Динамический сетевой анализ (:nugbncyvtnw vymyfkw gugln[)
Динамический сетевой анализ (DNA) — это развивающаяся научная область, которая объединяет традиционный анализ социальных сетей, анализ связей, социальное моделирование и многоагентные системы в рамках науки о сетях.
Обзор
[править | править код]Динамический сетевой анализ делится на два основных направления: статистический анализ сетевых данных и использование моделирования для решения проблем сетевой динамики. Сети DNA отличаются от традиционных социальных сетей тем, что они являются более крупными, динамичными, многорежимными сетями и могут содержать различные уровни неопределенности. Основное отличие DNA от анализа социальных сетей заключается в том, что первый учитывает взаимодействие социальных особенностей, обусловливающих структуру и поведение сетей. DNA связан с темпоральным анализом, но темпоральный анализ не обязательно связан с DNA, поскольку изменения в сетях иногда являются результатом внешних факторов, которые не зависят от социальных особенностей, обнаруживаемых в сетях. Один из самых заметных и ранних случаев использования DNA — это исследование в монастыре, где учёный делал снимки одной и той же сети с разных интервалов, наблюдал и анализировал эволюцию этой сети[1]. Раннее исследование динамики использования связей в очень крупномасштабных сложных сетях предоставило доказательства динамической центральности, мотивов и циклов социальных взаимодействий[2].
Статистические инструменты DNA, как правило, оптимизированы для крупномасштабных сетей и допускают анализ нескольких сетей одновременно, в которых существует несколько типов узлов и несколько типов связей. Многоузловые мультиплексные сети обычно называются мета-сетями или многомерными сетями. В отличие от этого, статистические инструменты анализа социальных сетей фокусируются на единичных данных и облегчают анализ использованием только одного типа связи за один раз[3].
Статистические инструменты DNA предоставляют больше метрик для изучения пользователя, потому что они включают метрики, которые используют данные, полученные из нескольких сетей одновременно. Модели латентного пространства и агентное моделирование и другие формы моделирования часто используются для изучения динамических социальных сетей: как сети развиваются и адаптируются, а также влияния вмешательств на эти сети[4]. С точки зрения компьютерного моделирования узлы в DNA подобны атомам в квантовой теории, и их можно рассматривать как вероятностные. Связи в сети не являются бинарными; во многих случаях они представляют вероятность того, что связь существует. В то время как узлы в традиционной модели сетевого анализа статичны, в модели DNA они обладают способностью к обучению[5]. Свойства меняются со временем; узлы могут адаптироваться: например, сотрудники компании могут научиться новым навыкам и повысить свою ценность для сети. Изменения распространяются от одного узла к другому. DNA добавляет элемент эволюции сети и учитывает обстоятельства, при которых могут произойти изменения.
Метасеть
[править | править код]Метасеть — это многорежимная, многозвенная, многоуровневая сеть. Многорежимность означает, что существует много типов узлов; например, узлы людей и местоположения. Многосвязность означает, что существует много типов связей; например, дружба и совет. Многоуровневость означает, что некоторые узлы могут быть членами других узлов, таких как сеть, состоящая из людей и организаций, и одним из её звеньев является отношение человека к организации, который является её членом. Простой вариант метасети включает в себя людей, задачи и ресурсы[6]. Более детальный состав включает людей, задачи, ресурсы, знания и организации[7].
Основные задачи динамического сетевого анализа
[править | править код]- Разработка метрик и статистических данных для оценки и выявления изменений внутри сети и между сетями
- Разработка и проверка моделей для изучения сетевых изменений, эволюции, адаптации, распада
- Разработка и тестирование теории сетевых изменений, эволюции, адаптации, распада[8].
- Разработка и валидация формальных моделей генерации и эволюции сетей
- Разработка методов визуализации сетевых изменений в целом или на уровне узлов или групп
- Разработка статистических методов для определения того, обусловлены ли различия, наблюдаемые с течением времени в сетях, просто различными выборками из распределения связей и узлов, или изменениями с течением времени лежащих в основе распределения связей и узлов
- Разработка процессов управления сетями
- Разработка алгоритмов изменения распределения связей в сетях с течением времени
- Разработка алгоритмов отслеживания групп в сетях с течением времени
- Разработка инструментов для извлечения из сетей или локализации различных источников данных, таких как тексты
- Разработка статистически достоверных измерений в сетях с течением времени
- Изучение надежности сетевых метрик при различных типах отсутствующих данных
- Исследование сетей как вероятностных временных вариативных явлений
- Прогнозирование изменений в существующих сетях
- Идентификация маршрутов во времени с учетом последовательности сетей
- Идентификация изменений критичности узлов с учетом последовательности сетей
- Изучение случайных блужданий во временных сетях[9]
- Количественная оценка структурных свойств контактных последовательностей, влияющих на динамические процессы в динамических сетях[10]
- Оценка скрытой деятельности[11] и теневых сетей[12]
- Анализ цитат[13]
- Анализ социальных сетей[14]
- Оценка систем здравоохранения[15]
- Анализ клинической безопасности[16]
- Оценка террористических группировок[17]
- Анализ распада социальных взаимодействий в социальных сетях[18]
- Визуализация крупных финансовых сетей с течением времени[19]
- Моделирование взаимодействий в школьных классах[20]
См. также
[править | править код]- Наука о сетях
- Компьютерная сеть
- Социальная сеть
- Анализ связей
- Теория графов
- Социальное моделирование
- Компьютерное моделирование
- Агентное моделирование
- Машинное обучение
- Нейронная сеть
Примечания
[править | править код]- ↑ Harrison C. White, 1992, Identity and control: A structural theory of social action. Princeton University Press.
