移動(dòng)互聯(lián)網(wǎng)熱點(diǎn)輿情擴(kuò)散監(jiān)測(cè)和規(guī)律分析-外文翻譯

1、南京郵電大學(xué)畢業(yè)設(shè)計(jì)(論文)外文資料翻譯學(xué) 院經(jīng)濟(jì)與管理學(xué)院專業(yè)學(xué)生姓名班級(jí)學(xué)號(hào)外文出處南郵外文數(shù)據(jù)庫(kù)附件：1.外文資料翻譯譯文；2.外文原文指導(dǎo)教師評(píng)價(jià)：1翻譯內(nèi)容與課題的結(jié)合度： 優(yōu) 良 中 差2翻譯內(nèi)容的準(zhǔn)確、流暢： 優(yōu) 良 中 差3專業(yè)詞匯翻譯的準(zhǔn)確性： 優(yōu) 良 中 差4翻譯字符數(shù)是否符合規(guī)定要求： 符合 不符合 總評(píng)為良。指導(dǎo)教師簽名：洪小娟2012年5月3日附件1：外文資料翻譯譯文 復(fù)雜網(wǎng)絡(luò)理論和基于代理的社會(huì)網(wǎng)絡(luò)：一個(gè)梗概 沙阿 賈馬爾 阿拉姆政策模擬中心 曼徹斯特都市大學(xué)的商學(xué)院 2005年10月20摘要：本文提供了復(fù)雜網(wǎng)絡(luò)領(lǐng)域的一些最重要的概念以及其在各學(xué)科的一些經(jīng)典和最新的

2、應(yīng)用。第2節(jié)介紹了社會(huì)網(wǎng)絡(luò)，概述了傳統(tǒng)的分析方法。第3節(jié)涉及了技術(shù)的問(wèn)題和社會(huì)網(wǎng)絡(luò)在實(shí)地考察研究中出現(xiàn)的問(wèn)題。作為在該領(lǐng)域的研究人員，我們?cè)诘?節(jié)討論了最近一些對(duì)于傳統(tǒng)的社會(huì)網(wǎng)絡(luò)分析技術(shù)和思想的批判，以解決他們的動(dòng)態(tài)。最后，在第5節(jié)討論了社會(huì)網(wǎng)絡(luò)研究中使用的代理模型。關(guān)鍵詞：復(fù)雜性；復(fù)雜網(wǎng)絡(luò)；基于代理的社會(huì)網(wǎng)絡(luò)一、復(fù)雜網(wǎng)絡(luò)理論本節(jié)開頭試圖解釋相關(guān)領(lǐng)域的研究人員所定義的復(fù)雜性。一般來(lái)說(shuō)我們提出“復(fù)雜網(wǎng)絡(luò)”，接著討論最重要的特征網(wǎng)絡(luò)。結(jié)尾部分簡(jiǎn)要說(shuō)明了最近復(fù)雜網(wǎng)絡(luò)理論在多學(xué)科的應(yīng)用?，F(xiàn)實(shí)世界的很多應(yīng)用網(wǎng)絡(luò)規(guī)模龐大，在被稱為“復(fù)雜網(wǎng)絡(luò)”下產(chǎn)生了多學(xué)科研究的新高潮。長(zhǎng)期傘的大小，結(jié)構(gòu)相似性和動(dòng)態(tài)的觀測(cè)

3、網(wǎng)絡(luò)，這些屬于從自然物理科學(xué)到網(wǎng)絡(luò)社會(huì)科學(xué)的多種學(xué)科。在過(guò)去十年里，對(duì)復(fù)雜網(wǎng)絡(luò)的研究取得了非凡的進(jìn)步。 這個(gè)研究已經(jīng)解決了網(wǎng)絡(luò)特征的識(shí)別及其相應(yīng)的解決措施。全面綜述可能被紐曼（2003年），阿爾貝和Barabsi（2002年）發(fā)布。1.1 復(fù)雜性和復(fù)雜網(wǎng)絡(luò)洞穴項(xiàng)目的關(guān)鍵是“解決復(fù)雜性”，這可能有助于提出該項(xiàng)目目標(biāo)的概念。網(wǎng)絡(luò)出現(xiàn)時(shí)，子系統(tǒng)或社會(huì)制度，作用物，就有一些關(guān)系。復(fù)雜網(wǎng)絡(luò)的這個(gè)概念到現(xiàn)在已經(jīng)存在了將近10年,我們?cè)陔S后的一節(jié)討論。 1.1.1 復(fù)雜性首先，韋氏字典（2005）定義的“復(fù)雜”一詞（我們挑最相關(guān)的變體）定義：復(fù)雜性 “一個(gè)群體相關(guān)一個(gè)單一的活動(dòng)(如狩獵),進(jìn)程(比如使用燧石

