复杂网络分析范文

导语：如何才能写好一篇复杂网络分析，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

[关键词] 企业营销 复杂网络 统计参数 决策研究

随着科学技术的进步和生产力的发展,政治、经济、社会环境发生了巨大变化,顾客的消费水平不断提高,使得企业间的竞争日益加剧。企业为了提高竞争力而采取了许多先进的制造技术和管理方法。营销管理日益受到企业的重视,企业在全球市场中不再作为单个实体而是作为营销链的一部分参与竞争,企业之间的竞争已经转化成为营销系统之间的竞争。营销系统是在竞争、合作、动态的环境中,由厂商、各级销售和客户等成员实体构成的快速响应环境变化的动态销售网络。在竞争、合作和动态多变的市场环境下,复杂营销网络中的每一个成员都有自身的经营策略,每个成员的目标都是通过不断提高自身对市场的适应能力从而提高其竞争力来获取利润。可见,营销系统是一种复杂的自组织、自适应性网络系统,因而用复杂网络的研究方法可以发现其它方法不易揭示的该类系统的有趣而且重要的性质,而这些宏观规律对系统的运作管理和科学决策具有重要的参考价值。

一、复杂网络的统计参数

复杂系统可以被理解为一个关系网络, 这个关系网络由一个个节点所组成, 这些节点之间依据一定的规则、相互关系而维系着系统整体的存在。在社会经济系统中作为复杂系统的网络无处不在, 如人与人之间的社会网络、资源共享网络、绿色经济网络、企业之间的产品生产和销售等方面的竞争网络、国家内外之间的贸易合作网络等等。复杂网络研究是从统计角度考察网络中大规模节点及其连接之间的性质, 这些性质的不同意味着不同的网络内部结构, 而网络内部结构的不同导致系统功能有所差异。在现实的社会经济系统中,我们将每一个企业主体看做是一个节点,而企业之间的博弈规则看做是连接节点的边,于是系统中存在的主体便构成了一个网络。

1.平均路径长度(Average path length)

网络的特征路径长度 是所有节点对之间的最短路径的平均值, 表示为

(1)

其中表示节点之间的最短路径值。

研究表明,尽管许多实际网络的节点数巨大,但网络的平均路径长度L相对于N来说却很小,这种现象称之为“小世界效应”。

2.聚类系数(Clustering coefficient)

节点的聚类度的所有邻居节点之间实际的连接数与理论存在的最大连接数之比, 表示为

(2)

其中为节点的度。平均聚类系数C定义为所有节点的聚类系数的平均值, 表示为

(3)

研究表明,在大多数情况下,复杂网络的集群系数都要比随机网络和规则网络的集群系数大得多。正如常言所说的“物以类聚,人以群分”所描述的那样,社会经济网络的一个典型的特征就是小集团集群的形态。

3.度及度分布(Degree and degree distribution)

图论中节点的度定义为与该节点连接的其它节点的数目,通常用分布函数 来描述网络中节点的度分布情况, 表示一个随机选定节点的度恰好为 的概率。节点度的分布特征是网络的重要几何性质,规则网络中各节点的度值相同,符合Delta 分布,随机网络的度分布可近似为Poisson 分布,大量的实际网络存在幂律形式的度分布,称为无标度网络。无标度网络是节点与节点之间的连接分布遵循幂律分布的网络,即节点度分布服从幂律分布。在这种网络中,大部分节点只有少数连接,而某些少数节点则拥有与其他节点的大量连接,即存在一些关键的中枢节点。这种网络对于随机性错误具有较强的鲁棒性,对于人们的蓄意攻击或破坏却具有较强的脆弱性,疾病在这种网络上极易传播。

二、企业营销网络分析

企业的产品营销系统是由厂商、各级销售和客户共同构成。现实中的企业营销系统通常由于销售(制造商、商和批发商)的分布范围的不同以及它们之间存在着各种各样的联系, 往往形成一个庞大的复杂网状结构。企业产品的营销过程, 也可以看成是厂商生产出来的产品通过各级销售, 最后扩散到用户中的扩散过程, 或者说是企业产品从厂商到销售, 最后到用户的传播过程。所以厂商、各级销售和用户就构成了企业产品在营销网络中的节点,节点之间的营销关系构成了网络中的边。

三、模型的建立

分析了企业营销网络中企业之间的营销关系,提出了一种新的演化模型来模拟其网络的演化过程,该模型的基本思想源于局域世界演化模型,演化过程中考虑两种基本因素:增长和局域世界优先连接。

1.增长模型

考虑到企业营销网络的演化特点,新模型的初始条件与其他模型有些区别,它起始于个节点,条边,节点之间两两相连, ,第一次新增节点具有m条边,并且这m条边分别和每个已有节点相连。这样,在之后的每一个时刻便会添加一个新的节点,而该新节点边的条数m是从以概率选取,这里是选取边数为的概率。那么在时刻之后,该网络便有个节点,条边的网络。

2.优先连接模型

在该模型中,网络中原有的节点连接新的节点的概率与以下两个因素有关系:

(1) 与节点的度有关系,这种关系是正比关系。

(2) 与节点的局域世界也有关系,节点优先连接机制不是对整个网络,而是在每个节点各自的局域世界中有效。随机地从网络已有的节点中选取m个节点,作为新加入节点的局域世界。新加入的节点根据优先连接概率来选择与局域世界中的m个节点相连。

四、仿真分析

1.仿真设计

为了验证统计企业营销网络的统计特性,以青海省城乡私营企业所构成的批发和零售业企业营销网络为例,基于上述网络模型构造算法的描述,利用VB语言编程实现模型的构建,构建出的模型如图1所示。实现时根据网络演化模型的构造算法,初始时先确定节点的总数,然后根据构造算法得到相应网络模型的邻接矩阵,最后再依据邻接矩阵计算网络的度分布、平均最短路径和平均聚集系数。

2.数据分析

以大圆点代表批发商,小圆点代表销售商, 边代表它们之间所存在的营销关系,不同的节点代表不同的企业。 通过直观的观察可以了解到,在企业营销复杂网络中批发商和销售商的营销关系比较密切, 相对来说批发商或销售商之间的营销关系却较为缺乏。也可以看到节点之间的距离很小,是一个典型的小世界网络。各成员企业间的联系的分布是不均匀的,这主要是由于成员的地位不同造成的。与核心企业的联系密集,节点度就大;而与小的非核心企业联系稀疏,节点度就小,即存在优先连接,新加入该系统的企业会优先选择与那些在社会中影响力较大、实力雄厚的企业进行合作,表现在网络中就是首先选择与度比较大的节点进行连边。

下面的仿真图只是仿真过程中的部分结果。从仿真结果可知,网络的平均路径较小,随着网络节点数的增加呈现上升的趋势,但增加的速度较为缓慢,以网络节点数 的对数成正比。如图2所示。网络的平均聚集系数较高,随着网络节点数的增加呈现下降的趋势,但不会随着网络节点数的无限增大而趋于0,表明此网络具有小世界网络的特点,如图3所示。网络的度分布服从幂律分布,在网络中拥有少量度很大的节点,而大部分节点的却为2,相对来说,这些节点的度很小,满足无标度网络的第一个重要特性。

3.复杂网络统计特性对企业营销工作的指导意义

复杂网络的最终目的是通过对现实网络模拟,仿真得到相关数据,通过对数据的分析,更加科学合理的预测和控制相应的网络行为。本文中生成的网络模型较为真实的反应了现实网络的特性,因此在该网络模型中得到的统计参数也能反应现实网络的实际意义。

(1) 复杂系统理论中复杂网络具有自组织现象, 通过合理的运作, 企业可以扩大网络中已有节点之间的营销合作,即网络内部的演化。例如,生产商企业可以对其网络中某些中枢节点的商赋予一定权限, 使其进行低成本销售策略, 从而增加网络内部与其它节点连接比较少的节点与这些中枢节点的连接,从而使得营销网络内部边的线性增长。

(2)生产厂商或产品销售企业可以使用比竞争对手更具诱惑力的销售方式,一方面,稳定营销网络中已存在的合作节点, 增强节点构成者的满意度, 从而达到增强营销网络鲁棒性的目的;另一方面,吸引更多的新企业加入到网络中,使网络规模不断增加。

(3) 市场销售对于企业而言具有信息反馈的作用,企业应重视营销过程中所得到的反馈信息, 一方面研发能够不断满足客户需要的新产品,另一方面对现有的产品和服务进行改进, 提高客户的满意度, 从而阻止竞争对手对合作客户的争夺,防止企业的退出。

(4) 企业要想在激烈的市场竞争中长盛不衰,必须要有不断的创新(制度创新和技术创新)。创新将打破原有生产销售合作网络中的均衡。创新与竞争可能会导致网络中的某些企业破产,这些企业破产会不会导致网络的剧烈变动甚至整个结构的变更实际上依赖于这些企业在网络中的重要程度,政府应对这种核心企业采取适当的政策加以保护。

五、结束语

本文以企业营销网络为例,模拟构建了网络模型,通过对该模型的统计参数的理论描述和计算机仿真,初步探讨了统计参数对企业营销网络的指导意义。在进行仿真分析过程中也发现,由新模型所生成网络的平均最短路径和企业营销网络的真实数据还是有些差别,在上面所示的仿真结果中,平均最短路径要比真实数据大。当调整模型中的参数时,虽然能够使得平均路径趋于真实数据,但是此时,其它部分却又与实际的数据有些差别。因此,我们需要继续研究其中的原因,来改进新模型,使其更加适合企业营销工作网络的演化方式。

参考文献:

[1]侯明扬:复杂网络理论在企业营销中的应用研究[J]. 华东经济管理, 2008 (2) :1322134

[2]刘宏鲲 周涛:中国城市航空网络的实证研究与分析[J]. 物理学报,2007 (1) :1062113

[3] Watts D J, Strogatz S H. Collective dynamics of‘small-world’networks[ J ]. Nature, 1998,393 (4) : 440 - 442

[4] Dorogovtsev S N and Mendes J F F. Evolution of Networks [EB/OL].[2007-10-27].省略- /abs/cond-mat /0106144v2

篇2

关键词：网络化软件 网络特性 网络结构

中图分类号：TP311.52 文献标识码：A 文章编号：1007-9416（2015）04-0220-01

网络化软件的媒介是互联网，运行元素是网络信息和资源，软件的功能就是通过元素之间的操作和协作实现的，从而建立一个多软件混合系统。现阶段，网络技术和软件技术，不断完善，应用面也越来越广，人们提高了软件服务的要求。在这个影响下，软件系统更加复杂，规模也有所扩大。现对网络化软件的复杂网络特性进行分析，并总结如下。

