文摘

近年来,复杂网络的方法已经被应用于各个领域。动态复杂网络的研究也是一个重要的分支。有许多类型的动态复杂网络的研究,但是很少有学者利用文献计量学研究。因此,本文采用文献计量学的方法,分析动态复杂网络的发展历史和现状,为本研究的总结描述字段。我们用CiteSpace和Pajek分析网站上的2936篇相关论文的科学和进一步解释和总结分析结果。充分显示了文献的结果,我们进一步推导出生产国家,机构,来源,作者和动态复杂网络研究的一些主要研究方向。研究结果表明,动态复杂网络研究方法应用于各领域的动态研究方法被集成到复杂的网络。根据引用论文的主题分析,我们发现动态复杂网络方法已广泛应用于各个学科。通过紧急分析,我们发现最新的热点研究趋势是传染病的研究和应用在神经网络。同时,通过主要的路径分析,我们发现重要文献阐述开发环境的动态复杂网络在不同的时间点。 This paper gives a comprehensive analysis of dynamic complex network research and provides some enlightenment for the future research direction.

1。介绍

一个数学家欧拉以来,在17世纪,提出了“哥尼斯堡七桥,”关于复杂网络的相关理论已经开始成形。七桥问题抽象土地和桥分两边,和点之间的联系,构成一个简单的网络结构。在过去的十年里,从小型网络图的分析研究大规模复杂网络,网络的研究吸引了越来越多的人的利益。如今,复杂网络已广泛应用于各个学科。这是一个表示的复杂系统的一般方法,主要用来模拟复杂的拓扑系统由许多节点。

第一个重要发现复杂网络是ER随机网络模型提出的20世纪中叶的鄂尔多斯,Renyi [1]。这个模型可以使用图论和概率统计理论来分析大规模网络,打开了门,一个新的研究领域,随机网络理论。

复杂性科学的一个重要分支,对复杂网络理论的研究不断加深,以及其应用领域正在逐步扩大。如今,复杂网络通常指网络重要的拓扑特征。与传统网络、复杂网络的特点是晶格或随机图。典型的例子是神经系统、代谢网络、生态网络、电网、和无线通信(2- - - - - -6]。很多学者关注形成机制,进化法,和动力学的复杂网络,学校已形成了十字路口的复杂性研究,系统动力学,混沌理论的学校,学校自适应系统的学校,和结构。社会网络分析的应用程序也是一个热门研究方向目前(7]。在社会媒体(8),社交网络(9,10),和信息传播(11],学者解释等一系列问题复杂网络和现实之间的逻辑关系。同时,学者们也进行了深入的机制研究和实践的复杂网络。信息传输的协整关系和行为在社会生态学已成为一个热门研究方向12]。陆和陈13)简要分析了复杂网络在2009年以前。在最近的研究复杂网络,周et al。14)回顾了主要的发展分析,控制和复杂网络的应用在过去的十年。他们总结了复杂网络的基本分析方法和他们的应用程序在不同的领域。河中沙洲(15)认为,网络方法可以简化复杂的系统,这样人们就可以更好地理解它的整体功能。

然而,复杂网络并不是静态的,正如我们大脑的神经系统细胞是不断变化的。复杂网络也显示相同的小世界效应和无标度分布的高聚合(6]。与此同时,它动态演化过程中有不同的特征16]。在这种情况下,有一个复杂的网络展示了这些特征的动态平衡往往是受年龄影响的节点,添加连接的成本和能力。Broomandi et al。17)使用一个动态的复杂网络分析PM2.5浓度在英国和使用分层有向图分析。在为期一年的研究中,本文发现PM2.5浓度的相对变化的城市背景从稀疏的网络数据是由气象条件和区域排放的来源。一些学者也研究了复杂系统的应用;例如,Borgnat et al。18)学会了社区公共自行车系统通过建立一个复杂的网络系统和Aplin et al。19)的生成条件和机制进行了探讨文明规范。在这些研究中,文化整合的关键因素被认为是人类的复杂系统。

因为它可以表示复杂系统之间的关系在一个相对完整的方法,复杂网络在各个领域吸引了越来越多的关注。文献计量分析是科学文献分析技术,可以用来分析文学的选择区域通过计量的发展一个特定领域的信息。朱和关20.)使用网络的小世界理论来分析服务创新和发现服务创新的研究现状和热点。分析的基础上从Web的科学数据库检索437篇论文从1992年到2011年,作者探讨了这一领域的知识结构,发现最受欢迎的关键字,这也显示了动态变化的研究热点。然后,复杂网络已经应用于许多领域,尤其是生态。Borrett et al。21)系统地回顾了研究发表在《生态网络分析从2010年到2016年,用文献计量学的结合,网络,和特性分析建立8个学科集群的书目记录,和分析确定了387作者协作网络组成的八更重要的组件。最后,得出生态网络分析是一个多元化的集体科学领域,进一步发展ENA提出更好的解决问题的理论生态学和环境影响评价和管理。