4、),或文明單位(1)的文化特質(zhì):一組被壓制下去的欲望和記憶的對(duì)人格獨(dú)特的影響(2):一個(gè)對(duì)一種情況和主題的夸張反應(yīng):一群相關(guān)單位的明顯程度與自然的關(guān)系所知仍屬有限的。我們的目的是提出復(fù)雜性的概念，作為在很多情況下都是本地化存在的兩兩交互作用的作用物（個(gè)人，組織等）間的一個(gè)結(jié)果，但促使其出現(xiàn)的模式是很難預(yù)測(cè)的簡(jiǎn)單而自然相互作用的規(guī)則。廣泛地出現(xiàn)在當(dāng)代科學(xué)與哲學(xué)文學(xué)中的復(fù)雜性，復(fù)雜系統(tǒng)和各種有關(guān)條款，如埃德蒙茲（2001）定義的建模這種自然行為所涉及的“難度”背景下的復(fù)雜性，它可以用于定義復(fù)雜語(yǔ)境中參與建模的自然或人工系統(tǒng)的行為“難度”。定義：埃德蒙茲(2001)所界定的復(fù)雜性復(fù)雜的是，在給定的語(yǔ)

5、言中這難以制定的整體行為，即使給予了相當(dāng)完整的信息，其原子組件和它們的相互關(guān)系的模型屬性。1.1.2 復(fù)雜網(wǎng)絡(luò) 網(wǎng)絡(luò)至少早在18世紀(jì)已經(jīng)正式出現(xiàn)，歐拉在他試圖解決著名的哥尼斯堡橋問(wèn)題的圖論研究中首先出現(xiàn)。圖論的概念已被廣泛應(yīng)用，因?yàn)樵谶@里有一些手段聯(lián)系著實(shí)體集的各個(gè)學(xué)科。調(diào)查這些網(wǎng)絡(luò)結(jié)構(gòu)的特點(diǎn)導(dǎo)致了一系列基礎(chǔ)的分析現(xiàn)代圖理論的解決措施。社會(huì)網(wǎng)絡(luò)分析工具的應(yīng)用可以追溯到20世紀(jì)初（斯科特，1991），從那以后,社會(huì)網(wǎng)絡(luò)分析的規(guī)則(SNA)成為了網(wǎng)絡(luò)研究涉及的作用物間(個(gè)人、組織等)開發(fā)的一種度量，針對(duì)社會(huì)角色和相互作用物的不同方面。我們將在第2節(jié)討論SNA。1.2 典型的復(fù)雜網(wǎng)絡(luò)和特點(diǎn)我們目前只

6、是簡(jiǎn)要概述了一個(gè)典型復(fù)雜網(wǎng)絡(luò)的特點(diǎn)和其顯著特征。一個(gè)詳盡的文獻(xiàn)是有用的，尤其是Barabsi（2001年）和瓦茨 （2003) 提供了一個(gè)全面的網(wǎng)絡(luò)解釋。1.2.1 隨機(jī)圖理論其中最早嘗試研究這些所謂“復(fù)雜網(wǎng)絡(luò)”的行為追溯到隨機(jī)圖理論的開創(chuàng)性的工作，在20世紀(jì)50年代開始的保羅鄂爾多斯和阿爾弗雷德萊利的ER模型，基本ER模型需要通過(guò)選擇隨機(jī)等，由此產(chǎn)生的網(wǎng)絡(luò)是從空間的n條邊連接N個(gè)節(jié)點(diǎn) 。在隨機(jī)圖（足夠大）圖表中每個(gè)節(jié)點(diǎn)有相同概率，給定線路的概率p并不小,隨機(jī)的直徑通常是小直徑增加對(duì)數(shù),作為一個(gè)隨機(jī)圖的擴(kuò)展。 1.2.2 Pareto分布及自組織臨界性 假設(shè)使用統(tǒng)計(jì)方法,在許多情況下,標(biāo)準(zhǔn)偏差

7、和數(shù)據(jù)分布是已知和穩(wěn)定的。在許多情況下，人們發(fā)現(xiàn)，仿真結(jié)果生成的數(shù)據(jù)具有肥尾和薄高峰;被稱為leptokurtosis特點(diǎn)。其中一個(gè)復(fù)雜網(wǎng)絡(luò)的特點(diǎn)是外觀的冪律分布在很多地方。 非正式的，這意味著大多數(shù)網(wǎng)絡(luò)連接節(jié)點(diǎn)相對(duì)很少也相對(duì)較小(反之亦然)。 所謂的冪律（S）源于對(duì)帕累托分布、專業(yè)化的帕累托原理,命名Vifredo帕累托(維基百科,2005)。 概率密度分布函數(shù)的定義為： 巴泰勒米（2003） 討論了 兩個(gè)參數(shù)：X m和 k作為分布參數(shù) ，如果形狀（峰度）參數(shù)K I（0,2 k 值 1，平均是無(wú)限的，而對(duì)于k2。方差是有限的。 圖1顯示了的薄峰度，這是分布的特點(diǎn)。我們?cè)谶@里的目的是影響，而不