1 网络化软件的意义和特点

科技的发展，促使计算机得到了更好的应用，并在社会的各个领域中，具有比较重要的作用。在网络化软件中应用中，相关人员应了解其重点内容，例如人们对网络话软件的要求不断增加，软件的应用深度和广度不断增加[1]。网络化软件属于互联网中的一部分，主要是应用网络信息和资源，通过这些基本元素，促使该复杂的软件系统能够顺利操作。

网络化软件能够作为计算机一种面向服务的应用形式，主要的操作方式，是元素之间的相互作用，通过这种方式为人们提供能需要的服务。网络化软件能够根据人们不同的需求，及时改变，更好的实现动态化管理和服务。在应用网络化软件的过程中，应始终坚持以人为本，为人们提供更好的软件服务，促进经济水平的提升。

2 网络化软件的复杂网络特性分析

现阶段，计算机和网络都得到较好的发展，不断完善了PC软件的形态，并在发展中，逐渐融合优秀的内容。网络化软件突出了网络基础设施在系统中的地位，从而反映出系统元素的重要作用，更好的为客户服务，现对网络化软件的复杂性进行全面且综合性的分析。

2.1 基础设施

2.1.1 Internet

Internet拓扑建模这项工作比较复杂，相关人员应在分析中，掌握其包含的规律。从而更加全面的认识Internet，这种方法能够为软件的设计和实现，奠定有利的基础[2]。Internet拓扑建模，能够更好的解释网络的复杂性，计算机网络不断创新，相关人员需要大量的数据，对网络度量指标和软件内部的相关性进行分析，从而使这个软件的功能得到更好的发挥，增加Internet的可靠性，提升Internet的应用效果。

2.1.2 WWW

WWW 是人们获取信息和共享信息的途径，在WWW的应用中，链接结构具有重要的作用。现阶段，我国WWW的应用规模不断扩展，并迅速发展，在网络软件的应用中，是一个非常重要的载体。从微观角度进行分析，相关人员可以利用量化指标和复杂的网络特性分析，对搜索功能、社会发现工具及评价内容进行不断完善，所以WWW具有重要作用。如果从宏观角度进行分析，应综合多种应用工具和系统进行考虑，利用WWW的信息潜能。

2.2 应用服务

2.2.1 web 服务

Web服务主要是根据Web自身的环境实现的，在这个过程中，可以对环境和模块化的应用程序进行完善，Web是一种非常重要的信息资源。相关人员应明确Web是通过Internet 进行和访问的，所以在这个过程中，要采取合理的技术，对Web服务进行审视，延伸软件技术，更好的解决功能的封装、消息的传送以及动态的绑定工作。相关人员还应了解到Internet 可用公共 web 信息资源与服务有一定局限性，这种情况导致信息和数据的收集和整理工作的难度有所加大。所以研究人员应根据Web和Internet 的特点，深入对数据和Web服务的开发与研究工作。

2.2.2 面向对象软件

软件属于一种人工智能化系统，具有拓扑结构和功能性指标，相关人员应对这些功能性指标进行科学且合理的分析，合理且有效的描述来软件的结构情况，并对软件结构进行量化分析。通过这种方式实现软件结构的完善，软件结构表示一种互连内容的复杂网络拓扑形态，相关人员可以通过网络，分析软件结构信息，更好的理解软件的本质，从而软件的复杂特性和量化奠定良好的基础。

2.2.3 语义 web 服务

Web是一种技术，主要以服务核心，如果这个内容缺乏对服务的约束，很可能导致相反的效果。相关人员应支持语义的属性描述，发现Web服务存在的问题，合理解决，从而保证机器处理的精确性，避免不合理的方式，给实用化进程造成影响[3]。相关人员应从语义层，描述Web服务能力和属性，从而更好的描述软件功能，提高Web的服务选取效率和软件分析的针对性和准确性，为自动发现服务和选择服务，提高较好的理论基础。

在社会主义现代化基础建设及信息化时代不断进步的背景下，相关人员应了解软件技术的重要作用，确保软件能够在服务中坚持以人为本和认真严谨的原则，从而更好的社会的生产生活服务。网络化软件在应用中，具有个性化和多元化的特点，该软件还能够提供生产指导和服务构造说明。 在科技发展和互联网发展的影响喜爱，网络化软件及资源，受到人们的广泛关注，所以不断对虚拟化服务器进行创新，实现整个工作的关键性内容。

3 结语

通过上文对网络话软件的复杂网络特性分析，我国软件技术发展速度较快，相关单位一直致力于开发质量高、安全性强的产品和服务，从而在社会的各个领域中得到较好的应用。网络技术的不断发展，网络话软件的构成越来越复杂，相关人员应不断改善网络软件系统，更好保证其作用。网络发展规模和复杂堵不断增加，为网络化软件系统带来了新的挑战，所以相关人员应从网络化、服务化、社会化的角度，对网络话软件的复杂网络特征进行全面且深入的研究，通过实证分析，了解网络化软件的设施需求，满足其应用服务方面及其他方面的要求，为我国软件工程的迅速发展奠定良好的基础。

参考文献

[1]马于涛，何克清，李兵，刘婧.网络化软件的复杂网络特性实证[J].软件学报，2011（03）：179-180.

篇3

（安徽财经大学，安徽蚌埠233000）

［摘要］传统股票板块的划分缺乏精确的逻辑推理和数理分析。本文基于复杂网络和社团理论，通过构建数量模型，选取时间序列数据对股票与股票之间的相关性进行分析，依据相关性大小对股票进行板块的划分，并依据划分结果，为投资者提供政策建议和技术支持。

［

关键词 ］股票；相关性；复杂网络；GN算法

［DOI］10.13939/j.cnki.zgsc.2015.22.042

1引言

股票间的相关性对于风险管理、投资决策具有重要影响。对于股票相关性的研究，现代金融理论主要基于经济基本面进行解释，即认为相关性来源于影响资产现金流和影响资产折现率的基本面因素。已有研究表明，股票间相关程度远超出了经济基本面因素的影响，股票市场作为复杂系统日益受到人们的关注。近年来，经济、数学、社会等领域的学者都开始用复杂网络及其相关概念来研究股票市场，进而研究股票间相关性。

2股票间的相关性

研究股票间的相关性对股民来说至关重要。现随机选取沪市A股、沪市B股、深市A股、深市B股、创业板这五类市场中各20只股票在2013年1月1日至2013年8月31日的周开盘价、收盘价和周个股回报率作为量化指标，进行相关性分析。

2.1单个指标的相关系数

选取周开盘价，周收盘价与考虑现金红利再投资的周个股回报率，并用k=1，2，3表示。

Ai（k）表示股票代码为i，指标为k的时间序列矩阵

设随机变量Ai（k）与Aj（k），则协方差为：

Cov（Ai（k），Aj（k））=E（Ai（k）-EAi（k））E（Aj（k）-EAj（k））

相关系数为：

2.2指标权重的设立——变异系数法

2.3综合指标的相关系数

设运用股票i与股票j之间的综合相关系数值为

2.4模型的求解

对原题附件中数据进行处理，依据五类不同的股票市场，依次随机选取20只股票在2013年1月至2013年9月共36周内的周开盘价、收盘价和考虑现金红利再投资的周个股回报率数据。基于模型Ⅱ，运用Matlab编程求解，见表1。

3股票板块的划分

股票板块的划分存在很多依据，常见的有按地域、按行业、按概念等，但这些都是从定性的角度去考察股票与股票内在联系，而通过相关性构建的股票网络，能依据股票与股票间时间序列数据的相关性，从定量角度去划分股票板块。这样的量化处理使得板块内部的波动性更加一致，更利于我们的投资决策。

3.1股票相关性网络模型

①相关系数构成。网络的节点代表股票，边代表股票之间的相关性。任意两只股票i和j的综合相关系数为：

其中i和j代表股票代码，ρij的取值范围为-1，1。若ρij=-1，则表示两只股票完全负先关；若ρij=1，则表示两只股票完全正相关。

②阈值的设定。股票代表网络中的点，如果相关系数ρij≥θ（θ∈-1，1），就认为节点i和j之间有连边，这里的θ即阈值点。通过计算对比得知，当θ=0.05时其到达最佳阈值，股票网络的拓扑性质最稳定，更有利于对股票网络的研究。

③社团结构的构建。由模块度评价函数来衡量社团结构划分好坏，将其推广至加权的模块度评价函数Q定义为：

3.2股票板块划分

（1）基本分块情况。依据社团结构理论，结合GN算法和NetDrew绘图软件见图1。

由图1可知，图像在经过重新排列后，明显呈现出四个板块，说明在这四大板块中，板块内的股票在长期的波动趋势与波动幅度具有较高的一致性。图1的股票来源为沪市A股、沪市B股、深市A股、深市B股、创业板这五类市场中各随机选取的20只股票共100只股票，范围覆盖了中国内地全部股票市场，具有较高的准确性。

（2）找寻关键节点。为了更方便寻找最关键节点，运用Ucinet软件对图形进行处理如图2所示。

每个模块的内部相关性程度很高，那么选取每个模块中最重要节点，用它的性质来近似描述该模块的整体性质。通过软件处理后，使得节点的重要程度与图形的大小成反比，这样更易比较，也更易选出最关键的节点。

依据此，分别取900930（沪普天B）、300120（华测检测）、900951（*ST大化B）002630（华西能源）这四只股票代表图2正上方，左方，正下方，右方区域。

（3）关键节点股票单个股分析。图2区域正上方的板块选取股票900930（沪普天B），观察其2013年1月至9月的周开盘价走势，其一直处在0.6元上下波动，说明其已为成熟期股票，特点为股价稳定，波动幅度小，发展前景较弱。依据此，对图2正上方区域股票归类为成熟板块股票。

图2区域左方的板块选取股票300012（华测检测），观测其走势，其2013年1月至9月的周开盘价曲线，其上涨幅度较快，在第17周的骤降是因为上市公司因为股价

过高或想要再融资，进行增资扩股的情况而非下跌。在短短的几个月内，其股价从第18周的10元附近上涨到15元附近，是一只处于上升期的股票，说明其为成长期的股票，特点为股价不稳定，波动幅度大，发展前景较强。依据此，对图2正上方区域股票归类为成长板块股票。

图2区域正下方的板块选取股票900951（*ST大化B），观测其2013年1月至9月的周开盘价曲走势，其波动幅度一般，股票价格持续低位，在第一周到第八周小幅上涨后，连续几十周的持续下跌，且通过查询股票代码发现其中文名称前标记着*ST，意味着此股票有即将下市的风险，警告投资者谨慎投资。所以这是一直处于衰落期的股票，特征为股票价格低，下跌趋势强，波动程度较大。依据此，对图2正下方区域股票归类为衰落板块股票。