在接下来的几年里,复杂网络,特别是社交网络,成为一个重要的方法来研究社会问题。王等人。22)旨在讨论国际人才流动通过文献计量方法及其正面和负面的因素。王国际人才流动的复杂网络建模使用斯高帕斯文献数据,建立相应的网络指标,和重力引入改进的多元线性回归模型。解释了全球人才流动的原因。研究结果可以为进一步的研究提供理论依据和政策建议培养、吸引和留住全球科技人才。

一些学者用文献计量学的方法来研究复杂网络及其相关应用领域。张,周23]分析了复杂网络文学从我们检索数据源。他们分析了这一领域的研究现状和发展趋势等使用方法文献计量分析和可视化分析和提出了这一领域的研究现状和发展趋势。结果表明,复杂网络的研究已进入蓬勃发展的阶段,一些研究方向已经变得成熟。未来的研究方向可能专注于复杂网络的算法分析和设计,动力学研究和结构识别。流行的社会网络分析改善能力测试假设复杂动物社会结构。韦伯和范德24)系统地调查使用的文学和社会网络分析从文献中提取信息发布趋势。与此同时,作者也给一些指导未来的研究方向。我们发现用文献计量学方法研究主要集中在传统的复杂网络方法。等一些新兴复杂网络的研究中,动态复杂网络,学者们不习惯文献计量学的方法系统地阐述。

与此同时,一些学者从不同的角度分析动态复杂网络研究和字段,但很少有人试图探索知识动态复杂网络研究领域的映射。大部分的研究领域的变化随着时间的推移,应用动态复杂网络的研究方法和字段已经扩大,和不同学科的交叉研究也逐渐的学者的注意。因此,有必要分析现状和在这些领域的新兴趋势很有成效。从文献计量学的角度来看,使用CiteSpace软件获得的结果更全面和直观,所以CiteSpace是最受欢迎的文献计量学工具之一(25,26]。CiteSpace可以挖掘的信息我们需要为一个特定的主题,从大量的文献数据相对简单的操作步骤,包括知识库的研究话题,相应的学科结构,和最新研究前沿。使用分析软件,我们可以捕捉从巨大的文学,我们想要的信息,让我们研究领域的深入分析基于这些信息。

从上面的分析,我们可以看到,理论分析和动态复杂网络的具体应用已经逐渐改善。然而,关于这些研究,学者们没有进行一个全面的总结阐述动态复杂网络研究的发展背景。此外,我们已经学会了一些有用的信息动态复杂网络研究帮助初学者理解。因此,本研究的目的是填补差距科学计量分析和动态复杂网络的研究。我们希望,通过本文的研究,我们可以发现动态复杂网络研究的过去和现在。

因此,本文使用CiteSpace和Pajek分析所有相关文章从我们的网站下载。基于关键词的统计数据,作者,国家,引用文献,主要发展路径,给出了相应的图表,动态复杂网络研究的概况介绍,和一些启蒙学者为下面的研究提供方向。

为了实现上述目标,本文的组织结构如下:部分1主要介绍了基本的定量分析方法;部分2分析水平的出版物、国家机构、作者和获得这一研究领域的基本信息。节3,使用特殊的计量经济学分析方法引入的研究现状,研究重点,过早和热点问题阐述了突然的应用检测在动态复杂网络的研究。我们在部分指出潜在的研究方向4。节5,主要的路径分析用于评估相关研究的发展道路动态复杂网络,和重要节点文献进行综述和分析。最后,部分6结论总结了基于上述分析结果。

2。在复杂网络研究中基本的文献计量学分析

CiteSpace申请分析之前,我们需要建立数据库进行分析。此外,我们将分析生产国家和地区、机构、热点问题和研究趋势。此外,我们还将深入研究论文中的关键词和爆发点字段相关的动态复杂网络。最后,基于上述数据执行可视化。

2.1。构建CiteSpace数据库

有两个步骤来使用CiteSpace构建数据分析。第一步是选择数据库,它应该包含所有相关文献,包括使用co-cited网络由选定的文章引用。其中,有价值的信息知识每个理论和概念之间的联系通常是反映在它的引用(27),这充分显示了知识地图的动态复杂网络和可视化的进化和发展的过程。更具体地说,本节介绍了有影响力的机构和论文。在此基础上,分析了研究现状的动态复杂网络通过使用co-citation网络。

在选择数据库,我们使用CiteSpace介绍复杂网络的每个地图的意义。首先,我们分析的出版物和引用复杂网络方法通过出版物和来源的阿特拉斯观察趋势改变随着时间的推移。其次,我们使用CiteSpace研究动态复杂网络的演化。演化过程分析主要包括知识的分类集群的动态复杂网络;识别主要的集群在复杂网络和动态分析知识图;和时间维度分析的来源、发展和地位的重要关键词。最后,突然发现是指变量的值显著变化在相对较短的时期。通过研究破裂的话,我们可以强调研究我们想研究领域中的热点和相应的变化趋势。下面,我们将介绍详细引文分析过程在动态复杂网络的研究。

2.2。引文分析的动态复杂网络

我们在动态复杂网络检索2936篇论文从我们根据我们想要研究领域。文献已经被过滤和无关紧要的文件被排除在外。在时间方面,我们选择了从2011年到2021年。近年来,复杂网络理论迅速发展并广泛应用于各个领域。与此同时,我们可以掌握这个领域的未来发展趋势,通过分析近年来相关文献。接下来,我们将详细说明我们的数据来源。

