2、复杂网络分析工具与实践

复杂网络分析工具与实践

1. 复杂网络概述

复杂网络具有非平凡的结构，它既不是网格、树或环，也并非完全随机。复杂网络在自然和人造世界中通过无全局控制的分散过程涌现。常见的形成机制包括优先连接和传递闭包。优先连接机制下，边更多的节点会获得更多边，在核心形成巨大的枢纽，周围是连接稀疏的外围；传递闭包则是若两个节点有共同邻居就会相互连接，导致网络邻域紧密相连。

常见的复杂网络类型如下表所示：
| 网络类型 | 代表示例 |
| — | — |
| 技术网络 | 通信系统、交通、互联网、电网、水管网 |
| 生物/生态网络 | 食物网、基因/蛋白质相互作用、神经系统、疾病传播 |
| 经济网络 | 金融交易、企业合作、国际贸易、市场篮分析 |
| 社交网络 | 家庭和朋友关系、电子邮件/SMS 交流、专业团体 |
| 文化网络 | 语言家族、语义网络、文学、艺术、历史、宗教网络 |

这些网络涉及人类生活的不同方面，由各种节点和边组成，具有一些共同属性和行为，如社区结构、优先连接演化和幂律度分布。

2. 复杂网络分析简介

复杂网络分析（CNA）是对复杂网络的结构、属性和动态进行研究的学科，它是社会网络分析（SNA）的扩展，涵盖了非社交网络。

SNA 自 19 世纪 90 年代后期就以“社会群体”的概念为人所知，20 世纪 30 年代开始系统探索。1934 年，J.L. Moreno 开发了社会关系图，成为复杂网络可视化的标准。1954 年，John Barnes 创造了“SNA”一词，随后数学方法迅速渗透到社会科学中，使 SNA 成为当代社会学的主要范式之一