图2区域右方的板块选取股票002630（华西能源），观测其2013年1月至9月的周开盘价曲线走势，其整体趋势是上升的，但上升的比例较小，而且不断波动，在一个个涨跌幅中前进，明显是一只处于萌芽期的股票，其特点为股价不稳定，波动幅度大，处于大幅度震荡上涨的趋势。依据此，对图2右方区域股票归类为萌芽板块股票。

4结论分析与投资建议

现实中的板块划分主要分为两类，一类是地域板块，按照上市公司的所在地划分股票；一类是概念板块，如金融与银行业、化工业等；同时也会有依据股票的表现划分为蓝筹股、垃圾股等。而上述划分是依据时间序列数据的相关性程度划分的，与现实的板块划分有相同也有不同的地方。

相同点：与主流的两类划分的依据相同，其划分主要依据都是因为这类股票有着很强的相关性，在整体系统性风险一定的情况下，局部的系统性风险类似，如银行与金融板块，当央行上调法定存款准备金率时，其板块的股票整体呈下降趋势。

不同点：本文的股票网络模型比较接近与现实生活中的依据股票表现划分的类型，但这不是主流的划分，与按照概念划分和地域划分的板块在度量相关性的指标上有一定的差距。

一是多样化选股。投资股票种类多样化，板块多样化根据社团结构的股票网络图知，当购买股票时，切勿全部购买相同板块的股票，要综合考虑，分散风险。相同板块的股票相关程度高，波动的趋势相同，从一方面来看，若全部购买同一类型股票，将会使板块的非系统性无法避免，提高投资的风险率；从另一方面来看，虽然同一板块股票上涨具有传递效应，但其效应大小远远小于下跌时的连带效应，及时此板块的某些股票暴涨也不一定能带动整个板块所有股票上涨。所以，即使是风险偏好者也应慎重考虑。

二是综合投资与投机，确保利益最大化。作为投资者，在股票市场的最终目的是利益最大化。那么在选股时，不仅要考虑短线低买高卖的投机操作，也要有长期持仓的投资计划。对于投机类股票，结合板块分析可知，应选取处于萌芽期或成长期的股票，这些股票的波动性大，只要能把握好趋势，在短线操作的收益率较高。对于那些风险偏好更高的投资者来说，可以考虑处于衰落期的股票。这类股票，一旦有公司借壳上市，其市值会翻倍的增长；对于投资类股票，可以选取成熟类板块的股票，这类股票波动程度小，股盘大，价格相对稳定，每年会有固定的分红股利，这类股票适合长线持有。

三是选股重看基本面。股票的基本面的好坏是一只股票有没有操盘意义的前提，一般的我们通过分析其每股净收益，单日成交量等基本财务指标来判断其基本面情况。如果一只股票的基本面不好，再多的技术分析也只是空中楼阁。所以对于选股来说，先看基本面，再看技术指标。

四是把握宏观经济基本面，紧跟时事动态。在尚不完善的中国股票市场，投机和跟风是市场普遍的特点。拥有敏锐的宏观经济嗅觉，能够更好地提高投资者对所持股票的掌控度，更有利于投资者资本收益最大化的实现。

引用一句股票市场最流行的一句话，股市有风险，入市需谨慎，在进行投资决策前，一定要量力而行，切忌盲目盲从，要理性判断，做出最优的理财规划，让你和你爱的人过上更加幸福美好的生活。

参考文献：

［1］ 康桥，田新民.沪市主板与深市创业板相关性研究及实证分析［J］.中国市场，2014（36）.

［2］ 潘令希.关于IPO发售机制的探析［J］.中国市场，2014（43）.

篇4

关键词：复杂供应链网络 级联效应 最大连通子图

引言

供应链是围绕核心企业将供应商、制造商、分销商、零售商、直到最终用户连成一个整体的网链结构。随着全球经济一体化与信息技术的进步，供应链的形态变得越来越复杂，由链条式结构向网络化结构演变。已有文献对供应链的研究主要是针对“单链式”供应链，而关于供应链的“网络性”研究相对较少。“网络性”供应链一般是围绕一个核心企业展开的，因与核心企业合作的上下游企业为多个，且在其两边呈扇形网络状，因此称之为“网络”。随着供应链中各个供应商之间的关系日益复杂，供应链形态逐渐由链条型演变为网络型，进而形成复杂的供应链网络结构（张昕瑞、王恒山，2009）。本文所研究的复杂供应链网络是指，由多个“以某核心企业为中心形成的单个供应链网络”所组成的复杂供应链网络，即不仅在这些核心企业周围形成上下游企业网络，而且不同的单个供应链网络之间存在各种联系。

复杂网络中的一些节点或边由于受不确定因素的影响，这些节点或边不能再发挥应有的功能，由此整个网络中的“流”就会在其他节点或边上重新分布，从而造成新的节点或边上的“流”负载过大而崩溃，节点或边的崩溃就会沿供应链链路在整个网络上传播开来，造成对供应链网络功能的严重影响（Hills A，2005）。复杂的供应链网络中供应商的失效是一个很典型的级联效应现象，因此，确定复杂供应链网络中的重要节点，加强对重要节点的管理和保护，对供应链网络的安全运行具有重要作用。

供应链网络节点重要性评价方法，国内外已有一些研究成果。Shooman H，Padhraic S.（2002）计算了单供应链网络在个别边失效后网络的连接概率。Church R，Scaparra M.（2005）建立了供应链网络防御模型，能识别网络中的重要节点并对该节点进行防御。朱冰心、胡一 （2007）提出使用节点删除前后网络效率值的变化来识别关键节点。韩梅琳、樊瑞满（2007）提出了供应链应对突发事件的处理机制。以上研究多集中在对单供应链网络节点重要性评价的研究，涉及复杂供应链网络节点重要评价的文献很少。

复杂供应链网络节点重要性评价

（一）考虑级联效应的动态评价

网络效率可以用来计算节点的重要性值。具体表示如下：

Ik=1-Ek/E0 （1）

式中Ik为节点重要性值；E0为网络正常运转时的网络效率；Ek为级联效应结束后网络效率。本文对Ik进行标准化即得到各节点的权重。

通过评价网络的效率，可以通过改善网络的构造从而优化网络的效率，使网络具备更强的抵御突发事件的能力。Latora S，Marchiori A（2001）提出了网络效率的定义，建立了一个网络模型G=（V，E），其中V是点集合，E是边集合。假设节点i与节点j的连通效率eij与最短路径dij成反比，即eij=1/dij，对任意的i、j，若它们之间无连通，则dij趋于正无穷大，而eij趋于0。具体公式如下：

（2）

式中E（G）为网络效率，N为网络中节点数目。

1.正常运行。供应链网络正常运行时效率用E0表示，采用式（2）计算网络效率。此时，N表示网络正常运行时所有节点的数目，dij为网络中所有任意节点对之间的距离。本文使用最短路径的程序来计算dij。

2.级联失效。级联失效后供应链网络效率用Ek表示，它是第k个节点引起级联效应结束后网络的效率，同样可以采用式（2）计算。此时，N表示网络中剩余节点的数目，而dij是剩余节点中任意节点对之间的最短距离。为了得到N和Ek，需要对级联效应的过程进行仿真，仿真中需引入两项指标，即节点负载和节点能力。

节点负载是指供应链网络中不相邻节点j和k之间的通信主要依赖于连接节点j和k的路径所经过的节点，如果某个节点被其他许多路径经过，则表示该节点在网络中的负载量很大。定量地描述某个节点在网络中的负载可以使用介数，它是指最短路径经过某个节点的次数，可表示为：

（3）

式中σst表示节点s和t之间最短路径的总数；σst（v）表示节点s和t之间最短路径经过节点v的数量。节点v和s或t不重复，网络边缘节点的介数为0；介数为0并不意味着负载为0，只表示此类节点不是网络中的重要节点。

节点能力是指该节点能处理的最大负载量，在供应链网络中，节点能力受成本限制，假设节点k的能力和它的初始负载Lk（0）成正比，可以表示为：

Ck=Lk（0）（1+α） （4）

式中α为容忍参数，α≥0。根据实际情况，本文取α=0.3。

（二）级联效应的破坏程度

一个网络总是存在一个最大连通子图（Bao Z，Cao Y.，2008），最大连通子图内所包含的节点比网络其他子图所包含的节点都要多，并且任意2个节点之间都存在通路。级联失效的破坏程度由失效后网络的最大连通子图的规模G来衡量，可表示为：

G=N`/N （5）

式中N和N`是网络失效前后最大连通子图的节点数。当G≈1时网络趋近于完整网络，G≈0时网络几乎全部崩溃。

复杂供应链网络节点重要性评价方法的应用

本文以汇源集团供应链网络为例来说明该方法的原理。汇源的原材料来源主要有：一部分来自大型供应基地农场，另一部分来自散户果农。一般情况下，供应基地和散户的原材料经过收购站集中初加工，经测检合格后，送到加工厂进行杀菌和加工，制成各种不同的果汁饮料，通过配送中心，送至各大经销商和超市，直至最终消费者，因此本文基于复杂网络理论得到汇源供应链网络拓扑结构。

（一）供应链网络结构

汇源集团供应链网络结构包括6层主要链接，从上游到下游依次为：农场（1，2，3节点），收购站（4，5，6节点），加工厂（7，8，9节点），配送中心（10，11，12节点），零售商（13，14，15节点）和消费者（16节点）。原料从农场出发，依次经过各层级，最终到达消费者。本文以汇源集团供应链网络来说明考虑级联效应的供应链网络节点重要性评价方法的应用。

（二）数据结果分析

单个节点4～14的失效均能引起供应链网络的级联效应，具体过程如表1所示。由于引起级联效应的节点均能引起该节点所在层的全部断裂。本文只从引发级联效应规模的大小，即Ik值来评价节点的重要性。由表1可知，节点4中Ik=1，为最重要节点，即该点失效会引起整个网络的崩溃。排名居2、3位的是节点10和9。它们的失效会引起相应5个节点的失效，Ik分别为0.786和0.733。节点1、2、3、11和15的失效不能引起级联效应，它们的重要性也相对较弱。

最大连通子图是衡量网络受破坏程度的物理量，它的大小和网络遭受的攻击方式有关。本文采取两种攻击方式：攻击度数最高的点；攻击负载最大的点。通过计算可得，网络中各点的度数和负载如表2所示。

由表2可知，节点5和8分别是度数与负载最高的点。对这两点分别进行攻击，计算容忍系数α为0～1.0时，两种攻击方式的级联失效过程，网络剩余节点数和最大连通子图的规模结果如表3所示。由表3可知，第1种攻击方式（攻击度数最高点）在α∈（0，0.9）的情况下都会引起级联效应，即节点5失效从而导致节点4、6失效。第2种攻击方式（攻击负载量最大点）在α∈（0，0.2）的情况下，也会引起级联效应，即节点8失效导致节点4、7、9、10的失效。该表同时反映出，采用第2种攻击方式时，剩余网络最大连通子图的节点相对较少，规模相对较小，说明第2种攻击方式同第1种相比对网络的破坏性更大。通常情况下攻击负载大的点要比攻击度数高的点破坏性更大。