社会科学引文索引(1)和科学引文索引扩展(合作伙伴)从网上下载的科学在12月31日,2021年。基于从2011年到2021年发表的2936篇论文,论文的数量动态复杂网络每年发表的研究显示在图1。

在1950年代末,数学家们建造了一个新的网络方法分析一些共面数学问题。使用这种方法,两个节点之间是否存在一条边是不确定性,而是概率。构建网络被称为随机网络。通过一个概率来决定,数学家称之为生成的网络随机网络。在接下来的40年里,被许多科学家认为是描述自然系统的最好方法之一。直到1990年代末,计算机的快速发展的数据处理和计算能力,研究人员发现,许多真实网络定期和随机网络,但那些独特的统计特征。这些网络是复杂网络。统计特征的平均路径长度,聚类系数、度分布区分成型机的复杂网络。他们也使复杂网络按照系统的现实。他们是一种网络的特殊统计特征。 Such networks are called complex networks. In recent years, the methods of the complex network have been developed and applied to various fields.

从过去十年我们选择引用到分析动态复杂网络方法。原因是有关复杂网络的动态分析方法得到了改进,逐渐应用到各个领域在过去的十年。从2000年到2011年,动态复杂网络分析方法并没有被广泛使用。自2011年以来,动态复杂网络的研究方法已逐渐改善,和各种变体派生和应用于多个领域。

图1显示了论文发表和被引用的数量动态复杂网络研究从2011年到2021年。根据出版物的数量在这个研究领域,本文的定量图可以分为三个部分。从2011年到2014年是一段时间的缓慢发展的动态复杂网络,和引用发表的数量增加缓慢,维持在170左右。然后是第二阶段,快速发展阶段。在四年期间从2015年到2018年,这个领域的引文的数量迅速增加。2015年,相关论文被引用的数量迅速增加,从177年的2014年到253年,在接下来的三年,它仍然保持增长势头,上升到375年的2018人。第三阶段,从2019年到2021年,是一个相对稳定的时期。在这个领域的研究论文数量稳定在大约350,2021年达到394。

选择几个有影响力的引用从第一阶段,2011 - 2014,分析动态复杂网络研究的发展通过特定的文学。

Isella et al。28)开辟了新的途径为研究社交网络的互动,人类的迁移和动态过程,如流行传播。他们分析了个人面对面近距离的时间分辨数据在大规模真实世界的场景。作者跟踪行为的网络面对面的距离和提取表征从静态和动态角度揭示他们的相同点和不同点。作者还用相关数据研究的动态场感染模型,对传染病的传播。通过传输路径的分析,结果表明,静态聚合网络将导致错误的动态网络传输路径。

近年来,Pastor-Satorras et al。29日)指出,现实网络的复杂特征产生深远影响平衡和不平衡的系统。流行病传播的研究的核心是理解复杂网络的动态过程。不同单位之间的相互作用在物理、社会学、生物学、自然和技术系统生成复杂的网络结构。网络研究的重点在过去的十年中,并取得相当大的进展的描述他们的结构和动态性能。然而,很少有一直在努力研究其动态可控性。介绍和评估一个动态的过程在网络边缘的定义和显示,这一过程的可控性是完全不同于简单的节点动力学。

从防疫和控制,创新扩散,病毒式营销,传播和社会运动的概念,它是具有重要意义的问题寻找有影响力的传播者在复杂网络30.]。这些发现不仅可以指导新的电网系统的设计还提供了一个深入了解社交网络的动态行为。基于上述研究,学者们进行了进一步的研究和探索。佩科拉et al。31日]提出的同步性是中央重要的配电,沟通、神经网络、生物网络。许多网络已经观察到的模式生产同步集群。通过复杂网络和神经网络的结合,提出了一种新的框架和开发技术来分析网络动力学。

在第二期,2015 - 2018年的引文数量往往会爆炸。在其快速发展的过程中,我们提取影响力和频繁引用类型的文献和分析动态复杂网络方法如何应用于各个领域。

Leskovec和Sosic32]描述了斯坦福大学网络分析平台(临时)作为一个通用的、高性能的系统,提供了易于使用的、先进的业务分析和操作的一个广泛的网络。

物联网的深入研究,一些学者见证了密集的互动和异构的不同设备之间的通信。大数据信息生成装置的潜力被描述为一个专门的领域被称为“人类动力学。”的一篇论文提出了一种新概念的智能伙计,专注于智能城市,生态系统提供的可穿戴设备,确定的人类行为,和大数据的人类动力学(33]。Fosdick et al。34)检查微妙但重要的决定在配置模式规范和检查这些选择图采样过程中扮演的角色和一组应用程序。特别是,他们强调指定适当的图表标签的重要性(存根或顶点标签)考虑空模型;选择密切联系的研究随机图的随机应变表。