8、是討論提出一種分析性能的分布，可以發(fā)現(xiàn)任何標(biāo)準(zhǔn)的文本在隨機(jī)分布。這些特點(diǎn)為進(jìn)一步的研究基礎(chǔ)模型和現(xiàn)象的的處理提供線索。我們?cè)诤竺鎸⒒氐竭@個(gè)問(wèn)題上。另一個(gè)問(wèn)題就是“如果這些系統(tǒng)是模擬系統(tǒng)平衡市場(chǎng)所描述的經(jīng)濟(jì)理論，規(guī)范效用最大化代理商將不支持大的分析分布式系統(tǒng)性能,”。 這進(jìn)一步鼓勵(lì)了在統(tǒng)計(jì)簽名驗(yàn)證相關(guān)理論。事實(shí)上,更高，更薄的頻率分布與相應(yīng)的正態(tài)分布，即leptokurtosis高峰，在相當(dāng)多的社會(huì)網(wǎng)絡(luò)（莫斯，2001年莫斯和埃德蒙茲，2005年）數(shù)據(jù)中被觀察到，這樣的行為為徹底調(diào)查高度準(zhǔn)候選人提供分析。因此,有趣的是政策設(shè)計(jì)者和模型不僅識(shí)別波動(dòng)的原因和聚類的數(shù)據(jù),而且尋找能夠預(yù)測(cè)(如果可能的話

9、)相變的方式,這可能被視為政策改變,改變的政治觀點(diǎn)等。自組織臨界性（SOC）可能解釋緩慢的驅(qū)動(dòng)系統(tǒng)，系統(tǒng)行為的結(jié)果是對(duì)其規(guī)模大小限制的響應(yīng)，因此，導(dǎo)致的無(wú)標(biāo)度屬性（在隨后的一節(jié)中討論） 可以解釋為緊急發(fā)展模式的SOC，由于元穩(wěn)定劑之間的相互作用，例如，在某些關(guān)鍵狀態(tài),結(jié)果的相互作用,影響著整個(gè)系統(tǒng)所有成員的相互作用、相互影響。SOC系統(tǒng)的幾個(gè)屬性已被參展。莫斯和埃德蒙茲（2005年）在一些涉及基于代理的社會(huì)現(xiàn)象模擬案件的情況下提出這些屬性：(1)個(gè)人元穩(wěn)定，即，他們不改變自己的行為“，直到已達(dá)到一定程度刺激”。詹森（1998）堅(jiān)持不能表現(xiàn)效用最大化劑的SOC。 （2）本地交互的主要特征及其影響

10、保持當(dāng)?shù)氐拇蟛糠謺r(shí)間。（3）“代理商的影響，但不盲目模仿對(duì)方。（4）“系統(tǒng)正在慢慢推動(dòng)，使大部分代理商低于其門檻（或臨界）規(guī)定的很多的時(shí)間?！?.2.3 小世界網(wǎng)絡(luò)鄂爾多斯和Renyi 提出，如果連通性的概率p =ln(N) ，N為網(wǎng)絡(luò)中的節(jié)點(diǎn)數(shù)目，那么你就能找到連接網(wǎng)絡(luò)中任意兩個(gè)節(jié)點(diǎn)的邊的路徑。作為兩個(gè)節(jié)點(diǎn)之間的最短路徑的長(zhǎng)度往往趨于O(ln(N)，這很小，是一個(gè)隨機(jī)圖形表現(xiàn)的性能，所謂的“小世界”效應(yīng)。一個(gè)具有開創(chuàng)性的貢獻(xiàn)是由社會(huì)學(xué)家斯坦利米爾格蘭姆基于社會(huì)網(wǎng)絡(luò)研究的術(shù)語(yǔ)的“六度分格”。因此，“小世界”一詞意味著，在大多數(shù)網(wǎng)絡(luò)（甚至如萬(wàn)維網(wǎng)），ER模型中的兩個(gè)節(jié)點(diǎn)之間存在一個(gè)明顯短路徑。1

11、998年，美國(guó)瓦茨和史蒂文鄧肯向人們展示了他們的（WS）模型，參見圖2，插值的一個(gè)小世界圖作為一個(gè)純粹的隨機(jī)中間體和規(guī)則圖形。網(wǎng)絡(luò)顯示已觀察到，在相當(dāng)多的友誼，同事網(wǎng)絡(luò)，沖突網(wǎng)絡(luò)等，平均路徑長(zhǎng)度小，顯示出非常高的聚類性質(zhì)特征,聚類系數(shù)。非正式地,聚類系數(shù)支持現(xiàn)象，我的朋友的朋友也有可能被連接到朋友或鄰居節(jié)點(diǎn)的各自其它的單純隨機(jī)網(wǎng)絡(luò)。1.2.4無(wú)標(biāo)度網(wǎng)絡(luò)正如阿爾伯特和Barabasi（2002年）前面解釋的，僅僅用ER模型或WS模型不只是捕捉捕獲到真實(shí)世界網(wǎng)絡(luò)的兩個(gè)重要方面。首先是這樣一種假設(shè):開始節(jié)點(diǎn)的數(shù)目是固定的,不改變。其次，在隨機(jī)網(wǎng)絡(luò)，被連接到另一個(gè)節(jié)點(diǎn)的機(jī)會(huì)具有同樣可能。真實(shí)世界的網(wǎng)絡(luò)