结论

本文提出了一种复杂供应链网络节点重要性评价方法，可以在设计和运营策略上考虑失效事件的存在，通过对供应链关键节点实施事前保护，使供应链网络在失效事件发生后能够保持正常运作。与事后针对失效事件改变运作计划相比，通过节点重要性评估，识别出重要节点，加强对其管理与保护，有助于提高供应链网络的弹性和安全性。考虑供应链网络权重进行重要节点的评价将是今后更进一步研究的方向。

参考文献：

1.张昕瑞，王恒山.供应链网络的价值增值博弈决策研究[J].商业经济与管理，2009，213（7）

2.Hills A.Insidious environments： Creeping dependencies and urban vulnerabilities [J].Journal of Contingencies and Crisis Management，2005，13（1）

3.Shooman H， Padhraic S. Algorithms for estimating relative importance in networks [J]. Information and Computer Science，2002，45（7）

4.Church R，Scaparra M. Protecting critical assets： Astochastic model for risk management in global supply chain networks[J]. Eur J Oper Res， 2005，69（3）

5.朱冰心，胡一.基于复杂网络理论的供应链应急管理研究[J].物流技术，2007，26（11）

6.韩梅琳，樊瑞满.供应链突发事件应急协调机制研究[J].统计与决策，2007，20（3）

篇5

关键词：语义网络；语义空间；小世界；无标度

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2014）32-7703-07

复杂网络研究方法的出现使对语言网络进行大规模实证性研究成为可能[1]。语义研究是当前研究的热点，如何借助复杂网络方法研究语言的语义特性是一个十分关键的问题。唐璐、张永光等[2]在两个大型词典HowNet和WordNet基础上，利用词典信息构建了两个语义网络。刘海涛[3]通过人工语义标注的语料，构建了一个小型的语义网络，借此探究语义网络的复杂特性。Steyvers 和Tnenenbaum[4]利用WordNet、罗杰分类词典等资源分别构建了大规模英语语义网络，并对其进行复杂统计分析。但现有的工作依赖手工标注或者完全借助词典（如WordNet）的方法来构建语义网络，这些方法数据规模小，移植拓展性差，无法很好的说明问题。而分布语义是语义表示的重要方法，由大规模语料所构建的语义空间里已经包含了可以计算的语义信息。其优势是不需要依赖人工标注，可以从语料中获得大量语义表示。如果能从大规模分布语义空间中自动构建语义网络并应用复杂网络方法加以探究，则将能很好地推动语义网络复杂特性方面的研究。该文将开展这方面的工作。该文主要关注中文的情况，但相关的方法也可以扩展到其他语言。

Harris提出语言学的分布假设[8]：两个词之间的相似度可由它们共现词的分布相似度近似，换而言之，即具有相似上下文的词具有相似语义。这里，我们对基于分布假设理论计算的相似度给出定义，称为分布语义相似度：

定义1.1 分布语义相似度，指在分布假设理论下，通过借助上下文共现分布的相似性对两个词相似性进行的度量。

从上文可知，分布语义相似度的计算是根据两个词语出现的上下文重叠程度计算它们之间的相似度，换而言之，上下文背景越相似，词的相似度就越大。目前对分布语义的表示、比较，采用的是基于向量空间模型的语义空间的方法[9]。由于语义空间内蕴含着丰富的语义信息，因此在语义空间的基础上构建语义网络是具有理论依据且十分有意义的。

2 语义网络构建算法

2.2 节点拓展

利用语义空间自带的丰富的语义信息可以计算两个词之间的分布语义相似度，将相似度高于一定阈值的两个词连边，认为二者具有语义关系，从而将语义空间拓展成对应的语义网络。

对每一个当前进行拓展的新节点（拓展词）分配集合NewSet保存该节点拓展信息，集合OldSet保存已拓展词的历史信息。考虑到复杂度以及作为基元（维度）的词的丰富语义信息，该文采用贪心思想进行节点的拓展来生成语义网络，即假定词w1的语义向量对应某基元的值大于某个阈值e，则认为词w1与该基元存在语义关系，则将二者相连，并将拓展到的节点（基元）加入集合NewSet。在此假定下，继续按相同方法拓展基元直至无可再拓展基元，则认为该词w1拓展结束。为防止出现不连通图，即若出现NewSet和OldSet两集合不相交的情况，则以概率1/size（OldSet）将两个集合进行连边，否则计算拓展词与OldSet里非基元词的相似度进行连边。最后将NewSet并入OldSet中。

按本节所提算法对语义空间进行边的拓展生成语义网络，但发现其与人工标注生成的语义网络结构存在较大的差异，主要原因是由于语义分布相似度描述的特性混合了相似性与相关性，因此产生了多余的、与语义分析相违背的连边，故需要对所生成的初始语义网络里不合理的边进行过滤，以生成更接近人工生成的语义网络。

2.3 过滤不合理的连接

本节首先对相似性和相关性给出定义及其度量方法，再据此提出2条启发式的过滤规则，实现对语义网络里不合理的连接进行过滤。

4 总结及展望

语义网络介于句法网络和概念网络之间，是人类知识的高级表示。而当前对语义网络的研究仅有人工手动生成与使用义类词典资源两种方式，对进行大规模语义网络研究有很大的局限性。由于语义空间内蕴含着大量准确而丰富的语义信息，因此本文提出了基于语义空间和义类词典资源结合的语义网络生成算法，能够对大规模语料进行语义网络复杂特性的探究，网络节点更加丰富，更能体现语言在真实文本中的动态特性。实验结果发现：基于语义空间生成的语义网络符合小世界和无标度特性；当语义网络节点到达一定规模时，语义网络的某些统计特性可能会趋于一致；一定规模下，不同方式生成的语义空间对最终生成的语义网络的某些统计特性不会造成重大的影响。未来的工作主要有：分布语义受训练文本的影响较大，也仅能表现出现在文本内的语义，因此在一个更大规模语料上进行本文的研究是必要的；当前对语言网络的研究还多局限于总体宏观统计特性，在未来的研究工作中应该关注于复杂网络局部所表现出的特性，比如社区发现等。

参考文献：

[1] 刘海涛.语言网络：隐喻，还是利器？ [J].浙江大学学报：人文社会科学版，2011，41（2）：169-180.

[2] Tang L， Zhang Y G， Fu X. Structures of semantic networks： How do we learn semantic knowledge[J]. Journal of Southeast University （English Edition）， 2006， 22（3）：413-417.

[3] 刘海涛.汉语语义网络的统计特性[J].科学通报，2009，54（16）：2781-1785.

[4] Steyvers M， Tenenbaum J B. The large-scale structure of semantic networks： statistical analyses and a model of semantic growth[J]. Cognitive Science： A Multidisciplinary Journal， 2005，29（1）： 41-78.

[5] 汪小帆，李翔，陈关荣.复杂网络理论及其应用[M].北京：清华大学出版社，2006.

[6] Watts D J， Strogatz S H. Collective dynamics of ‘small-world’ network[J].Nature，1998， 393（6648）：440-442.

[7] Barab A L， Albert R. Emergence of scaling in random networks[J].Science， 1999，286（5439）：509-512.

[8] Harris Z S. Distributional structure[M]. Springer Netherlands， 1970.

[9] Jurgens D， Stevens K. The S-Space package： An open source package for word space models[C]//Proceedings of the ACL 2010 System Demonstrations. Association for Computational Linguistics， 2010： 30―35.

[10] Burgess C， Cottrell G. Symposium at the cognitive science society conference ： using high - dimensional semantic spaces derived from large text corpora[C]//Proceedings of the Cognitive Science Society. Hillsdale， NJ： Erlbaum Publishers， 1995：13-14.

[11] Rohde D L T， Gonnerman L M， Plaut D C. An improved model of semantic similarity based on lexical co-occurrence[J]. Communications of the ACM， 2006，8：627-633.

[12] Pado S， Lapata M. Dependency-based construction of semantic space models[J]. Computational Linguistics， 2007， 33（2）： 161-199.

篇6

关键词：网络分析仪 谐波滤波器 调试 应用

中图分类号：TN713 文献标识码：A 文章编号：1007-9416（2013）06-0070-02

谐波滤波器是DFIOOA型发射机的维护难点和重点。其伺服传动机构复杂，同步转动的器件多（两个电感、三个电容）。正常阻抗为75Ω，若阻抗过高会产生异常高压造成电感打火甚至击穿真空电容（包括7单元的补偿电容），因此谐波滤波器的调试对于广播发射机维护人员是必需掌握的本领。

1 网络分析仪在调试谐波滤波器中的应用

1.1 网络分析仪简单介绍

现代网络分析仪已广泛在研发，生产中大量使用，网络分析仪被广泛地应用于分析各种不同部件、材料、电路、设备和系统。无论是在研发阶段为了优化模拟电路的设计，还是为了调试检测电子元器件，矢量网络分析仪都成为一种不可缺少的测量仪器。网络分析仪是一种功能强大的仪器，正确使用时，可以达到极高的精度。它的应用也十分广泛，在很多行业都不可或缺，尤其在测量无线射频（RF）元件和设备的线性特性方面非常有用。现代网络分析仪还可以应用于更具体的场合。本文以Agilent E5061A网络分析仪作为测试工具。

1.2 工作原理

光在透镜的传输过程可以帮助理解射频或微波信号在器件的工作过程（如图1）。

当射频信号输入到某个器件上时，会产生相应的反射和传输。每个器件在工作状态下，其传输和反射信号的大小和相位都是不同的，而反射和传输的特性决定器件对信号的处理作用。器件及电路的设计实际上就是定量控制器件的反射和传输特性。影响一个器件（系统）传输/反射特性的因素很多，作为网络分析仪主要研究器件传输/反射特性与工作频率及功率的关系。简单来讲，网络分析仪显示的结果纵轴可定义为传输或反射特性，而横轴为功率或频率。

一般而言，网络分析仪在射频及微波组件方面的量测上是最基本、应用层次也是最广的仪器，它可以提供线性及非线性组件的量测参数，因此，举凡所有主被动组件的仿真、制程及测试上，几乎会使用到。在测量参数上，它不但可以提供反射系数，并从反射系数换算出阻抗的大小，且可以测量穿透系数，以及推演出重要的S参数及其它的重要参数，如相位、群速度延迟（GroupDelay）、插入损耗（Insertion Loss）、增益（Gain）甚至放大器的1dB压缩点（Compression point）等。