第三阶段,2018 - 2021,是一个相对成熟的发展阶段。Broido和Clauset35]应用最先进的统计工具对数据库由社会、生物、技术和信息来源。数据库是由近1000网络数据库。他们测试的普遍性无尺度结构,应用每个度分布的幂律模型,并测试其统计的有效性。他们发现一个无标度网络是零星的,只有约4%的网络显示无尺度结构。小张和小王36)把重点模仿规则的影响到一个社交网络基于疫苗的传染病模型的游戏。他们的研究结果表明,中间节点的优先级模仿可以大大改善疫苗接种覆盖率,从而显著降低疫情规模。本文表明,人类的行为反应是传播动力学的一个重要因素。黄等。37)建立了一个两层的网络模型来模拟流行病传播之间的交互和信息传输的竞争力。结果表明,知识扩散可以消除谣言和流行病,和知识的渗透强度起着至关重要的作用的谣言。即使自我保护措施不是很有效,知识的渗透强度显著增加阈值的谣言和爆发。结果还表明,当人们有更多的连接在一个通信层网络中,知识是更容易广泛传播更有效地和谣言和流行病可以根除。

在本部分中,我们将研究在动态复杂网络从2011年到2021年为三个时间阶段根据年度出版物和引用的动态复杂网络。我们选择在这三个阶段,回顾和分析了高被引论文。我们发现,随着时间的推移,论文在动态复杂网络研究很少出现引用频率高,但高被引论文的数量正在增加。这表明动态复杂网络的方法被逐渐应用于不同的领域。具体的网络结构和应用方法与不同领域的变化也正在改变。因此,很难发现它们在某些高度引用综合论文,尽管高被引论文与特定的许多不同领域的应用范围。

2.3。大多数引用国家和地区在动态复杂网络的研究

在分析研究领域的贡献,更多的研究结果发表的一个国家,地区或机构,更突出其研究领域的发展作出贡献。我们可以看到,发达国家和地区往往更有效率,因为动态复杂网络的方法涉及数学、社会学、金融、和医学,发达国家往往会做更深入的研究。

分析动态复杂网络的特性,我们使用CiteSpace分析国家和地区之间的科学合作网络。根据我们和CiteSpace分析的结果,进一步讨论下面可以看到。近年来,科学合作越来越频繁,许多文章作者从不同的大洲。这样的合作可以解决复杂的科学问题,促进各种议程(27]。因此,应该有更多的国际合作,让研究人员分散他们的问题分析。

发展的动态复杂网络方法因国家而异,和图2显示的是效率最高的26个国家和地区在这一领域。美国在这个领域最富有成效的国家,紧随其后的是中国,英国,西班牙,意大利,德国,日本,法国,澳大利亚,加拿大,等。美国、中国和英国在基本学科的肌肉力量,能够独立进行深入研究或形成一个完整的系统在这一领域的合作。

2.4。大多数引用机构动态复杂网络的研究

在制度层面上,一些组织使用动态复杂网络的方法来研究实际问题。表1列出了十大最富有成效的组织。在美国有四个,三个,两个在英国,一个在德国。在动态复杂网络的研究中,中国在前十,有三个机构在所有国家排名第二。一般来说,研究成果的数量与研究机构的数量,研究资金的数量,和有关国家的研究人员的数量与应用程序的动态复杂网络的方法。除了中国之外,我们还可以看到,一些其他国家也高度关注动态复杂网络的理论和应用方法,如美国,英国,德国。

表的机构代表1为研究的全面发展贡献极大。正如你所看到的从表1,四个产出排名前十的大学是美国人,亚利桑那州立大学,东北大学,波士顿大学,密歇根大学。亚利桑那州立大学在美国排名第一与48个论文,尽管中国科技大学中国排名第二的42岁,六个短的。在总体数量方面,美国无疑是最富有成效的国家在动态复杂网络的研究。不同机构之间的合作往往提高学术研究学科的发展在很大程度上。

2.5。大多数引用来源和作者在动态复杂网络的研究

如表所示2,十大日报动态复杂网络的研究确定了基于统计数据从我们的核心主体数据库。从结果可以看出,自然史答:统计力学及其应用领域发表论文最多的动态复杂网络的研究中,有153篇论文发表,论文占总数的5.229%。其次,我们发现科学报告和《公共科学图书馆•综合》主要关注基础科学,从中我们可以得出结论,研究动态复杂网络具有很大的前景和潜在的应用在其他领域。它也可以从表2在10期刊,发表在美国,一半以上,其余主要以英国为首的欧洲国家。因此,这也解释了为什么美国和英国在这方面是主要的贡献者。

从表可以看出3王是排名在第一个最多产的作家之一。他也是一位有经验的学者有许多研究成果,从理论和实践的角度促进这一领域。此外,我们还可以发现王l和王w .写了许多有影响力的研究论文。

3所示。特殊的文献计量分析

3.1。动态复杂网络研究现状的分析

阐明动态复杂网络的研究现状,本部分总结了研究动态复杂网络方法的重点和热点。分析的关键课程,生产来源、作者、国家和机构的动态复杂网络的分析方法,并给出了详细的解释。