12、不僅隨著時(shí)間的推移，但也具有優(yōu)先連結(jié)的特性,在那里的可能性取決于一個(gè)節(jié)點(diǎn)被連接邊緣的數(shù)量。Barabasi和Albert模型（BA）的鏟球兩個(gè)步驟兩個(gè)方面：一網(wǎng)絡(luò)的增長(zhǎng):從一開始就面臨著少量的節(jié)點(diǎn)，假設(shè)，N和每一個(gè)時(shí)間步開始，一個(gè)新的節(jié)點(diǎn) m在網(wǎng)絡(luò)中引入。 新節(jié)點(diǎn)連接到N的節(jié)點(diǎn) 二優(yōu)先連結(jié):選擇節(jié)點(diǎn)個(gè)數(shù),m(M)連接,連接的節(jié)點(diǎn)，m將被連接到一個(gè)節(jié)點(diǎn)的概率 n /N的取決于連接的節(jié)點(diǎn)，這樣，網(wǎng)絡(luò)的發(fā)展就證明,艾伯特和鮑勞巴希所表現(xiàn)的(2002),網(wǎng)絡(luò)演化成了一個(gè)“時(shí)變比例的狀態(tài),例如度分布遵循冪律,與M 的獨(dú)立縮放組件。2 .2 社會(huì)網(wǎng)絡(luò)分析（SNA）過(guò)去幾十年的研究人員利用社會(huì)網(wǎng)絡(luò)調(diào)查研究方

13、法的模式，研究了屬于各種網(wǎng)絡(luò)，如親屬關(guān)系，工作，友誼等人之間的互動(dòng);或查明的主要作用物或網(wǎng)絡(luò)中的節(jié)點(diǎn)它們?cè)谝恍┓矫嬗绊懢W(wǎng)絡(luò)結(jié)構(gòu)的方式。值得注意的是，盡管社會(huì)網(wǎng)絡(luò)研究在指令系統(tǒng)方面描述的事實(shí)，它有一個(gè)歷史悠久的定性研究。社交網(wǎng)絡(luò)，在更寬廣的術(shù)語(yǔ)中也許被視為重要的社會(huì)科學(xué)子自律。因此，社會(huì)網(wǎng)絡(luò)研究的范圍從單純的定性研究到復(fù)雜的定量指標(biāo)，捕捉底層網(wǎng)絡(luò)宏觀屬性的發(fā)展。正如我們?cè)诒疚暮竺鎸⑻岢龅囊恍┭芯咳藛T最近提出的爭(zhēng)論，任何確鑿證據(jù)在一個(gè)案例研究報(bào)告發(fā)表之前社會(huì)網(wǎng)絡(luò)建模時(shí)實(shí)施案例解析結(jié)構(gòu)。 這個(gè)重要的社會(huì)網(wǎng)絡(luò)特征使它們區(qū)別復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)的物理和生物系統(tǒng)。3.3 社會(huì)網(wǎng)絡(luò)的實(shí)地調(diào)查研究的幾個(gè)問(wèn)題 雖然在原

14、則上，任何一個(gè)社會(huì)網(wǎng)絡(luò)的研究應(yīng)基于獲得真實(shí)世界的實(shí)證，是該領(lǐng)域的研究者最具有挑戰(zhàn)性的任務(wù)之一。不幸的是,這往往導(dǎo)致網(wǎng)絡(luò)分析不是制定在非常小的數(shù)據(jù)集上就是一些先驗(yàn)的假設(shè)集,甚至更糟。一個(gè)主要障礙是利益相關(guān)者往往不愿意以任何理由引進(jìn)研究人員，尤其是當(dāng)問(wèn)題是在一個(gè)案例研究區(qū)關(guān)系到他們與其他利益相關(guān)者的關(guān)系。另一個(gè)障礙是無(wú)法獲得的資金做實(shí)地調(diào)查研究，可能是導(dǎo)致支付較少注意力研究現(xiàn)實(shí)世界的社會(huì)進(jìn)程或充分代表利益相關(guān)者的行為做不合理的假設(shè)來(lái)提供的匯總數(shù)據(jù)。Schensul 等人（1999年）確定，一些社交網(wǎng)絡(luò)在個(gè)案研究的基礎(chǔ)上的描述，包括以下內(nèi)容： 1.鑒定人2.人們?nèi)绾味x由團(tuán)體成員3.“人們使用的規(guī)則