- ↑ Dan Braha, Yaneer Bar‐Yam, 2006, "From centrality to temporary fame: Dynamic centrality in complex networks Архивная копия от 1 ноября 2020 на Wayback Machine, " Complexity, 12(2), 59-63.
- ↑ Dan Braha, Yaneer Bar-Yam 2009, Time-dependent complex networks: Dynamic centrality, dynamic motifs, and cycles of social interactions Архивная копия от 3 октября 2021 на Wayback Machine. In Adaptive Networks (pp. 39-50). Springer, Berlin, Heidelberg.
- ↑ Purnamrita Sarkar and Andrew W. Moore. 2005. Dynamic social network analysis using latent space models. SIGKDD Explor. Newsl. 7, 2 (December 2005), 31-40.
- ↑ Kathleen M. Carley, Michael K. Martin and Brian Hirshman, 2009, "The Etiology of Social Change, " Topics in Cognitive Science, 1.4:621-650.
- ↑ David Krackhardt and Kathleen M. Carley, 1998, "A PCANS Model of Structure in Organization, " In proceedings of the 1998 International Symposium on Command and Control Research and Technology, Monterey, CA, June 1998, Evidence Based Research, Vienna, VA, Pp. 113—119.
- ↑ Kathleen M. Carley, 2002, "Smart Agents and Organizations of the Future, " The Handbook of New Media. Edited by Leah Lievrouw and Sonia Livingstone (Eds.), Thousand Oaks, CA, Sage, Ch. 12: 206—220.
- ↑ Majdandzic, A.; et al. (2013). «Spontaneous recovery in dynamical networks Архивная копия от 24 февраля 2021 на Wayback Machine». Nature Physics. 10: 34-38.
- ↑ Michele Starnini, Andrea Baronchelli, Alain Barrat, 2012, Random walks on temporal networks Архивная копия от 11 апреля 2021 на Wayback Machine. Phys. Rev. E 85, 056115.
- ↑ René Pfitzner, Ingo Scholtes, Antonios Garas, Claudio Juan Tessone, Frank Schweitzer, 2012, «Betweenness Preference: Quantifying Correlations in the Topological Dynamics of Temporal Networks», Physical Review Letters, Vol. 110, May 10, 2013.
- ↑ Carley, Kathleen M., Michael K., Martin and John P. Hancock, 2009, "Dynamic Network Analysis Applied to Experiments from the Decision Architectures Research Environment, " Advanced Decision Architectures for the Warfigher: Foundation and Technology, Ch. 4.
- ↑ Everton, Sean, 2012, Disrupting Dark Networks, Cambridge University Press, New York, NY
- ↑ Kas, Miray, Kathleen M. Carley and L. Richard Carley, 2012, "Who was Where, When? Spatiotemporal Analysis of Researcher Mobility in Nuclear Science, " In proceedings of the International Workshop on Spatio Temporal data Integration and Retrieval (STIR 2012), held in conjunction with ICDE 2012, April 1, 2012, Washington D.C.
- ↑ Carley, Kathleen. M., Jürgen Pfeffer, Huan Liu, Fred Morstatter, Rebecca Goolsby, 2013, Near Real Time Assessment of Social Media Using Geo-Temporal Network Analytics, In Proceedings of 2013 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining (ASONAM), August 25-28, 2013, Niagara Falls, Canada.
- ↑ Merrill, Jacqueline, Mark G. Orr, Christie Y. Jeon, Rosalind V. Wilson, Jonathan Storrick and Kathleen M. Carley, 2012, "Topology of Local Health Officials’ Advice Networks: Mind the Gaps, " Journal of Public Health Management Practice, 18(6): 602—608.
- ↑ Effken, Judith A.,Sheila Gephart and Kathleen M. Carley, 2013, "Using ORA to Assess the Relationship of Handoffs to Quality and Safety Outcomes, " Computers, Informatics, Nursing. 31(1): 36-44.
- ↑ Kenney, Michael J., John Horgan, Cale Horne, Peter Vining, Kathleen M. Carley, Michael Bigrigg, Mia Bloom, Kurt Braddock, 2012, Organizational adaptation in an activist network: Social networks, leadership, and change in al-Muhajiroun, Applied Ergonomics, 44(5):739-747.
- ↑ M. Abufouda, K. A. Zweig ."A Theoretical Model for Understanding the Dynamics of Online Social Networks Decay".
- ↑ Heijmans, Ronald; Heuver, Richard; Levallois, Clement; van Lelyveld, Iman (2016). «Dynamic visualization of large financial networks». The Journal of Network Theory in Finance. 2 (2): 57-79.
- ↑ Christian Bokhove, 2016, «Exploring classroom interaction with dynamic social network analysis», International Journal of Research & Method in Education.