Co-citation方法提供了重要的见解更可靠的比单独使用引文分析知识领域,因为citation-only分析可以排除有前途的文章。一篇文章的半衰期的定义是多年来的文章被引用超过50%的出版,这样以来可以测量前沿研究的发展。如图3,我们使用对数似然比的方法进行聚类并生成集群在动态复杂网络的研究中,其中T是选为标志的来源。我们生成的标签集群基于引用的文献。因此,根据集群中引用的引用和LLR算法,我们杰出的14有意义co-cited集群。因此,只有14个集群的集群网络,分析了通过调整阈值。因此,我们可以看到的主要领域的研究动态复杂网络。

如图3所示,每个集群的标签代表不同的细分领域。基于我们检索到的文献,我们14集群可视化第一标签。我们发现每个集群都有其不同的含义,是在动态复杂网络研究的一个领域。不断发展的网络动态复杂网络研究的热门领域之一,已成为一个主流的方法研究社会进化。集群# 2,复杂的网络连接结构,代表了文学的一部分,主要是研究复杂网络的连接结构。有几个其他集群标签,我们可以找到一些动态复杂网络的特性,过去和未来研究的主要流派。因此,我们可以更好地系统地总结为这一领域的研究通过这个co-citation网络。此外,通过这种可视化的方式,读者可以更好地理解。

出版物的数量显示在表的第二列4。例如,集群# 2有71个成员,一个最大的集群动态复杂网络研究、集群# 0有81个成员,和集群# 1有72个成员。在表1,我们可以看到,LLR值在最后一列是集群分类的可靠性指标。如果这个指标的得分高于0.5,相应的聚类结果是可靠的。第一个14的LLR得分值集群范围从0.669到0.998,表明每个集群的成员是一致的,这些类别的聚类分析结果是可靠的。

LLR值指的是一个方法来确定最大似然值根据概率密度函数和找到最可能的单词。意思是(年)在表的索引1代表每个集群的平均参考年,代表是否由最近的文档或使用旧文档。因此,我们可以看到从表1集群# 1是由旧的文件比其他集群。同样,集群# 10“复杂动态网络”是一个新引用集群平均引用了2013年。因此,可以认为,最新的研究动态复杂网络专题“复杂的网络延迟,”“进化网络”和“社会信任。“我们可以看到,集群7是第八集群和24个成员。集群1是“进化网络”,72名成员,这表明进化网络的研究课题是更受欢迎和重视。全球扩散属性是第六大集群,29个成员,根据LLR值。上面的集群分类进一步表明高质量的聚类分析的动态复杂网络知识图表。

一般来说,基于轮廓值表4和颜色分类图3,我们可以得出这样的结论:聚类结果是可靠的。颜色的意义进行分析。从集群规模和平均的结果,该研究课题“社会信任”更有潜力的研究。

3.2。两位数叠加分析动态复杂网络的研究

两位数叠加分析在动态复杂网络图所示4代表广泛的学科研究方法应用于,包括数学,计算机,经济,政治,化学,和生物。此外,随着时间的推移,对动态复杂网络的研究方法已变得更加跨学科。图的右边的椭圆表示引用论文的主题。通过路径分析,我们可以看到有四个路径从左边圆(路径)的起源的圆(结束)。在图中,左边是引用了纪律,正确的引用纪律,曲线是引用。从图可以看出4最引用论文,物理、化学、计算机、生物学、经济学和政治来自数学和系统科学。

因此,它可以发现,相关动态复杂网络的方法也是各种各样的学科。与各种学科之间日益密切的联系,研究动态复杂网络也广泛适用于多样化的领域。从时间维度,分析关键词能够反映复杂网络研究的新兴趋势和研究热点。由于时间的原因,关键字提供了一个有效的方法简要、准确地反映研究领域的发展和演变,它也被研究人员利用学习多个学科的发展趋势。我们使用CiteSpace软件来分析关键词的时间轴,获取关键字关键字时间轴的时间矩阵分析。图5显示关键字的时间轴在动态复杂网络的研究中,和相应的出版时间或高峰时间的关键字是可视化的图。

在这里,我们可以分析不同关键词的范围和演化过程在时间轴上通过时间轴分析和引用文献。首先,我们需要找到相关文章相关的研究领域。研究主题的异同可以进一步调查。之后,我们可以学习研究根据研究主题的变化发展趋势。在这项研究中,主要的关键词是“复杂网络和动态”,“社会网络分析”和“时间序列”38),这表明许多相关研究成果的很大的影响。随着时间的流逝,它可以发现上面的方法已逐渐被应用于各种研究领域。

不同的聚类结果co-citation分析,时间轴的关键词也有一个单独的聚类分析结果。近三年来,大多数研究者关注集群“复杂动态网络”和集群“动态社会网络。”

此外,我们可以看到从图5,自2011年以来,相关研究复杂网络已经在一定范围内。关键字“复杂网络”的影响在2011年的时间轴贯穿我们的研究。例如,王et al。39]介绍了复杂网络理论在公共合作,构建效用函数,清晰地表达了两个相互依存的公共合作的进化。作者得出结论:公共合作水平的强度正比于效用函数的偏差。王等人。40)构建了一个多层次的复杂网络分析的发展通过耦合网络游戏参与者的效用,信息的流动,流行的策略在不同的网络层。作者还强调了模式形成和集体行为的重要性在逆境和促进合作,以及网络科学之间的进化博弈理论和协同作用。Zhang et al。41]研究了季节性流感疾病模型通过整合补贴政策之间的相互作用和人类的行为反应。通过建立一个复杂的网络框架,有针对性的补贴政策优势只有当个体倾向于模仿补贴个人的策略。宁等。42)指出,个体行为发挥重要作用在这些疾病的预防和控制。这些研究表明,成功率越高自我保护可能不会减少疫情的大小。