光波属于电磁波的一种，当我们用光分析一个组件式，会使用一个已知的入射光源测量未知的待测物，当光波由空气到达另一个介质时，会因折射率不同产生部分反射及部分穿透的特性，例如化学分析上使用的穿透及反射光谱。对于同样属电磁波的射频来说，道理是相通的，光之于折射率就好比微波之于阻抗的概念，当一个电磁波到达另一个不连续的阻抗接口是，同样也会有穿透及反射的行为，从这些反射及穿透行为的大小及相位变化中，就可以分析出该组件的特性。

用来描述组件的参数有许多种，其中某些只包含振幅的讯息，如回返损耗、驻波比或插入损耗等，我们称为纯量，而能得到如反射系数及穿透系数等，我们称为向量，其中向量可以推导出纯量行为，但纯量却因无相位信息而无法推导出向量特性。

1.3 谐波滤波器介绍

谐波滤波器是一种可调式双回路低通滤波器，安装在高末级功率放大器机箱顶部，使用的电容和电感通过机械传动连接，由一只调谐马达驱动。它是PSM100KW短波发射机射频通路的重要元件之一，主要用来滤除基波以外的高次谐波，以达到国际电联规定的残波辐射小于50mw的标准。谐波滤波器是一个非调谐的阻抗匹配网络，采用定点预置的方法，每个频率都有唯一确定的位置，其伺服传动机构复杂，同步转动器件多，所以，一旦出故障，将造成很大的麻烦。

1.4 谐波滤波器的调试技术指标要求

1.5 调试环境及注意事项

使用谐波滤波器一般使用在高频环境、外界电磁环境复杂的情况下，因此测试首先要排除这些干扰因素，使网络分析仪能工作在良好的环境中，必须做好以下几点：

a）在发射机公共停机时间或者完全屏蔽的房间内进行，网络分析仪最好接在具有电源滤波器的电源上电源最好从在线式UPS取出，以防高频电源的串扰。

b）调试基准：以20M频率点作为基准调试。

c）网络分析仪均需用铜带进行良好的接地。

d）网络分析仪充分预热。

调试工程中要做好防静电措施，带防静电手套。调试人员带电操作，一定要注意安全。调试完成后注意清点工具。

2 谐波滤波器调试前的预置

2.1 谐波调试前电感预置

盘香电感预置在20MHz频率点的基准位置，即短路滚轮在盘香电感内数第二圈位置上，此时谐波滚轮（白色导向小轮）刚好正对观察窗口，相对位置应保持相对同步平行状态。否则应松开链条，调整其位置。

2.2 谐波调试前电容预置

2.3 注意的事项

为保证谐波滤波器调谐电容的一致性，应选用同一厂家同批次的电容，且均应通过打压测试合格。

3 使用网络分析仪调试谐波

3.1 连接设备仪器

d）如未达到要求，反复调试，使谐波滤波器回到20MHz频率点，再次细调C1、C2、C3，必要时可微调L1、L2的相对位置，使谐波滤波器在短波频段内满足要求。

e）调试完成后，脱开谐波滤波器的输入和输出端，在输入端测量总电容量并记录，总电容量应符合典型值。重新连接网络分析仪和负载纯阻，谐波滤波器回到20MHz频率点，将计数器数码位置调整至1000后，齿合传动。

通过以上调试方法，反复调试，从测试仪中选好最佳状态，固定好位置，调试就可以基本完成，保证滤除高次谐波成分，提升发射机性能指标。

篇7

【摘要题】企业信息建设

【关键词】社会网络/社会资本/社会网络分析/知识管理/隐性知识共享

【正文】

知识成为21世纪企业持续竞争优势的一切来源。其中，隐性知识的交流和共享是知识创造的基础，因此，隐性知识是企业财富的最主要源泉，隐性知识的有效交流和共享成为企业知识化运营、发展的关键。但隐性知识的内隐性、复杂性以及隐性知识共享中的障碍性因素使隐性知识共享的可操作度大大降低。知识管理研究领域开始分析知识共享的机理和对策，并且形成以下较为成熟的研究领域：隐性知识共享的组织结构分析、隐性知识共享的组织文化分析、隐性知识共享的技术支持分析和隐性知识共享的激励制度分析。但知识管理理论的价值在于其在组织中的应用，有关隐性知识共享的各种分析和结论也必须以实践为最终目的，这恰恰是目前研究中的弱点，甚至是盲点。研究者将目光过多地投向定性和理论分析上，忽略了隐性知识共享必须依靠有效的操作工具和实践指导，造成理论无法提升实践绩效。本文在以往研究的支撑下，借助“社会网络分析”这一具体工具，提出一种有效的组织隐性知识共享操作工具，解决目前研究中面临的“说和做”的两难境地。本文与以往研究的不同之处在于其定量方法基础上的分析方法构建，试图为组织隐性知识共享提供具体的操作工具。

1社会网络理论与知识管理

社会网络理论20世纪50-60年代开始出现，长期以来主要被用于社会学问题的研究。目前已有学者将社会网络理论的研究从纯社会学的范畴扩大到企业，利用社会网络的理论来解释企业资源获取和企业成长的问题，利用社会网络理论协助企业开展竞争情报活动。本文的主旨不是单纯的阐述社会网络理论和社会网络分析方法，而是探讨社会网络理论与知识管理的关系，探讨社会网络理论如何应用在隐性知识共享中。

1.1社会网络理论与方法

所谓社会网络（socialnetwork），实质上就是为达到特定目的，人与人之间进行信息交流的关系网。它基本上由结点和联系两大部分构成。结点是网络中的人或机构；联系则是交流的方式和内容。[1]社会网络理论就是研究行为者（Actor）彼此之间的关系（Borgatti，1998），所谓的行为者可以是个人、组织或是家庭，通过对行为者之间的关系与联结情况进行分析，能够显露出行为者的社会网络信息，甚至进一步了解行为者的社会网络特征。而透过社会网络除了能显示个人的社会网络特征以外，还可以了解许多社会现象，因为社会网络在实体组织中扮演着相当重要的无形角色，当人们在解决问题或是寻求合作伙伴时都是依循所拥有的社会网络来寻找最可能帮助的对象（Kautz，1997）[2]。

社会网络分析（socialnetworkanalysis）是社会网络理论中的一个具体工具，就是对人与人之间、群体之间、组织之间、计算机之间，或者是其他信息、知识处理实体之间的关系进行描述，并对其价值进行估量的这么一个过程。[3]网络中的结点（nodes）是人或群体，网络中的联系（links）表示结点之间的关系或者是相互之间的流动方向。社会网络分析为人与人之间的关系提供了视觉上的和数学上的分析工具，管理者将这种方法应用于商业客户，进而称之为“组织网络分析”（organizationalnetworkanalysis）。了解网络及其参与者的方法之一就是对行为者（Actor）在网络中的位置进行评价，进而得出一个结点的中心性（centrality），而中心性决定着结点在网络中的地位和权力大小。程度中心性（degreecentrality）、中介中心性（betweencentrality）和靠近中心性（closenesscentrality）是社会网络中心性分析的三个主要指标。程度中心性指结点拥有的直接联系数量；中介中心性指失去此结点，结点之间将失去联系；靠近中心性指结点之间距离的远近程度。社会网络分析通过定量计算得出各个结点的中心性，以此作为分析的基础。

社会网络理论将人际关系上升到科学的高度，为该领域的研究提供了科学严谨的理论指导，更有利于人们从中找到解决问题的方法。人际网络分析则是在此理论指导下的一个定量分析工具，具有极强的分析性和图示性。目前社会网络分析的应用领域包括：[4]发现区域经济的创新网络；分析图书销售模式来对新书进行市场定位；发现组织内各领域的知识专家；提高项目团队的绩效；帮助大型组织安排员工工作位置；通过电子邮件得出经理人的人际交往圈；定位技术工程组织中的技术专家和联系专家的途径；分析因特网的有用浏览模式；以研究出版物为基础揭示跨领域知识流动。

1.2社会网络理论与方法在知识管理中的应用

目前，许多研究知识管理的学者把研究的注意力放在了知识的产生、传递和应用所赖以存在的组织网络之上，通过对这些组织网络的观察与分析来认识知识活动的基本规律。把知识共享纳入到社会网络中进行观察的重要依据是知识共享行为主体都嵌入在一个具体、实时的联系系统中，并且知识也是包容在网络与社区之中。知识管理的主体是人，知识交流、知识共享都离不开人的参与。一个组织能否完全实现其知识的交流和共享，取决于其成员之间联系的强弱。人、人与人之间的联系成为知识管理的隐形网络。目前组织知识共享，尤其是隐性知识共享中最大的难题就是缺乏有力的工具和方法。社会网络理论与方法从知识管理的隐形网络入手，为知识管理，主要是知识管理中隐性知识共享提供了理论和方法上的指导。

社会网络理论认为，组织的创新能力、生产力和员工满意度依赖于其成员之间关系的强弱；人与人之间的联系、规则、价值观以及共享的理念统称为“社会资本（socialcapital）”。对于企业成功而言，社会资本与结构资本、顾客资本和智力资本具有同样的重要性。[5]社会网络分析是收集、分析组织内人际关系模式的数据的一种图表工具。应用于知识管理，SNA可以确立组织内各种关系的模式，包括人与人之间的平均联系数量、亚群体的数量和质量、信息瓶颈和知识经纪人。SNA对于人际网络的分析视角为知识管理者提供了以下工具：改善知识和信息的流动；确认思想领导者和关键的信息瓶颈；找到最具影响力的增强知识流动的机会。

社会网络分析不是传统的知识管理工具的替代品，比如知识库、知识门户。它的意义在于为企业更好地实施知识管理提供一个蓝图和出发点，作为知识管理战略规划的组成部分，社会网络分析能够帮助企业找到核心人员并建立各种机制——实践社区等，从而使核心人员能够将知识向其他员工传递。

综上，社会网络理论赋予人际关系新的含义和价值，认为以人际关系为主要内容的社会资本是企业的重要财富，与结构资本、顾客资本和智力资本共同构成了组织的知识资本。社会网络分析解决了如何提升组织内部知识流动的问题，为隐性知识共享提供了实践操作的蓝图。而且，社会网络分析可以使组织对内部交流中存在的“鸿沟”有清楚的了解，同时有效地预防知识流失（DisappearingKnowledge）。[10]

2社会网络分析方法在隐性知识共享中的应用

2.1社会网络分析方法步骤

社会网络分析项目首先要有问题陈述，即设定目标，明确要从社会网络分析中获得什么。典型的SNA目标有以下三个：[5]（1）增强组织创新、应对挑战以及提升产品和服务质量的能力。对现有社会网络的分析可以使组织意识到可以提高知识共享和人际交流的措施。（2）评价组织重组前后组织结构的效率。对非正式结构的观察能够揭示知识如何在不同群体间的流动，有助于发现能使组织重组顺利进行的关键人员。（3）优化项目团队或组织的人员结构。找到网络中信息流动的关键人物，分配其合适的职位或角色人物体现其“中介角色”，以此提升其员工满意度和忠诚度。

