Динамический сетевой анализ

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.

Многосетевая динамическая диаграмма

Обзор

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

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

• 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

• Наука о сетях
• Компьютерная сеть
• Социальная сеть
• Анализ связей
• Теория графов
• Социальное моделирование
• Компьютерное моделирование
• Агентное моделирование
• Машинное обучение
• Нейронная сеть