15、為成員包括和不包括”4.家庭和性的關(guān)系，（如有），團(tuán)體內(nèi)等實(shí)地調(diào)查研究的一個(gè)主要目的是確定社會(huì)團(tuán)體的邊界之間存在著社會(huì)團(tuán)體的利益相關(guān)者和作用物或調(diào)查特點(diǎn)來(lái)區(qū)分它們。定義：從Schensul 等的界限。 “邊界構(gòu)成的網(wǎng)絡(luò)邊緣和團(tuán)體，以及被規(guī)則定義為出入境人群以及其他文化模式劃分的一組參與另一組。” 人們建議，這是非常重要的訪談，當(dāng)個(gè)案研究領(lǐng)域中有盡可能多的人，因?yàn)樗麄兊氖烊撕退麄儓F(tuán)體的意見有助于在各組幫助確定的納入/排除，封閉/開放。回到鄰里的概念，物理上相鄰,也許被描述成根據(jù)土地利用，分區(qū)的偏析等社會(huì)生活的各個(gè)方面的地區(qū),是基于“當(dāng)?shù)厣鐣?huì)的互動(dòng)關(guān)系,社會(huì)階層、種族和激進(jìn)的起源、生命周期特點(diǎn)的人

16、口,長(zhǎng)度、居住和工作的地點(diǎn)等等。任何證據(jù)為基礎(chǔ)的研究的一個(gè)重點(diǎn)是社區(qū)，社會(huì)單位，人民有著共同的價(jià)值觀和需求“和/或類似的思想。嵌入在其定義為局部性的概念，一個(gè)社區(qū)可能被認(rèn)定為共享的社會(huì)特征或社會(huì)空間，其中發(fā)生相互作用，或兩者兼而有之。鄰居之間的局部相互作用一直是作為不少代理基礎(chǔ)的社會(huì)模擬問(wèn)題，正如我們以后將要討論，許多這樣的仿真模型固有的空間是很明確的。在社會(huì)空間中的一個(gè)自然單位是家庭或家庭的集群，如大家庭等。識(shí)別社區(qū)空間和不同的地區(qū)是至關(guān)重要的，尤其是在模擬土地利用變化等方面，（土地利用變化，2001年） 正如貝利和Gatrell（1995）解釋的，“空間數(shù)據(jù)分析是涉及數(shù)據(jù)時(shí)空間位置，并明確

17、地考慮到結(jié)果的分析或解釋的空間安排可能的重要性?？臻g分析，例如那些基于圖形信息系統(tǒng)（GIS）技術(shù)，突出的重要性，強(qiáng)調(diào)它的存在，或影響的地區(qū)，如果有的話，在空間上下造成的作用物的行為。schensul等人（1999）已全面涵蓋了這些問(wèn)題包含數(shù)據(jù)空間的映射;然而，我們限制報(bào)導(dǎo)的一些最相關(guān)的問(wèn)題。對(duì)于任何一個(gè)社會(huì)網(wǎng)絡(luò)，原子單位明顯是個(gè)體。在收集有關(guān)個(gè)人的數(shù)據(jù)，它是非常有用的來(lái)確定一般時(shí)空的限制，限制了大多數(shù)人的運(yùn)動(dòng)，并在該地區(qū)的互動(dòng)。社區(qū)，社會(huì)網(wǎng)絡(luò)調(diào)查迫在眉睫，一個(gè)重要方面是存在所謂的“社區(qū)組織，在社區(qū)周邊范圍內(nèi)經(jīng)營(yíng)。這些組織也許根據(jù)他們的會(huì)員識(shí)別類型(如打開,可參考,等),提供服務(wù)(如社會(huì)、經(jīng)濟(jì)等

18、)和最低門檻成員數(shù)量等因素。這類組織可以緊密管理，非政府組織（NGO），或松散結(jié)合的當(dāng)?shù)鼐銟?lè)部等。對(duì)于公共或國(guó)有機(jī)構(gòu)，通常在社區(qū)居民的普遍福利服務(wù)，這是比較其他數(shù)據(jù)較容易獲得。如果在當(dāng)?shù)氐乃饺司銟?lè)部,致力于他們的特定的利益的成員,獲得數(shù)據(jù)肯定是一個(gè)重要的任務(wù)，因?yàn)槿藗兺ǔ１苊夤_其私人的社交活動(dòng)和背景。然而，就在社區(qū)的社會(huì)網(wǎng)絡(luò)，例如當(dāng)?shù)氐木銟?lè)部，這是基石，因此最重要的是要進(jìn)行調(diào)查。在這方面的一個(gè)主要困難是當(dāng)?shù)厝嗣竦牟恍湃螌?shí)地調(diào)查的研究人員，尤其是貧困區(qū)和窮人。一個(gè)社會(huì)網(wǎng)絡(luò)中的定性研究其造成的影響不是立即可見，人們往往認(rèn)為這種做法浪費(fèi)時(shí)間，和可能存在的剝削。因此，這是巨大的重要性，定性實(shí)地考察社