明确目标有助于确定参与社会网络分析项目的群体以及调查问题的设计。比如想要构建一个有利于隐性知识共享的紧密的知识网络——在此网络中，组织成员之间能够快速、便捷地找到所需知识的拥有者并进行交流，那么问题设计就应该与知识有关，例如：你对他人的技能和经验知晓、了解如何？此人拥有的知识对你的工作是否重要？当你需要帮助时是否能够方便与之沟通？

在明确目标、设计问题之后，根据结果进行分析，并按照分析结果制成图示。

2.2实例分析

以A公司为背景，项目组Q（人员：q12q3q4q5q6q7q8）、客户服务部门M（m1m2m3m4）、技术支持部门N（nln2）为群体分析对象，应用社会网络分析方法分析其中隐性知识交流、共享的情况。目的是分析隐性知识共享现状，找到提升知识共享和人际交流的措施。前期调查的问题设计包括：交流对象、交流途径、交流内容。沟通对象分析得出图1。2.3分析结果

本文在进行图表和数据设计分析时，为了方便解释和计算，简化了实际可能存在的结点数和联系。实际上，现实组织中人际关系要比上文描述的复杂得多。从以上分析得出以下结论：

（1）项目组内部的人际网络中，Q1的程度中心性最高，他处在网络的中心，从某种意义上讲，他是该网络的知识和权利的中心；Q8的中介中心性最高，没有Q8项目组与技术部就失去了联系，尽管他不是知识和权利的中心，但是却处在网络最具战略意义的位置，没有这个结点，该网络就与外部失去了联系；Q5和Q6的靠近中心性最高，他们与其他结点之间的距离最近，这表明他们可以最快地和网络中的其他成员联系，在第一时间获得有关他们的信息。

（2）对于项目组Q、客户服务部门M和技术部门N而言，各个网络内部的联系都是较为紧密的；但网络之间的联系较为松散，项目组、客户服务部门和技术部门之间缺乏经常性和专门性的联系，实际上组织任何一个项目都应以客户的需求为导向，技术部门更应该主动于其他部门联系，使其技术知识和技能迅速有效的传递给其他组织成员。

（3）各个网络内部以及之间的联系多为自发性的、间断性的非正式联系，如交谈、电子邮件、MSN等即时通讯方式。交流的内容具有多样性：个人信息、工作信息、组织群体信息、外部信息等。

2.4基于实例的组织隐性知识共享策略分析

组织内显性知识共享较为容易，可以依靠各种文档和数据库；隐性知识共享却存在着诸多的困难，其中最为突出的是路径和对象问题。组织内社会网络分析为解决路径和对象问题提供了新的研究思路。通过对现有网络的分析，揭示现有隐形知识交流网络结构，发现其中的瓶颈和制约因素，进而为改善组织的隐形知识共享提供有效的改进方法。结合上文实例分析提出以下策略：

（1）确认网络中的关键人物（如Q1），分析其掌握的知识和技能，尽可能将其显性化，避免因为核心人物的离开而造成组织内交流的瘫痪以及组织知识资本的流失；优化其他成员与之交流的途径，扩大其隐性知识在网络内的扩散；采取相应的绩效评估和激励制度，鼓励核心人员于其他成员进行知识交流，提升其员工忠诚度。

（2）确认网络与外部联系的节点（如Q8），分析其与外部交流的渠道、内容和紧密程度，并以此为依据扩大对外联系的强度，包括增加对外联系的结点、内容、频率和方式，促进知识在不同网络群体中流动。

（3）确认网络中的“灵活人物”（如Q5和Q6），他们是加快网络知识流动的催化剂，他们与其他成员的交流活动可以大大促进网络内隐性知识的交流。对于这类结点，应通过职位或工作性质的安排来充分实现其价值，并可以将其交流技巧和方式进行推广。

（4）找到网络中的盲点，即没有与其它结点发生联系的结点，帮助其实现对外的知识交流，进而理顺网络路径，最大限度上实现结点间的最短联系和无盲点联系，缩短知识交流的路径。

（5）对于网络之间的联系，可以从任务和流程两个角度进行分析。从具体的任务出发，比如上文中的项目组与客户服务部门和技术部门，这三个网络之间的交流就主要应以任务为导向，知识的交流以满足特定的任务需求为目标。网络联系方式可以作如下设计：任务支持部门（如客户服务、技术）在任务执行部门（如项目组）派驻长期成员，随时解决相关问题；任务执行部门和支持部门之间定期召开联合会议，对有关问题进行集中讨论和解决；部门之间建立日常联系机制，部门之间开放相关的信息和知识来源。

（6）鼓励成员之间进行多种形式的非正式交流，并为这种非正式交流提供便利条件，如设立专门的讨论区、创建相关议题的博客，鼓励跨部门之间的员工交流。

3组织社会网络中隐性知识共享的成本分析

研究表明，组织中人们更偏好向其他人求助，而不是文本信息。这样，组织中的社会网络就变成了行为主体进行知识搜寻的主要路径与平台。因此，主体间知识的交流和共享就受社会网络中各因素的制约。[7]

在组织的社会网络中，发生关联的行为主体间的伙伴依赖性、双方的交流能力、接触的频率、知识交流的经验、相互信任程度、个人关系、知识存量的相容性及互补性、双方核心业务的相似性等构成了隐性知识共享的认知成本。而隐性知识共享的激励、相关的酬薪体系、共享的意愿、寻求知识互惠、树立声誉地位、消除防范心理、提高信任等则构成知识共享的激励成本。另外，因双方的背景不同，知识的编码和解码产生了差异，导致了双方的误解，因此需要双方沟通和额外的检查，并产生了沟通成本和额外的检查费用。并且激励知识共享双方还需依赖时间的过程，产生时间成本。以上这几种成本之间是相互关联的。组织中不同行为主体处理网络结点关系和知识共享方面的问题时具有不同的意图，由此造成了组织内解决不同知识共享认知成本问题的不同方法，而这些不同的方法造成了激励成本。

一般来讲，组织中社会网络的规模越大，联结时间越长，网络紧密程度越高，网络的文化距离就会越小，知识的复杂性会越小，部门网络间合作协调经验会越丰富，知识共享的成本就会降低。总之，社会网络的联系渠道、网络结构、网络中的制度文化因素、人力资源活动及流动、知识产权保护等共同构成组织社会网络中知识共享所产生的各种情境成本。[7]

【参考文献】

1包昌火，谢新洲，申宁.人际网络分析.情报学报，2003（6）：365-374

2张秀仪.利用全国博硕士论文资料库自动化建构知识来源映射图.高雄：国立中山大学资讯管理研究所硕士论文，2004：11

/sna.html[2005-9-24]

/sna.html[2005-9-24]

篇8

依据当今社会人们普遍的生活方式，提出“碎片化”的概念。在碎片化背景下，移动网络信息技术的迅速发展催生出“碎片化”应用。以某大学本科班级的全体学生为例，利用社会网络分析从结构性,因素性,关联性三个方面探究碎片化时代下群体之间的人际关系，结果显示碎片化时代群体重聚现象显著。

［关键词］

碎片化；社会网络分析；人际关系；重聚；群体

1引言

随着社会的进步，高新技术产业的发展，人们的生活水平不断提高，生活节奏也在日益加快，空间移动与转换频率的增加使得人们有限的时间被划分的越来越细，呈现“碎片化”的特点［1］。移动互联的的兴起让生活变得愈加便捷，“碎片化”应用充实了碎片化时间，即便在不同的时间点、不同的位置，群体间依旧可以相互联系得以重聚。因此研究了碎片化时间与“碎片化”应用相结合，群体之间人际关系的变化。大学生是当代活跃度较高，创新意识较强的群体，本文旨在通过大学生这个典型群体从结构性、因素性、关联性三个方面得出普遍规律。

2碎片化时代的概述

“碎片化”起初出现在20世纪80年代的“后现代主义”的学术研究中，原意为完整的事物被分成零碎的部分。近年来，“碎片化”作为一个新兴词汇在不同的领域的被赋予不同的涵义，在移动互联时代背景下，“碎片化”时间指的是移动化的“等候时间”，包括上／下班途中，出差途中等一些分散的时间。“碎片化”应用是人们在零碎时间内消费时间使用的一种移动应用程序，用户可以在任何位置，状态下进行。“碎片化”应用使用时间是碎片化的，短则一分钟，长则半个小时，应用种类是多样的，“碎片化”应用凭借其良好的体验逐渐渗透在我们的日常生活中［2］。碎片化下的重聚指群体利用应用软件进行交流沟通重新相聚相识的过程。重聚包括两个方面，一是相同群体之间互动性增强，另一方面主要指传统意义上的不同群体按照兴趣，价值观，生活方式等共同的行为方式重新聚集起来。

3社会网络分析研究基础及现状

3．1社会网络分析简介社会网络分析是一种社会学的研究方法，核心概念就是研究人与人之间的关系。随着社交媒体的出现，收集和获取网络数据更加便利，社会网络分析逐渐受到公众和学界的青睐［3］。社会网络数据基本测量包括密度、中心度等。密度是度量客体之间互相联络程度的重要指标，网络密度越大则关系越密切，点度中心度是考察各个节点的相对中心度，即与该点有关系的点的数目。中心度研究集中在各个节点，而中心势考察的是一个整体的内聚性，即整体中心化的程度［4］。

3．2社会网络分析有关人际关系的研究社会网络分析在人际关系的研究主要分为结构性，关联性，因素性三个方面。人际关系网络的结构性主要体现在依据不同的属性划分出不同结构的人际关系，是最基本的关系网络，为进一步量化提供数据及依据，包括情感网、咨询网、情报网、信任网等。Milgram的“六度联结的小世界”充分说明了人际关系的关联性，通过计算平均距离即人们通过多少个中间人建立联系，进而说明人际关系的关联性。人际关系的因素性是研究影响人际关系网络形成的因素，这些因素具有普遍意义［5］。

4碎片化应用对群体影响的研究设计

［6］4．1研究内容本文研究碎片化时代下大学生人际关系的变化，按大学生在关系网络中的结构主要分为情感网和情报网，情感网表现在个体与他人的亲密程度，包括聊天，学习，旅游，休闲娱乐等，情报网主要研究个人获取他人信息时构成的人际关系网络。碎片化时代下，应用涉及生活各个方面，现实的生活需求都会间接转化为应用呈现给群众，现实与虚拟已在无形中产生一种对应关系，通过社会网络分析方法对大学生人际关系结构性进行前后对比，利用数据对人际关系网络的关联性与因素性进行探究，最终验证重聚现象。