第二,“COVID-19”是最突出的关键词之一,近年来对复杂网络的研究。朱et al。43)构建一个复杂的网络COVID-19从1月19日,2020年8月15日,2020;解构全球网络连接;并分析了连接全球的冠状病毒。“社会网络分析”(在线)2021年也是一个重要的关键字。Wan et al。44)提出了一种新的竞争信息耦合扩散模型来描述复杂的在线社交网络中的信息扩散的过程。他们分析了干预的有效性策略竞争信息耦合约束和无约束条件下的扩散。这对商业营销有着重要的现实意义的在线社交网络。

4所示。突然发现在动态复杂网络中的应用研究

“引文爆炸”现象是指一些文章的引用数量在短时间内,它在一定程度上反映出的动力学领域。最近,破裂检测是一种有效的方法在文献分析,可以发现文章已收到相关科学社会的特别关注。我们使用CiteSpace进行破裂检测和分析检测结果有认知发展的动态复杂网络从不同的视角。本节以引用和关键字引用的破裂检测在动态复杂网络研究作为一个例子,显示了快速增加的文章引用频率,并进一步讨论我们的研究方向。

根据文献我们选择在这个研究领域,我们使用CiteSpace进行突然发现引用和关键词在所有文献分析研究变化的趋势和热点话题进行了研究。我们获得的结果表5和6通过CiteSpace。表中第一列代表引用或关键词,第二列表示一年爆发开始,第三列表示爆发的强度。第四和第五列代表年疫情开始和结束后,分别。最后一列是引文破裂的可视化检测。大胆的方块显示相应的研究是高度引用。它也可以解释为持续时间时,引起了一阵研究关注的主题。通过这样的分析,我们可以发现这一领域的热点在过去,现在,和未来的从不同的角度。

4.1。在复杂网络研究中引用破裂检测

可以找到特定研究领域的新兴趋势分析与迅速增长的引用的文章。首先,我们使用脉冲检测方法探索新兴的发展趋势与CiteSpace动态复杂网络。更好地提取新兴趋势从引用近年来在这一领域,我们进一步缩短时间范围2015 - 2021。如表所示5,前15名引用的引用频率显示在此期间。从表可以看出6随着时间的推移,疫情变化的新兴趋势。在过去的四年里,中心的测量和应用复杂网络(46),相关信息扩散模型48),和社交网络的动力学研究47)已成为新兴趋势的重要参考。

4.2。关键字爆发检测

首先,我们还设置了时间从2015年到2021年,我们提取的十大关键词。其中,四大关键词都显示自2015年以来爆发的迹象。关键词随着时间不断改变。“疾病”、“技术”、“囚犯困境”和“无标度网络”是2016年到2018年爆发的关键字,持续时间从两到三年。近年来,特别是在过去的三年里,一些新兴的关键词已经逐渐成为新的爆发点。“流行”和“神经网络”都是新兴突破关键字,一直持续到2021年。深层神经网络和人工智能出现由于更深刻的见解和复杂网络的广泛应用,以及大量的数据不断利用训练和调整网络中的节点。因此,近年来,神经网络模型是复杂网络研究领域的重要方向。

5。主要路径分析动态复杂网络的研究

作为引文网络分析的有效工具,主要路径分析是最关心的问题之一。与h指数和G指数相比,主要路径分析方法认为不仅直接影响,而且间接影响。此外,主路径分析可以正确引用偏见的问题由于不同的出版年。主要路径分析方法也用于比较的论文发表,而不是比较最新的纸的历史。主要路径分析的具体操作过程可以分为两个步骤。首先,检查网络是否一个引文网络,确保无路由循环和分配网络中每条边的重量。第二,选择一个特定的搜索算法确定文献分析的主要路径。

引文网络中产生的我们,一个节点代表一个纸,和两个节点之间的边表示一个引用。的主要路径分析假设知识是通过作品传播学者和引文之间的工作关系。主路径映射的目的是强调我们这个领域的发展支柱。分析仪的主要路径首先计算到目的地的路径,从起点开始。起点是最早发表的文献,终点是最最近发表的文献。然后,每条边的比例值在所有路径计算。该值反映了每个引用形成整个文学链的重要性,它可以被称为边缘的遍历重量。

主路径上的节点应该重要或关键,能反映学科发展的核心。主要路径进行最多的信息在引文网络,反映了所有路径最关键的与最高的节点之间的紧张关系。综述主要从四个方面动态复杂网络的发展道路,并讨论它。线路图的厚度与SPC图中值呈正相关,并且节点注明第一作者的名字,首字母的其他作者,出版年。