19、會(huì)網(wǎng)絡(luò)中所涉及的研究人員，有足夠的時(shí)間和資金的支持，使他們也許能夠獲得當(dāng)?shù)厝嗣竦男判?，以及住在哪里，包括它們的價(jià)值。 一個(gè)有趣的方法，涉及到“玩家”，“角色扮演游戲”的成立，我們簡(jiǎn)要回顧后。 4.4 面向非傳統(tǒng)的SNA 最近,社會(huì)網(wǎng)絡(luò)分析社區(qū)關(guān)注著那些使用(和誤用)的度量標(biāo)準(zhǔn)和驗(yàn)證技術(shù)進(jìn)行實(shí)證和模擬的兩個(gè)網(wǎng)絡(luò)。隨著大量可用的測(cè)量工具，它已經(jīng)變得非常重要，要謹(jǐn)慎選擇最合適的，取決于基礎(chǔ)研究方面的指標(biāo)集。例如，無(wú)論是傳播疾病，非對(duì)稱信息交流，配對(duì)的友誼關(guān)系等，尤其是在確定傳輸?shù)年P(guān)鍵參與者。 因此，數(shù)據(jù)是否有向或無(wú)向網(wǎng)絡(luò)的性質(zhì)和背景是重要的。borgatti和梅赫拉（草案）最近提出了對(duì)傳統(tǒng)社會(huì)網(wǎng)絡(luò)分

20、析的四個(gè)主要的批評(píng)。我們目前只有他們?cè)u(píng)估有關(guān)的動(dòng)態(tài)和“機(jī)構(gòu)”，簡(jiǎn)要詳情，在原件上。傳統(tǒng)的結(jié)構(gòu)主義批評(píng)網(wǎng)絡(luò)的研究是靜態(tài)的邀請(qǐng)，因此，只是聚焦，而忽略的因素造成網(wǎng)絡(luò)的演進(jìn)。然而，有關(guān)概念的信息和對(duì)社會(huì)影響的擴(kuò)散，它不僅有強(qiáng)大的理論基礎(chǔ)支持，而且這些概念已導(dǎo)致不少分析和圖形分析工具的發(fā)展。參考文獻(xiàn)：（1）偉業(yè),河，Barabasi，A.（2001），統(tǒng)計(jì)力學(xué)的復(fù)雜網(wǎng)絡(luò)，（2）偉業(yè)，R，A.Barabsi（2002），統(tǒng)計(jì)力學(xué)的復(fù)雜網(wǎng)絡(luò)，牧師.國(guó)防部.物理學(xué)報(bào)，74，47，（3）阿克塞爾羅德，R.（1997），仿真藝術(shù)，社會(huì)科學(xué)在推進(jìn)，在康特，Hengselmann和Terno的（合編），模擬社會(huì)現(xiàn)象

21、，柏林等：施普林格出版社。（4）AXTELL，RL（2001），“相互作用的拓?fù)浣Y(jié)構(gòu)和制度的幾個(gè)多Agent系統(tǒng)的激活效應(yīng)”，在基于多Agent的仿真程序（MABS 2000），計(jì)算機(jī)科學(xué)，卷講義。1979年，柏林等：施普林格出版社，頁(yè)33-48。 （5）巴泰勒米，O（2003），“社會(huì)模擬模型結(jié)構(gòu)的影響”， 第一屆歐洲社會(huì)仿真協(xié)會(huì)(會(huì)議)格羅寧根也可作為中心政策模擬報(bào)告CPM-03號(hào)-121, （6）BARRETAEAU，澳，布斯凱，樓Attonaty，J，2001年，“角色玩游戲，開放的多代理系統(tǒng)的黑匣子：其應(yīng)用的方法和經(jīng)驗(yàn)教訓(xùn)塞內(nèi)加爾河流域灌溉系統(tǒng)”雜志人工社會(huì)和社會(huì)模擬，卷4（7）卡利

22、，知識(shí)管理，動(dòng)態(tài)網(wǎng)絡(luò)分析，在Breiger，卡利，和帕蒂森（合編），動(dòng)態(tài)的社會(huì)網(wǎng)絡(luò)建模和分析（2003年）：研討會(huì)綜述和論文，對(duì)人的因素，國(guó)家研究理事會(huì)，國(guó)家研究理事會(huì)，PP委員會(huì)133-145. （8）埃德蒙茲，句法復(fù)雜性措施，博士論文， B. (2001), 曼徹斯特大學(xué)， , （9）埃德蒙茲（記者），物理和社會(huì)空間有關(guān)嗎？ -必要的“膠水”的認(rèn)知代理，在Billari，樓等 （合編）， 基于Agent的計(jì)算模型：應(yīng)用在人口，社會(huì)，經(jīng)濟(jì)和環(huán)境科學(xué) ，柏林等: 施普林格出版社。（草稿訪問(wèn)：）（10） 埃德蒙茲和Chattoe，E.（2005） ，簡(jiǎn)單的措施失敗時(shí)：使用模擬的專業(yè)社會(huì)網(wǎng)絡(luò)，社會(huì)

