Пример многосущностной, многосетевой, динамической сетевой диаграммы
Существует два аспекта этой области. Первый — статистический анализ данных ДНК. Второй — использование моделирования для решения проблем динамики сети. Сети ДНК отличаются от традиционных социальных сетей тем, что они более крупные, динамичные, многорежимные, многоплексные сети и могут содержать различные уровни неопределенности . Главное отличие ДНК от СНС заключается в том, что ДНК учитывает взаимодействия социальных характеристик, обуславливающих структуру и поведение сетей. ДНК связана с временным анализом, но временной анализ не обязательно связан с ДНК, поскольку изменения в сетях иногда возникают из-за внешних факторов, которые не зависят от социальных характеристик, обнаруженных в сетях. Одним из самых заметных и ранних случаев использования ДНК является исследование монастыря Сэмпсона, где он делал снимки одной и той же сети с разных интервалов и наблюдал и анализировал эволюцию сети. [2]
Инструменты статистики ДНК обычно оптимизированы для крупномасштабных сетей и допускают одновременный анализ нескольких сетей, в которых есть несколько типов узлов (многоузловые) и несколько типов связей (мультиплексные). Многоузловые многоплексные сети обычно называются метасетями или сетями высокой размерности. Напротив, инструменты статистики СНС фокусируются на данных одного или максимум двух режимов и облегчают анализ только одного типа связи за раз.
Инструменты статистики ДНК, как правило, предоставляют пользователю больше мер, поскольку они используют данные, полученные из нескольких сетей одновременно. Модели скрытого пространства (Саркар и Мур, 2005) [3] и агентное моделирование часто используются для изучения динамических социальных сетей (Карли и др., 2009). [4] С точки зрения компьютерного моделирования узлы в ДНК подобны атомам в квантовой теории, узлы могут, хотя и не обязательно, рассматриваться как вероятностные. В то время как узлы в традиционной модели СНС статичны, узлы в модели ДНК обладают способностью к обучению. Свойства меняются со временем; узлы могут адаптироваться: сотрудники компании могут освоить новые навыки и повысить свою ценность для сети; или, поймав одного террориста, трое других вынуждены импровизировать. Изменение распространяется от одного узла к другому и так далее. ДНК добавляет элемент эволюции сети и учитывает обстоятельства, при которых, вероятно, произойдет изменение.
Динамический сетевой анализ имеет три основные особенности, которые отличают его от стандартного анализа социальных сетей. Во-первых, вместо того, чтобы использовать только социальные сети, ДНК рассматривает метасети. Во-вторых, агентное моделирование и другие формы симуляций часто используются для изучения того, как сети развиваются и адаптируются, а также влияния вмешательств на эти сети. В-третьих, связи в сети не являются бинарными; на самом деле, во многих случаях они представляют вероятность того, что есть связь.
Динамическое репрезентативное обучение
Сложная информация об отношениях объектов может быть эффективно сжата в низкоразмерные вложения в скрытом пространстве. [5] Динамические системы, в отличие от статических, включают временные изменения. Различия в усвоенных представлениях с течением времени в динамической системе могут возникать из-за фактических изменений или произвольных изменений, которые не влияют на метрики в скрытом пространстве, причем первое отражается на стабильности системы, а второе связано с выравниванием вложений. [6]
По сути, стабильность системы определяет ее динамику, в то время как несоответствие означает несущественные изменения в скрытом пространстве. Динамические вложения считаются выровненными, когда вариации между вложениями в разное время точно представляют фактические изменения системы, а не бессмысленные изменения в скрытом пространстве. Вопрос стабильности и выравнивания динамических вложений имеет важное значение в различных задачах, зависящих от временных изменений в скрытом пространстве. Эти задачи охватывают, среди прочего, прогнозирование будущих метаданных, временную эволюцию, динамическую визуализацию и получение средних вложений.
Мета-сеть
Метасеть — это многорежимная, многосвязная, многоуровневая сеть. Многорежимность означает, что существует множество типов узлов; например, узлы — люди и местоположения. Многосвязность означает, что существует множество типов связей; например, дружба и совет. Многоуровневость означает, что некоторые узлы могут быть членами других узлов, например, сеть, состоящая из людей и организаций, и одна из связей — кто является членом какой организации.
В то время как разные исследователи используют разные режимы, общие режимы отражают кто, что, когда, где, почему и как. Простым примером метасети является формулировка PCANS с людьми, задачами и ресурсами. [7] Более подробная формулировка учитывает людей, задачи, ресурсы, знания и организации. [8] Инструмент ORA был разработан для поддержки анализа метасети. [9]
Иллюстративные проблемы, над которыми работают специалисты в области ДНК
Разработка показателей и статистики для оценки и выявления изменений внутри сетей и между ними.