5.1。本地转发的主要路径

从图可以看出6向前,七个文件出现在当地的主要路径,和这些论文被引用超过20倍我引文数据库。图中的路径采用最原始的主路径生成方法,它显示一个特定领域的知识扩散和帮助研究人员获取知识主干,全面理解动态复杂网络的发展过程。

熊的纸等。49)是论文的起点在这个研究领域从2011年到2021年。在本文中,提出了扩散模型(SCIR),四个州被分配到模型中。结果表明,有更多的接触剂在无标度网络比普通网络。感染代理mba密度的增加单调增加的程度。本文奠定了基础的复杂网络领域的传染病和社会沟通通过研究传染病的扩散模型。

2012年开始主要的路径分析。我们发现,在今年,除了文章已经分析了,其他文章利用SCIR为传染性疾病研究模型。这是复杂网络的动力学研究的开始。

研究谣言传导机制,王et al。50]介绍了信任机制,提出了一种新的除受感染模型。先生的平均场方程描述动态特征模型推导在二级和非均匀网络。然后,谣言传播的临界阈值和最终规模研究了稳态分析。本文介绍了信任机制的研究谣言传播第一次模拟如何最小化的影响通过推导不同的网络谣言,并证明其结论数值模型的推导过程。

本文通过Zan et al。51)也是一个研究谣言传播和控制。不同之处在于,它引入了两个新的模型:susceptibility-infection-counterattack-refractory (SICR)模型和调整SICR模型基础上考虑到反击谣言的传播机制。基于这两个模型,平均场方程推导出描述均匀的动态网络,并进行了稳态分析。与此同时,作者介绍了固有电阻参数τ到模型来表达这个参数对谣言传播的影响。研究结果表明,通过不同模型的数值模拟和比较,本文发现谣言传播模式与反击的力量。

开发完成之后,有两个重要的类型的文学,从2013年到2014年。他们基于原始研究,改进了模型应用到其他社会领域,推导出谣言的传播机制的数学模型。这是发展的结果。

基于上述两种类型的研究谣言传播,刘等人。52]提出了一种新的模型,烤,用于研究的动态竞争信息的传播。同时,本文提出了一种新的犹豫状态被认为是中和状态信息的竞争。模型的实证研究表明,占主导地位的信息与一个更大的稳定过渡率控制双重信息的总体影响。

此外,Zhang et al。53)提出了一个谣言和权威的信息传输模型考虑到超级传导机制。作者推导出平均场方程和权威的信息传输模型描述谣言动力学和估计谣言的基本的拷贝数和最终的大小和权威的信息。在实证分析部分,通过比较验证了模型的有效性在新浪微博上的实际数据,和模型的动态特性进行了分析。结果表明,超级通信机制对谣言的影响比权威信息。如果超级通信机制存在只是谣言,它最终将导致谣言传播规模的爆炸式增长。研究结果还表明,权威信息的力量越强,最后越小谣言传播规模和最终的权威信息。本文继续先前的研究思想对谣言传播,进一步探讨如何动态系统功能在谣言传播。结果有助于更好地理解谣言传播的机制,并驳斥在一个复杂的网络。

随着技术的发展,许多已进行了调查关于研究对象的路径。作为一个集体行为,信息传播也一直集中在多学科研究领域。在今天的互联网时代,人们相互影响、交流和传播信息或谣言通过使用不同类型的社交媒体。陆et al。54)发现,除了基本的和扩展容易感染清除(先生)模型,直接代理之间的交互和个人经常作为建模信息传播的另一个路径。本文模型中提到,社会信任的异质性和个人判断引入模型。作者关注的有条件的异质性影响个人判断的异质性社会信任。这篇文章也是一个重要节点的主要路径。在内容方面,本文有一个更广泛的角度来看,以信息传播为研究对象,而不是谣言传播,找到直接的传输路径信息交互超越前面的先生的家庭模式。同时,非均质性和动态集成到模型的研究研究更深层次的信息传输方式。

作为最终端点的主要路径,朱et al。55)提出了一种新的模型普遍存在延迟爵士类型的谣言传播一个同构和异构网络和分析使用平均场理论的传播动力学模型。向前和向后分岔和平衡的局部和全局稳定点的同构和异构网络理论上分析和显示。理论推导的正确性证明数值模拟。本文最后一个节点的主要路径,这是最近的影响。本文是表示为最后一个节点的主要路径,暗示近期研究的重大影响。专注于信息传播,尤其是谣言传播,很成熟的方法和数值模拟。很成熟,和准确的数值模拟。

主要路径分析中重要的节点代表了重要的文学在一段有一个引导的作用。相应的时间节点也很重要时间节点在该领域的发展。在这些时间节点,我们可以看到,在动态复杂网络的相关研究领域,应用领域越来越广泛,越来越深入、具体的研究对象。

动态复杂网络的研究中,可以看到三个观察从当地的主要路径。它从我们的话题,可以找到一个动态复杂网络只是一个研究方法,所以我们应该将这种方法应用到具体的研究对象。转发分析的主要路径,我们以谣言传播(传播信息)为具体的研究对象。我们可以发现随着路径的深入,网络的动态研究和异质性包括在模型中。从起点,推进一步一步到原始模型,爵士SICR模型,然后SIHR模型,先生的家庭模型从不同角度扩展,使其应用更加广泛,使数值模拟结果得到进一步准确。我们可以发现复杂网络的动态研究在各个领域的应用也有类似的开发过程。