4．2研究对象本文选取本专业全体28名同学为研究对象，主要的原因包括：（1）大学是学生步入社会的过渡阶段，这个阶段的群体具有双重特征；（2）大学生是青春与理想兼并的一代，对于信息技术及新鲜事物有较高的兴趣；（3）班级全体同学因为性格等方面不同呈现的人际交往关系具有普遍性。

4．3数据收集与处理

4．3．1情感网数据收集与处理本文数据的收集主要是通过观察、访谈以及材料分析，首先通过微信与班级中的全体同学建立联系，根据日常生活班级人际关系的观察，一对一进行针对性的提问，问题主要基于“碎片化”应用的背景，在现实生活中，与应用相对应的一系列互动包括某人自愿主动性的和某同学去图书馆学习，逛街，看电影，享受美食及旅行等，根据班级全体同学的回答建立28×28矩阵。其次基于碎片化时代下应用的普遍，研究班级同学使用相同休闲娱乐类应用的情况，本研究以手机游戏为例，通过3个微信游戏将全体同学联系在一起，同样建立28×28矩阵，与上一个矩阵进行对比分析。

4．3．2情报网数据收集与处理本文情报网的研究不再局限于班级内部的人际关系，更多探究班级个体与社会之间的关系。主要是从全体同学的角度，班级中的每个个体都可以通过微博这个平台获取自己关注的信息，构成一个人际关系网络，把班级全体同学看成一个相同的社会群体，班级同学所共同关注的对象构成另一群体，实则是研究不同群体在碎片化时代下所呈现的状态，群体内部之间的关系我们在这里不研究。这项数据的收集是通过微博的微关系对班级全体同学关注的对象进行汇总，最初的数目庞大，分析生成的社群图过于复杂，难以发现其规律，于是不断求平均值从最初的100多缩减到20个个体，这20个被关注者至少有7个研究对象关注，具有很强的代表性。

5研究结果分析与讨论

5．1情感网人际网络关系图1表示现实生活中班级同学彼此存在非组织共同活动（唱歌，看电影，逛街）的关系，有两名同学社交关系十分薄弱暂不考虑，此社群图实际是26个样本。从整体角度分析，图一的网络密度为0．1749，该数值较低，说明大学同学共同活动更多以寝室为单位，与其他同学交流互动的机会甚少，存在小群体现象。节点之间的平均距离为2．645，即任意两个人进行沟通平均需要2个人作为媒介，个体之间关联性较弱，同学之间的互动频率低。图2则表示通过碎片化时代下的应用班级同学所形成的密切关系。班级中有4名同学不玩此类游戏，因此样本总数为24。图2的网络密度为0．933，该数值明显高于图1，则表明在碎片化应用的条件下使群体重聚的现象十分显著，同学们互动频率加快，形成了一种密不可分的关系链；节点的平均距离为1．067，任意两个人都存在沟通的机会，每个同学之间都建立了一条交流通道，大学生人际关系网络关联性增强。通过社群图图2，图2的对比分析，可以清晰看出碎片化时代下大学生群体明显的重聚现象。碎片化时代下的应用加强群体的内聚的同时，成员自身的中心度也在不断增加。“核心人物”即点度中心度排名靠前的个体的数量也在不断增加，有利于营造良好的人际关系氛围。

5．2情报网人际网络关系从微博的角度出发，被关注的人更新了一条状态，那么本班同学中同时关注这个人的一些个体也会查看到，这些不同类型的个体可以实现在该被关注的人下发表评论、收藏以及转发等功能，进而引起被关注人的关注，实现不同群体之间的互动交流，从而形成了一个交流环网。该人际关系网络的形成涵盖许多因素包括社会阶层、家庭背景、学历、收入、兴趣爱好等，微博作为一种碎片化时代下的产物促进社会群体重聚。

6结论

根据本文的研究可以看出，碎片化时代背景下，“碎片化”应用使群体重聚现象得以体现，这种重聚是重新聚合，相同群体之间的重聚即通过虚拟促进现实人际关系，虚拟与现实的一致性是我们一直所期待的。不同群体之间的重聚相对复杂，但同时这种重聚更具有现实意义，碎片化时代下人际关系的独到之处正是不同群体的重聚，社会地位、地理位置、经济水平不同的个体都能依据某个特征聚集在一起，社会分化也是群体重聚的过程，重聚也是分化的进一步提升。社会网络分析为重聚现象的提出进行了定量分析，本文所研究的样本较小，只是对这种现象进行初步探索，重聚的形成包括各种因素，后续的研究可以从内因，外因入手搜集更全面的社会网络数据，利用网络动态学，复杂网络理论等进行更深入研究［7］。

主要参考文献

［1］徐冉．“碎”眼看“聚”———以微博为例看碎片化背景下的群体重聚［J］．新闻世界，2011（8）．

［2］常政．移动时代的经济学———碎片化应用［J］．程序员，2011（6）：56－58．

［3］［美］诺克，杨松．社会网络分析［M］．第2版．上海：格致出版社，2012．

［4］［美］斯科特.社会网络分析法［M］．重庆：重庆大学出版社，2007．

［5］申?，周策．社会网络分析法在人际关系中应用的研究综述［J］．中国电力教育，2013（1）．

［6］郭金龙，陆宇杰，许鑫．基于社会网络分析的大学生现实与虚拟社会人际关系研究［J］．现代教育技术，2012，22（12）．

篇9

【关键词】社会网络；房地产企业；网络中心性

中国经济多年的持续稳定增长，使得我国综合国力不断强大，房地产行业也持续发展。我国的地产大户主要有万科、恒大地产、保利地产等等，这些地产公司之间也存在着相互竞争、制约和相互促进等错综复杂的关系。社会网络分析可以实现对企业之间的关系结构以及由此结构衍生出来的属性进行分析。社会网络分析方法一起可视化的形式而备受青睐，以网络结构图的形式分析数据、发现隐含在抽象数据背后的规律，从而辅助决策[1]。本文利用网络关键词的搜索，构建位于财富500强企业中的28家房地产企业之间的社会网络关系，分析企业之间的竞争格局。

1样本选择和数据采集

在样本选择方面，根据“财富”网站上的“2015年财富中国500强排行榜”，本文对中国500强企业中房地产及其相关行业的企业进行了整理，找出其中28家房地产及其相关企业作为研究样本。在数据采集中，本文以百度引擎为媒介采集一家企业在其网站中提及另一家企业的网页数量，作为该企业与其他企业是否有联系的重要指标。由于本文选取的研究对象都为国内企业，百度搜索引擎对中文搜索支持的很强大，对语言的适配能力强，因此选用百度中的数据进行采集。提及频次数据的采集时间为2016年6月20日。

2数据预处理

数据收集结果是使28×28的一个二维非对称阵，其中每一个数值代表该行企业网站提及该列企业网站的网页数量，即频次。为了能够使用Gephi软件绘制出28家房地产企业的社会网络图，本文将每个企业的提及频数做归一化处理，如万科的网站中，保利地产、华润置地、金地集团、招商地产、远洋地产和绿城中国的提及频数分别为2、3、1、2、2和2，归一化处理后每个企业的值分别为0.167、0.25、0.082、0.167、0.167和0.167。

3社会网络构建

在网络链接分析中，通常用入链和出链作为社会网络构建的重要指标，入链指该企业网站被链接的综述，出链指该企业网站链接其他企业网站分别的数量。但是在实际问题中，入链和出链很难过去，所以本文近似的选择某企业网站中提及另一家企业网站名称的数量来代表两家企业之间的关联性，即在上文中收集到的二维矩阵中的数值[2]。企业提及频次是企业之间业务往来，相互关注以及合作、竞争关系的抽象代表。本文利用社会网络分析软件Gephi对房地产企业的相互关注程度进行分析，如图1所示。

4房地产社会网络分析

在该社会网络中网络中心度排名前3的企业是保利地产、金地集团和碧桂园，排名倒数前3的是首创置业、杭州滨江房产以及时代地产。通过房地产企业社会网络以及中心度度量可以发现，保利地产处于网络的中心地位，与其他企业的链接最多，接下来是金地集团和碧桂园。网络中心度越高，代表其网站与其他网站交流程度越高，交流越多可以反映出两家企业之间具有密切的关系，至于关系是竞争还是合作并不好判断。而首创置业、杭州滨江房地产和时代地产，几乎与其他房地产企业之间没有网站链接，说明交流较少，开放性不强。

参考文献

[1]赵蓉英，王静.社会网络分析（SNA）研究热点与前沿的可视化分析[J].图书情报知识，2011，01：88~94.

篇10

[关键词]中心度　网络分析　中介中心度

[分类号]G350

中心度是应用于网络分析的一个重要度量指标，用于测量网络中“元素”的重要性，这里的“元素”是一种泛指，包括网络中的节点、边、社团及整个网络。本文的研究主要集中在节点中心度上。首先解释并明确中心度的概念，回顾当前的节点中心度的主要算法，对现有算法研究、分类研究及应用研究进行总结和分析，最后对中心度算法研究情况予以总结及展望。

1　中心度的概念

中心度研究能够识别网络中的重要节点，节点的重要程度由网络的拓扑属性、结构特点及节点在网络中的具置决定。Mike Gotta指出“中心度的概念，简单来说是识别网络中具有高度连接的活动者”。这个定义有些片面，而维基百科中也没有给出明确的定义，只给出了相关解释：“在图论和网络分析中，对一个节点的多种中心度测量，这些测量主要是决定图中一个节点的相对重要性”的一种解释。

之前的研究中并没有给出关于中心度的严格定义，笔者认为它是关于节点重要性的度量指标。这种重要性，根据不同网络和结构特点及关系表现为节点的影响力、权威性(重要思想、知识或判断决策的源头)、流行度、控制力(如传输、流量的控制能力)、便利性(位置上的优势、易于访问)或某种特殊意义，也可以表现为节点的脆弱性和易受攻击性。不同的中心度算法含义不同，此处给出的是一个总结性质的定义。

2　中心度算法分类及研究进展

2.1　中心度算法分类研究

已有不少学者对中心度算法的分类进行了研究。Noaht在描述中心度测量的理论基础时将中心度划分为三种类型，包括总体效果中心度、接近效果中心度和调解中心度。Dirk Kosehtitzki等将中心度分为4种类型，包括基于可到达性、基于流量、基于活力值和基于反馈的中心度。Zhang将中心度算法划分为5类，包括基于点度、基于最短路径、基于流、基于随机行走和基于反馈的中心度。从其他角度考虑中心度的划分，还可以分为基于全局的中心度算法、基于局部的中心度算法；或根据具体算法分为绝对中心度和相对中心度算法；根据网络动态性，分为动态中心度算法和静态中心度算法。另外，根据网络属性、权重和方向又可以分为基于有向网络的算法和基于无向网络的算法、基于加权网络和基于无权网络的算法及几者组合的分类方式。