23、網(wǎng)絡(luò)分析：進(jìn)展與實(shí)證應(yīng)用論壇,牛津,2005年7月16-17日,CPM報(bào)告05-158，MMU的。 。（11）FEARLUS（2006），區(qū)域土地利用情景，麥考利研究所的評(píng)價(jià)和評(píng)估的框架，英國(guó),（12）格蘭諾維特，M.（1973），“弱關(guān)系的力量?！保?美國(guó)社會(huì)學(xué)雜志 ，第一卷78，第1360至1380。（13）延森，HJ（1998），自組織臨界性：突發(fā)物理和生物系統(tǒng)的復(fù)雜行為，劍橋 在物理學(xué)方面的講稿,韋氏在線詞典， （14）MOSS和埃德蒙茲（2005年b），建立良好的社會(huì)科學(xué)，人工社團(tuán)和社會(huì)仿真學(xué)報(bào)，第八卷。.（15）紐曼，MEJ（2003），復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)和功能， 暹羅評(píng)論，第45卷

24、，第167-256 （16）帕克，直流，伯杰，T.和曼森，SM（2001）主編，迎接復(fù)雜的挑戰(zhàn)：基于Agent的模型Land-Use/Land-Cover變化特別研討會(huì)論文集，CIPEC/CSISS，圣巴巴拉, （17）波希爾，建國(guó)，帕克，DC，和Gotts，NM：（2005），“土地市場(chǎng)介紹一個(gè)基于Agent的土地利用變化模型：一個(gè)設(shè)計(jì)，在第三屆歐洲社會(huì)模擬會(huì)議（ESSA）的法律程序，科布倫茨，德國(guó)（18）斯科特，J.（1991）， 社會(huì)網(wǎng)絡(luò)分析：一本手冊(cè) ， 倫敦。SAGE出版。（19）瓦茨，DJ（2003），六度連接的年齡，諾頓公司的科學(xué). 維基百科（2005年），“帕累托分布”，維基百

25、科。附件2：外文原文Complex Networks Theory and Agent-based Social Networks: A Synopsis Shah Jamal Alam Centre for Policy Modelling Manchester MetropolitanUniversity Business School 20 th October 2005AbstractThis review provides a survey of some of the most important concepts in the field of the so-called com

26、plex networks, and some classical and recent applications in various disciplines. Social networks are introduced in Section 2, and an overview of the traditional analysis techniques is presented. Section 3 addresses the issue of the techniques and issues that arise in the fieldwork research about so

27、cial networks. We discuss, in Section 4, some recent critique of the traditional social networks analyses techniques and the ideas to tackle their dynamics, as presented researchers in the field. Finally, Section 5 discusses the used of agent-based modeling in the study of social networks. Keywords:

28、 Complexity, complex networks, agent-based social networks1. Theory of Complex Networks This section begins with an attempt to explain complexity as defined by researchers in the relevant fields.We present the notion of complex networks in general, followed by a discussion on the most important char

29、acteristic networks. The section ends with a quick overview of some recent applications of the complex networks theory in various disciplines. The enormity of the size of networks in quite a few real-world applications, gave rise to a new surge in multidisciplinary research under the term called com

30、plex networks. The term umbrellas the size, similarity of structure and dynamics in the observed networks, which belong to a variety of disciplines, from natural and physical sciences, social sciences to the Web.In the last decade, extraordinary advancements have been made in the studies of complex

31、networks. The studies have resulted in identifying characteristic networks and their relevant measures. A comprehensive review may be found in (Newman, 2003; Albert and Barabsi, 2002).1.1 Complexity and complex networks The crux of the CAVES project is tackling complexity and may be useful to presen

32、t its notion in the context of aims of the project. Networks emerge when subsystems or in terms of social system, actors, are linked with respect to some relations. The idea of complex networks has been around for almost a decade now, which we discuss in the subsequent section.1.1.1 Complexity To be

33、gin with, the Merriam-Webster dictionary (2005) defines the term complex as (we pick the most relevant variant) Definition: Complexity “a group of culture traits relating to a single activity (as hunting), process (as use of flint), or culture unit b (1): a group of repressed desires and memories th

34、at exerts a dominating influence upon the personality (2): an exaggerated reaction to a subject or situation c: a group of obviously related units of which the degree and nature of the relationship is imperfectly known” Our purpose here is to present the notion of complexity that arises as a result

35、of interaction among actors (individuals, organizations, etc.) which is in most cases is localized, but leads to the emergence of patterns that would be hard to predict given the simple nature of the rules-of-interaction. Complexity, complex systems and all sorts of relevant terms have appeared exte

36、nsively in the contemporary scientific and philosophical literature, eg Edmonds (2001) define complexity which can be used in the context of the level of difficulty involved in modeling the behavior of a natural or artificial system. Definition: Complexity as defined by Edmonds（2001）“ Complexity is

