Динамический сетевой анализ

Существует два основных направления в этой области: статистический анализ данных DNA и использование моделирования для изучения динамики сетей. DNA анализирует более крупные, динамичные, мультирежимные и мультиплексные сети, которые могут включать различные уровни неопределённости. Главное отличие DNA от класcического АСН состоит в учёте взаимодействий между социальными характеристиками, обусловливающими структуру и поведение сетей. DNA тесно связано с временным анализом, однако не каждый временной анализ является DNA: иногда изменения в сетях обусловлены внешними причинами, не связанными с социальными свойствами самих сетей. Одна из первых работ, где применялся DNA, — это исследование Сэмпсона в монастыре, когда фиксировались состояния одной и той же сети в разные моменты времени, что позволило проследить эволюцию структуры^[2].

Статистические инструменты DNA обычно оптимизированы для анализа больших сетей и позволяют исследовать одновременно несколько сетей с различными типами узлов (мультиузловые) и связей (мультиплексные). Такие структуры часто называют метасетями или сетями высокой размерности. В отличие от этого, инструменты АСН чаще ориентированы на простые сети (один или максимум два типа данных) и анализируют только один тип связей одновременно.

Инструменты DNA предоставляют больше метрик, поскольку используют информацию сразу из нескольких сетей. Для анализа динамических социальных сетей применяются скрытые пространственные модели (Sarkar и Moore, 2005) и моделирование на основе агентов (Carley и др., 2009). В компьютерных моделях узлы в DNA по аналогии с атомами в квантовой теории могут рассматриваться как вероятностные; в то время как в традиционных моделях АСН узлы статичны, в DNA узлы способны учиться. Их свойства меняются во времени, они могут адаптироваться: сотрудники фирмы осваивают новые компетенции, повышая ценность для сети; или в террористической структуре при поимке одного участника остальные вынуждены перестраиваться. Изменения распространяются от одного узла к другому далее по сети. DNA исследует эволюцию сети и условия, при которых происходят те или иные изменения.

Три отличительных черты DNA относительно стандартного анализа социальных сетей: во-первых, DNA работает с метасетями, а не только с социальными; во-вторых, применяется моделирование на основе агентов и другие симуляции для анализа эволюции и воздействия различных вмешательств; в-третьих, связи не являются просто бинарными, а зачастую выражают вероятность их наличия.

Сложные сведения о взаимосвязях между объектами можно эффективно свести к компактным векторным представлениям низкой размерности в скрытом пространстве^[3]. Динамические системы, в отличие от статических, характеризуются временными изменениями. Отличия между получаемыми представлениями в динамике могут быть обусловлены как реальными процессами, так и случайными сдвигами, не влияющими на метрики в скрытом пространстве; первые отражают устойчивость системы, а вторые — связаны с вопросами согласованности векторных представлений^[4].

По сути, устойчивость системы определяет её динамику, а несогласованность — отражает несущественные изменения в скрытом пространстве. Динамические представления называются согласованными, если различия между ними в разные моменты времени соответствуют настоящим изменениям системы, а не случайным сдвигам. Вопрос согласованности и устойчивости динамических представлений важен для задач, связанных с временными изменениями скрытого пространства: прогнозирование метаданных, изучение временной эволюции, динамическая визуализация, усреднение представлений и другие.

Метасеть — это мультимодальная (многоуровневая), мультилинковая и многоуровневая сеть. Мультимодальность означает наличие разных типов узлов — например, люди и локации. Мультилинковость — наличие разных типов связей: например, дружба и советы. Многоуровневость — то, что одни узлы могут быть частью других, как в сети, где действуют люди и организации, и есть связь «принадлежность к организации».

Хотя разные исследователи по-разному формируют моды, часто встречаются моды «кто», «что», «когда», «где», «почему» и «как». Простейший пример метасети — модель PCANS (люди, задания, ресурсы). Более подробные варианты учитывают людей, задания, ресурсы, знания и организации. Для анализа метасетей был разработан программный комплекс ORA.

• Разработка метрик и статистических показателей для выявления изменений внутри одной или между разными сетями.
• Построение и валидация моделей для анализа изменений, эволюции, адаптации, деградации сетей.
• Формирование и тестирование теории изменений, эволюции, адаптации, деградации сетей^[5].
• Разработка формальных моделей генерации и эволюции сетей.
• Создание методов визуализации изменений — как всей сети, так и на уровне отдельных узлов или групп.
• Разработка статистических методов для выяснения, связаны ли наблюдаемые изменения с временными вариациями структуры или с общей сменой распределения узлов/связей.
• Проектирование управляющих процессов для сетей с течением времени.
• Разработка алгоритмов для изменения распределения связей по времени.
• Создание алгоритмов отслеживания групп в динамике.
• Разработка инструментов выявления сетей из разных данных (например, текстов).
• Разработка статистически корректных измерений сетей во времени.
• Изучение надёжности метрик в условиях неполных данных.
• Эмпирические исследования мультимодальных, мультилинковых, мультивременных сетей.
• Анализ сетей как вероятностных временно изменяющихся явлений.
• Прогнозирование изменений в существующих сетях.
• Выделение следов во времени по последовательности сетей.
• Выявление изменений в значении узлов по мере изменения сетей; иные задачи, связанные с мультимодальными, мультилинковыми, мультивременными сетями.
• Изучение случайных блужданий в временных сетях.
• Квантификация структурных свойств последовательностей контактов в динамических сетях, влияющих на динамические процессы.
• Оценка скрытых и нелегальных сетей.
• Анализ цитирований.
• Анализ социальных медиа.
• Оценка работы систем здравоохранения.
• Анализ безопасности в медицинских учреждениях.
• Исследование структуры этнического насилия по данным СМИ.
• Анализ террористических сетей.
• Исследование упадка социальных связей в онлайн-среде.
• Моделирование взаимодействий в школьных классах.