Разработка и проверка теории сетевых изменений, эволюции, адаптации, распада [10]
Разработка и проверка формальных моделей генерации и эволюции сетей
Разработка методов визуализации изменений сети в целом или на уровне узла или группы
Разработка статистических методов, позволяющих увидеть, обусловлены ли различия, наблюдаемые с течением времени в сетях, просто разными выборками из распределения связей и узлов или изменениями с течением времени в базовом распределении связей и узлов.
Разработка процессов управления сетями с течением времени
Разработка алгоритмов для изменения распределения связей в сетях с течением времени
Разработка алгоритмов для отслеживания групп в сетях с течением времени
Разработка инструментов для извлечения или обнаружения сетей из различных источников данных, таких как тексты.
Разработка статистически обоснованных измерений в сетях с течением времени
Проверка надежности сетевых показателей при различных типах отсутствующих данных
Эмпирические исследования многомодовых многозвенных многовременных сетей
Изучение сетей как вероятностных явлений, изменяющихся во времени
Прогнозирование изменений в существующих сетях
Определение путей во времени с учетом последовательности сетей
Определение изменений в критичности узлов с учетом последовательности сетей, а также всего остального, что связано с многорежимными многоканальными многопериодными сетями.
Изучение случайных блужданий по временным сетям [11]
Количественная оценка структурных свойств последовательностей контактов в динамических сетях, которые влияют на динамические процессы [12]
Оценка скрытой деятельности [13] и темных сетей [14]
Анализ цитирования [15]
Анализ социальных сетей [16]
Оценка систем общественного здравоохранения [17]
Анализ результатов безопасности в больнице [18]
Оценка структуры этнического насилия по данным новостей [19]
Оценка террористических групп [20]
Онлайн-социальный распад социальных взаимодействий [21]
^ Лоткер, З. (2021). Введение в развитие социальных сетей. В Анализе нарративов в социальных сетях (стр. 167-185). Springer, Cham.
^ Харрисон К. Уайт, 1992, Идентичность и контроль: структурная теория социального действия. Издательство Принстонского университета.
^ Пурнамрита Саркар и Эндрю В. Мур. 2005. Динамический анализ социальных сетей с использованием моделей скрытого пространства. SIGKDD Explor. Newsl. 7, 2 (декабрь 2005 г.), 31-40.
^ Кэтлин М. Карли, Майкл К. Мартин и Брайан Хиршман, 2009, «Этиология социальных изменений», Темы когнитивной науки, 1.4:621-650
^ Цао, Шаошэн; Лу, Вэй; Сюй, Цюнкай (2015-10-17). «GraRep: Изучение представлений графов с использованием глобальной структурной информации». Труды 24-й Международной конференции ACM по управлению информацией и знаниями . CIKM '15. Нью-Йорк, штат Нью-Йорк, США: Ассоциация вычислительной техники. стр. 891–900. doi :10.1145/2806416.2806512. ISBN 978-1-4503-3794-6. S2CID 17341970.
^ Дэвид Кракхардт и Кэтлин М. Карли, 1998, «Модель структуры PCANS в организации», В трудах Международного симпозиума по исследованиям и технологиям командования и управления 1998 года, Монтерей, Калифорния, июнь 1998 г., Исследования на основе фактических данных, Вена, Вирджиния, стр. 113-119.
^ Кэтлин М. Карли, 2002, «Умные агенты и организации будущего», Справочник новых медиа. Под редакцией Лии Ливроу и Сони Ливингстон (редакторы), Thousand Oaks, CA, Sage, гл. 12: 206-220.
^ Кэтлин М. Карли. 2014. «ORA: набор инструментов для динамического сетевого анализа и визуализации», в Энциклопедии анализа и добычи социальных сетей под ред. Реды Альхаджа и Джона Рокне, Springer.
^ Majdandzic, A.; et al. (2013). «Спонтанное восстановление в динамических сетях». Nature Physics . 10 : 34–38. doi : 10.1038/nphys2819 .
^ Мишель Старнини, Андреа Барончелли, Ален Барра, 2012, Случайные блуждания по временным сетям. Физ. Ред. E 85, 056115, http://link.aps.org/doi/10.1103/PhysRevE.85.056115.