2.2　主要的中心度算法研究

根据2.1的分类，本文基于生成原理将中心度算法分类，划分为基于连接的、基于最短路径的、基于流的、基于随机行走的和基于反馈的中心度算法5种。

2.2.1　基于连接的中心度算法度中心度算法(Degree)用于测度网络中一个节点与其他节点直接连接数的总和。在有向网络中，度又分为人度和出度。Hildrun基于合著网络比较有权和无权的度中心度算法，提出查找一种函数，使元素权重均等分布数等于元素的个数。得到偏离相等分布越大、函数值越小的包含权重连接关系的复杂度中心度算法。Benjamin聚焦于在网络规模、边密度、边强度和方向性等变量变化条件下的度中心度研究。由于度中心度算法反映的是静态的局部联系，在反映重要节点时具有局限性，研究中通常与其他网络属性测度指标结合应用。

2.2.2　基于最短路径的中心度算法基于最短路径的中心度算法包括接近中心度(CIoseness)、中介中心度(Betweenness)、Harmonic中心度、Eccentrality和Centroid等。这一类中心度基于网络中节点间的最短距离。Yannick对Harmonic中心度和接近中心度进行比较，指出Harmonic中心度可以作为接近中心度的替代算法，并将其扩展到无向图当中。Centroid也可看作是接近中心度的变种，它测量的是一个节点比其他节点在位置上的优势程度。中介中心度是基于最短路径的经典算法，能够用于揭示网络中具有连接桥作用的节点，从而发现网络连接中的关键点或脆弱点。由于该算法的重要性，诸多学者关注该算法的研究，对其进行改进与优化。其中，Ulrik Brandes较系统地总结了中介中心度的变种算法及其适用范围。虽然基于最短路径的算法是中心度测量的重要方法之一，但是基于最短路径的原理也成为这类算法的局限，在实际网络中并不是所有重要节点都通过最短路径。

2.2.3　基于流的中心度算法基于流的中心度算法引入电网电流流动理论，将网络关系看作是包含电压、电流的电网，基于在网络中电流的流动进行建模。主要包括基于流的中介中心度，基于流的接近中心度及信息中心度。这类中心度算法主要被应用于社会网络，用于探测社团结构，如Franco提出通过计算图中相关的局部流中介中心度，利用边的权重建模进行社团的抽取及聚类。

2.2.4　基于随机行走的中心度算法基于随机行走的中心度算法包括随机行走中介中心度、随机行走接近中心度和马尔可夫中心度算法。这类算法主要基于随机行走原理，计算在起始节点和目标节点间对中间节点的随机访问次数。基于随机行走的中介中心度算法是由Newman提出的，用于解决最短路径的局限性问题。S.Lee等提出基于偏好随机行走的中心度算法，并将其应用于复杂网络，在度相当大的条件下该算法能够对多种中心度算法进行统一。

2.2.5　基于反馈的中心度算法基于反馈的中心度算法，包括Katzes status、HubbeH、Eigenvector及著名的PageRank、HITS等算法。

研究广泛集中在PageRank等网络排序算法上。由于其缺乏对网页主题内容等其他因素的考虑，不少学者对该算法进行了改进和扩展。算法改进注重综合多方面影响因素，包括网页链接、网页内容、用户点击及浏览行为等。目前较突出的研究如主题敏感的PageRank、个性化加权PageRank算法等能够对已知查询识别出更多相关度更高的网页。

2.3　中心度近似算法研究

由于精确算法需要多次迭代，在时间和空间消耗上较大，特别是在真实大型网络中，给实际计算带来巨大挑战。因此对近似算法的研究能够在一定程度上解决这方面的问题，近似算法研究关注在迭代次数、最短路径计算、抽样等方面的改进，提高计算效率和性能。

David等提出一种基于适应性抽样技术的中介中心度近似算法，大大地降低了对高中心度节点的单源最短路径计算的消耗。Kazuya等根据接近中心度的精确值和近似值计算提出新的算法。算法主要用于选取接近中心度值最高的节点，而非全部节点从而降低了时间消耗。近似算法能够在一定程度上提高计算

效率并保证得到的结果在可接受的误差之内。

2.4　并行中心度算法研究

由于网络、特别是真实网络，更加复杂并且规模庞大，因此对于现有算法的性能和效率提出了挑战。当前的一些算法研究关注于在更精细粒度上的并行方法，对算法进行切分和加和，分布到多台机器上运行，提高运行效率的同时提高运行效果。

Christian等提出一种新的并行模式的PageRank算法。该算法通过引入网络二维视图，保存主机ID作为区分，而后将PageRank划分为不相连的部分，应用GauB--Seidel迭代算法进行快速的线性系统求解。该算法与其他并行PageRank算法相比，在每次迭代时间上有很大改进。Tan等提出一种新的适用于CREWPRAM的并行中介中心度算法，应用于大规模网络分析，通过适当的数据处理器映射、新的数边策略和三元数据矩阵结构，通过记录最短路径减少访问共享存储器冲突问题。

3　中心度计算方法应用研究

虽然中心度计算方法主要被应用于复杂网络研究，但是由于它是基于网络的，在其他领域研究中也受到广泛关注。本文对其应用领域进行归纳，可主要体现在复杂网络分析、期刊及论文评价、大众标注标签分析及推荐、网页排名、关键词抽取及文本摘要、语义结构探测及语义消歧、科学前沿及创新探测、重要作者识别等方面。由于网页排名主要涉及PageRank算法前文已经总结，此处着重于归纳中心度算法在其他领域的研究情况。

3.1　复杂网络分析

中心度算法主要被应用于复杂网络分析，如社会网络、生物蛋白质网络、电力网络等。Nicola等研究了复杂网络中的中心度算法，回顾并比较了基于图矩阵拓扑属性的中心度算法，包括PageRank、Eigenvector和HITS，发现一些中心度是相互关联的。Francesco等将中心度的拓扑概念应用于解释复杂网络连接的可靠性和安全性，将度中心度、中介中心度、接近中心度、信息中心度拓展为可靠性度中心度、可靠性接近中心度等算法，将其应用到电力传输系统网络中，用于评估网络路径连接元素的重要性。

3.2　期刊及论文评价

随着研究的深入，不少学者将中心度算法应用于期刊引用网络，为科学质量评价提供新的方法。其中Jevin West提出一种新的学术期刊评价指标Eigenfactor，它基于Eigenveetor，利用文献对期刊的引用率对期刊进行排序，其与传统期刊评价指标的区别在于其考虑了整个引用网络的结构，考虑了间接联系及效果。Chena等应用PageRank算法对1982年～2003年物理评论系列期刊中的所有出版物进行了重要性评估。发现每个出版物的PageRank值和引用数相关。利用PageRank算法识别了期刊中物理学家熟悉的一些杰出的具有影响力的论文。

3.3　大众标注标签分析及推荐

大众标注是自Web2.0以来倍受学术界关注的一个领域，中心度算法在大众标注中的应用研究主要体现在对标签的推荐和对标注用户的社会网络分析等方面。主要通过用户、资源、标签所构成的三元组关系构建不同的关系图或关系网络，并基于此进行中心度的测量和评估，进行对标签推荐或标签网络规律特点的分析。

Andreas H根据大众分类法基于用户、资源、标签三元组关系的特点，提出FolkRank算法，将其主要用于特殊主题的标签、资源或用户的推荐。Robert等对FolkRank、基于改进的PageRank及基于标签流行度的推荐方法进行了测试对比，发现前两种方法均比非个性化的推荐方法更有效，特别是FolkRank方法在探测超图结构、解决冷启动问题上都有优势。Ivan基于共现图使用节点中心度算法进行社会标签推荐。通过关键词集抽取，检索相关书签，构建全局共现子图，结合TF4DF算法计算相关标签的中心度，将具有最高中心度的标签作为推荐结果。

3.4　关键词抽取及文本摘要

关键词抽取和文本摘要也是中心度算法应用的重要领域，其主要被应用于测量文本中的词或句子的中心度，确定关键词或中心句，揭示文本的主题内容。特别是在关键词抽取研究中，中心度算法能够规避对低频但重要的词的忽略问题。

Kino使用Wikify系统从维基百科的文章中抽取关键词，利用基于随机冲浪的中心度算法进行主题识别。Zhang等提出利用Hub，Authority框架进行文本摘要的方法，结合线索短语、句子长度、首句等线索，将子主题的属性融入基于图的句子排序算法中来探测多文本子主题。

3.5　语义结构探测及语义消歧

时至今日，对于语义的探测和挖掘成为研究者关注的热点，中心度在语义结构探测和语义消歧方面也有主要应用。Jason等提出通过语义结构挖掘算法构建一致性本体和计算局部和全局语义中心度的思想，用于增强子团体的发现和资源的共享。

在语义消歧方面，Ravi应用词义相似度和中心度计算进行基于图的词义消歧，并使用测试数据集对入度中心度、接近中心度、中介中心度等算法分别结合基于WordNet的不同相似度计算进行了实验，取得较好的效果。

3.6　科学前沿及创新探测

中心度被应用于引文网络、共被引网络测度具有重要影响力的论文，发现科学前沿和研究基础。在引文网络中，Chen提出在知识域中通过对标志性节点、中心节点和拐点的发现，查找重要文献的潜在特征。标志性节点是网络中具有特殊属性的节点，如高被引文献提供重要的标志，这种节点具有较大的半径。中心节点其节点度相对较高，在引文网络中体现为共被引文献，其具有重要智力贡献。拐点是连接不同网络的枢纽，是两个子网络共享的节点或子网络交互路径上的节点。Chen在其开发的引文分析工具Citespace中利用中介中心度对引用网络中科学发展中的拐点进行识别。ShibataTM等通过被引次数和聚集中心度、中介中心度、接近中心度间的关系，探测作为基础创新萌芽的论文及预测论文未来被引的能力。

3.7　重要作者识别

PageRank、中介中心度等算法也被用于论文合著网络或作者引用网络中，根据网络属性特点，作者在网络中的贡献，如合作或被引的链接数量，合作者之间、引用者与被引用者之间的相互关系测量作者在网络中的影响力，对作者进行排序，识别网络中重要的、具有高度影响力及支持度的作者。Yan等将中心度算法作为一种影响力分析指标，通过来自16个图书情报期刊的1988年到2007年的数据生成合著者网络，利用接近中心度、中介中心度、度中心度和PageRank四种算法对作者排序，分析了各种算法在作者影响力评估上的局限性。