿势管理，行为研究和社会网络技术提出了元矩阵（meta-matrix）的概念，对实体和实体之间的关系的多颜色，多元的表示，元矩阵是PCANS（关注人，资源，任务）方法的扩展和泛化。 如下图：定义了10个内部链接网络，一个网络变化可能导致其他网络的变化；一个网络中关系暗示了另一个网络中的关系。基于元矩阵概念，提出新的指标能更好的捕捉到一个个体，任务或资源在组织中的整体重要性。如认知负荷指标。DNA中关键的问题是有哪些合适的指标来描述和对比动态网络。目前为止的研究是集中关注在测量利用元矩阵中更多的胞(cell).一系列的测量主要在描述网络的大小（节点数目），稠密度，连结分布性的同质性，节点改变的比率。 概率关系：在元矩阵中的关系多是一种概率，各种因素影响着概率的变化，包括观测者对关系的确定性等，如贝叶斯方法，认知推理技术，社会和认知变化过程模型都能应用到概率的评价和它如何随时间的变化。 M-Agent网络模型：传统的SNA德主要问题是在网络中没有把人看成一个活跃适应性的能自主行动、学习和影响网络的Agent。Carley采用的M-Agent技术主要采用下列机制：学习；参与事件、对组织和社会性的改变建模的任务的执行。 研究方法 网络的研究不同于社会科学中传统研究方法的显著特征：1.网络研究的聚焦点是关系和关系模式；2.网络研究中可以进行多层次的分析，从而可以再微观、宏观之间建立连接；3.网络研究可以将定量资料、定性资料和图表数据整合起来，使分析更加透彻和深入[3]。 从网络分析的层次上看可以分为： 元素层次(element-level)分析,主要考虑其集中性(centrality)； 组群层(group-level)分析，主要考虑其组的稠密性(dense groups)（源自个体之间的互动），群组集中性(clustering)等； 网络层次(network-level)分析，主要采用统计，模型和对比等手段，主要考虑的概念有网络密度（节点之间实际连结的数目与他们之间可能存在的最大连结数目的比值），网络集中度（衡量的是某一个网路围绕一个或少数几个节点发生连结的程度），可达性，相互性，同质性和切入点等。 另外可以引入其他学科的研究手段如可以从信息论角度出发，研究组织网络的动态性，引入了信息论中的概念来量化研究，如引入网络熵和互信息来评估组织网络的动态性[4]。可以采用一种动态的，适应复杂系统的方法来探究边缘组织的动态特征，并且研究网络结