^ Рене Пфицнер, Инго Шольтес, Антониос Гарас, Клаудио Хуан Тессоне, Франк Швейцер, 2012, «Предпочтение промежуточного состояния: количественная оценка корреляций в топологической динамике временных сетей», Physical Review Letters, том 110, 10 мая 2013 г.
^ Карли, Кэтлин М., Майкл К., Мартин и Джон П. Хэнкок, 2009, «Анализ динамических сетей, применяемый к экспериментам в среде исследований архитектур решений», Расширенные архитектуры решений для Warfighter: основы и технологии, гл. 4.
^ Эвертон, Шон, 2012, Разрушение темных сетей, Cambridge University Press, Нью-Йорк, штат Нью-Йорк
^ Кас, Мирей, Кэтлин М. Карли и Л. Ричард Карли, 2012, «Кто был, где и когда? Пространственно-временной анализ мобильности исследователей в ядерной науке», в трудах Международного семинара по интеграции и поиску пространственно-временных данных (STIR 2012), проведенного совместно с ICDE 2012, 1 апреля 2012 г., Вашингтон, округ Колумбия
^ Карли, Кэтлин М., Юрген Пфеффер, Хуан Лю , Фред Морстаттер, Ребекка Гулсби, 2013, Оценка социальных сетей в режиме, близком к реальному времени, с использованием геовременной сетевой аналитики, в трудах Международной конференции IEEE/ACM 2013 года по достижениям в области анализа и добычи социальных сетей (ASONAM), 25–28 августа 2013 г., Ниагарский водопад, Канада.
^ Меррилл, Жаклин, Марк Г. Орр, Кристи Й. Джеон, Розалинд В. Уилсон, Джонатан Сторрик и Кэтлин М. Карли, 2012, «Топология сетей консультаций местных должностных лиц здравоохранения: обратите внимание на пробелы», Журнал практики управления общественным здравоохранением, 18(6): 602–608
^ Эффкен, Джудит А., Шейла Гепхарт и Кэтлин М. Карли, 2013, «Использование ORA для оценки связи между передачей и результатами по качеству и безопасности», Компьютеры, информатика, сестринское дело. 31(1): 36-44.
^ Ван Холт, Трейси, Джеффри С. Джонсон, Джейми Бринкли, Кэтлин М. Карли и Джанна Касперсен, 2012, «Структура этнического насилия в Судане: автоматизированный контент, мета-сетевой и геопространственный аналитический подход», Computational and Mathematical Organization Theory, 18:340-355.
^ Кенни, Майкл Дж., Джон Хорган, Кейл Хорн, Питер Вининг, Кэтлин М. Карли, Майкл Бигригг, Миа Блум , Курт Брэддок, 2012, Организационная адаптация в сети активистов: социальные сети, лидерство и изменения в аль-Мухаджирун, Прикладная эргономика, 44(5):739-747.
^ М. Абуфуда, К. А. Цвейг. «Теоретическая модель для понимания динамики упадка социальных сетей в Интернете». Препринт arXiv arXiv:1610.01538.
^ Кристиан Бохове, 2016, «Изучение взаимодействия в классе с помощью динамического анализа социальных сетей», Международный журнал исследований и методов в образовании, doi : 10.1080/1743727X.2016.1192116.
Дальнейшее чтение
Кэтлин М. Карли, 2003, «Анализ динамических сетей» в книге «Моделирование и анализ динамических социальных сетей: резюме и доклады семинара», Рональд Брейгер, Кэтлин Карли и Филиппа Паттисон, (ред.) Комитет по человеческим факторам, Национальный исследовательский совет, Национальный исследовательский совет. С. 133–145, Вашингтон, округ Колумбия.
Кэтлин М. Карли, 2002, «Умные агенты и организации будущего» Справочник по новым медиа. Под редакцией Лии Ливроу и Сони Ливингстон, гл. 12, стр. 206–220, Thousand Oaks, CA, Sage.
Кэтлин М. Карли, Яна Диснер, Джеффри Реминга, Максим Цветоват, 2008, На пути к набору инструментов для динамического анализа сетей с возможностью взаимодействия, Специальный выпуск DSS по киберинфраструктуре для внутренней безопасности: достижения в области обмена информацией, интеллектуального анализа данных и систем совместной работы. Системы поддержки принятия решений 43(4):1324-1347 (статья 20 [ нерабочая ссылка ] )
Террилл Л. Франц, Кэтлин М. Карли. 2009, Toward A Confidence Estimate For The Most-Central-Actor Finding. Ежегодная конференция Академии управления, Чикаго, Иллинойс, США, 7–11 августа. (Награждена премией Sage Publications/RM Division Best Student Paper Award)