37、that property of a model which makes it difficult to formulate its overall behaviour in a given language, even when given reasonably complete information about its atomic components and their inter-relations. ”1.1.2 Complex NetworksNetworks have been studied formally at least as early as from the 18

38、 th century, where Euler pioneered the Graph Theory in his attempt to solve the famous Knigsberg bridge problem. Graph theoretic concepts have been applied ever since in various disciplines where there are a set of entities linked by means of some relationship. Investigating the structural propertie

39、s of such networks has led to a whole range of analytic measures that form the basis of the modern graph theory. Application of such analysis tools in social sciences can date back to the start of the 20 th century (Scott, 1991), in which ever since, the discipline of social network analysis (SNA) h

40、as stemmed as a result of the research of networks involving actors (individuals, organizations, etc.) and development of a metrics focusing on different aspects of social positions and interactions. We will discuss SNA in the Section 2.1.2 Typical Complex Networks and Characteristics We present onl

41、y a brief overview of the typical complex network characteristics and their salient features. An exhaustive literature is available, especially ( Barabsi, 2001; Watts，2003），provide a comprehensive account of the networks.1.2.1 Random Graph Theory One of the earliest attempts to study the behavior of

42、 these so-called complex networks dates back to the seminal work on random graph theory by Paul Erds and Alfrd Rnyi, (the so-called ER model) in the 1950s. The basic ER model requires connecting N nodes through n edges chosen randomly such that the resulting network is from a space of graphs, each e

43、qually likely. Several nodes can have the same degree in a random graph (large enough) which can be calculated. Given the probability of wiring p is not small, the diameter of random graphs is usually small and the diameter increases logarithmically, as a random graph evolves.1.2.2 Pareto Distributi

44、on and Self-Organized CriticalityThe underlying assumption in using the statistical methods, in many situations, is that the mean and standard deviation of the distribution of the data are known and are stable. In many cases, it was found that the simulation results in generation of data that has a

45、fat-tail and thin-peak; a characteristic known as leptokurtosis . One of the most studied characteristics of the complex networks is the appearance of the power-law distribution in many areas. Informally, it means that the most connected nodes in the network are relatively very few as compared to th

46、e lesser connected nodes (or vice versa).The so-called power-law(s) stem from the Pareto Distribution , a specialization of the Pareto Principle , named after Vifredo Pareto (Wikipedia, 2005). The probability density function of the distribution is defined as:The distribution is parameterized by two

47、 parameters: x m and k. As Barthlmy (2003) discusses, if the shape (peakedness) parameter k (0,2 has value k 1 , the mean is infinite; while for k 2 the variance is finite. Figure 1 shows the thin peakedness, which is the characteristic of the distribution. Our purpose is here is about the implicati

48、ons and not presenting a discussion on the analytical properties of the distribution, which can be found in any standard text on stochastic distributions.Such characteristics provide cues for further investigation of the underlying model and the phenomenon it addresses. We will come back to this iss

49、ue later in this article. Another implication identified by (ibid) was that “ the specification of utility maximising agents will not support an analysis of the properties of large, distributed systems if those systems are to mimic market systems as described by equilibrium economic theory ”. This f

50、urther encourages in looking for statistical signatures in validating the relevant theories. The fact that higher, thinner peak of the frequency distribution with respect to the corresponding normal distribution, ie leptokurtosis, are observed in the series of data from quite a few social networks (

51、Moss, 2001; Moss and Edmonds, 2005), provides analysis of such behavior a highly prospective candidate for a thorough investigation. Therefore, it is interesting for both policy designers and modelers to not only identify the causes of volatility and clustering of data, but to look for means to be a

52、ble to predict (if possible) the phase transition, which may be regarded as policy change, change of political views, etc. Self-Organized Criticality (SOC) maybe interpreted as the response of slowly-driven system such that the outcome of the systems behavior is limited by the magnitude of its size;

53、 thus, leading to the scale-free property (discussed in the subsequent section). Following Jensen (1998), one may explain SOC as the development of emergent patterns due to the interactions among meta-stable agents, such that at some critical state, the result of interactions affects the entire syst

54、em such that all members of the system influence each other. Several properties of the systems exhibiting SOC have been reported. Moss and Edmonds (2005) present these properties in the context of a number of cases involving agent-based simulation of social phenomena as: Individuals are meta-stable,

55、 ie, they do not change their behavior until some level of stimulus has been reached.Jensen (1998) insists that SOC cannot be manifested with utility maximizing agents. Local interactions are the dominant feature and their effects remain local most of the time. Agents influence but do not slavishly

56、imitate each other. The system is slowly driven so that most agents are below their threshold (or critical) states a lot of the time.1.2.3 Small-World NetworksAs shown by Erds and Rnyi, if the probability of connectedness p ln(N) , N being the number of nodes in the network, then one can find a path of edges that connects any two nodes in the network. As the length of the shortest path between two nodes tends towards O(ln(N) , which is small, a random graph exhibits the property, the so-called small world eff