5.2。当地落后的主要路径

图7显示了部分落后的主要路径,而不是部分转发主要路径,跟踪发展轨迹从现在到过去,而落后的主要路径集中在过去十年的工作。我们可以看到,有更多的节点图7比图6和路径扩展的方式不同。基于不同算法的路径,我们可以从不同角度引用的发展历史。

类似于远期主要路径分析方法,我们也进行分析从起点到终点。不同于远期主要路径,完全落后的主要路径四个端点,并且识别出四个不同的文件。我们将解释为什么是这种情况在以下分析。

通过比较后退和前进的主要路径,我们发现的第一个两个节点前后主要路径是相同的;也就是说,在落后的主要路径,建议SCIR模型也作为起点的49),其次是引入信任机制研究的传播谣言作为第二个节点(39]。关于第三个节点,不同于远期主要路径,夏et al。56)提出了一种修改易感接触感染模型(西),犹豫机制基于现有研究考虑谣言内容的吸引力和歧义。平均场方程,推导出表达西珥的动态特性模型在二级网络和异构网络。然后,谣言传播的阈值和最后的谣言大小研究了稳态分析。结果表明,减少歧义可以有效改善西珥的传播阈值模型。同时,仿真结果也发现谣言传播速度服从的关系:“BA网络> WS网络”。

第四节点也一样在转发的主要路径,而后续节点发展是不同的。徐et al。57),考虑到人们的犹豫,遗忘和其他心理因素以及在线社交网络的异构性,提出了一种新的无尺度网络谣言传播模型,SHPRS (susceptible-hesitating-propagating-resisted-susceptible)。这个模型使用平均场理论详细分析谣言传播动力学,研究了全球稳定和持久性rumor-free谣言传播的平衡,并通过数值模拟验证结果。

以下四个节点是基于前面的节点。因此,四种文学由这四个节点是并列的。Lei et al。58]研究产品折现率的影响,客户的回购的意图和网络异构性的传播集团订购通过网上购物折扣信息。他们提出了一个无标度网络集团订购折扣信息传播模型。程和赵59]讨论了谣言传播的动力机制,提出了一个谣言传播模型,并进行了经验数值分析。程等。60]讨论了单个活动的重要作用在谣言传播的过程中,结合随机性分析框架,并通过数值模拟验证了理论结果。Myilsamy et al。61年)提出了一种新的谣言传播过程的模型通过整合组织传播的谣言在社交网络和移动网络,考虑人们的认知factors-hesitation和遗忘。同时,本文也给出了一个最优控制问题最小化犹豫和感染,证明了最优控制问题的存在。最后从四种文学的主要路径,我们可以看到,复杂网络的动态已经逐渐包括各种分析元素和已经开始被应用到不同的领域,比如在线购物和其他的生活方式。

6。结论

我们基于2936篇论文,CiteSpace Pajek软件用于执行文献计量分析的动态复杂网络的发展。基于上述分析,对场得出一些有用的结论:我们研究的11年期间,有2936篇期刊论文在动态复杂网络。发表的文章数量表明越来越多的趋势,从153年的2011到375年的2018人。这表明人们越来越重视这一领域的研究。从基本的文献计量学分析,首先从国家的角度来看,与其它国家相比,美国最期刊论文发表在动态复杂网络的研究。top-productive机构而言,他们分享一些相似的出版物的数量。主要的研究机构都位于美国,中国,和英国。的十大机构的数量,美国占主要地位。因此,最具生产力的动态复杂网络研究机构很可能来自国家强大的基础学科。

在特殊的文献计量分析,我们从co-citation网络的方面开始,两位数的分析,和紧急检测。我们从co-citation提取14聚类标签聚类结果。与此同时,我们发现动态复杂网络方法广泛应用于很多领域,包括数学,计算机,经济学,政治,化学,和生物。因此,我们可以使用各种方法来研究动态复杂网络的研究现状。不断发展的学科,有更多的学者在不同领域进行合作的机会,也为跨学科研究提供更多有用的信息。我们进行紧急检测参考引用和关键词,我们发现研究热点和新的发展趋势在我们的研究中。

复杂网络方法的早期研究主要集中在网络结构的变化。它主要用于解决一些问题在基础学科,比如数学最优路径问题。随着时间的推移,复杂网络的方法已逐渐成为完美并集成到网络和动力学研究,已在各领域的应用研究。近年来,虽然在这一领域发表的论文数量增加,仍有足够的空间发展的动态复杂网络的方法。我们发现动态复杂网络研究的热点近年来通过突然发现关键词。例如,神经网络和社交网络的主流趋势是动态复杂网络领域的未来。通过视觉分析和审查的相关论文,其他研究人员能更好地理解过去的发展和未来在这一领域的发展趋势。同时,独特的文献计量方法激发学者从不同的角度找到更有效而新颖的方法来进一步研究动态复杂网络。

数据可用性

使用的数据来支持本研究的结果中包括补充材料。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作得到了中国自然科学基金(批准号72071176)。

补充材料

从网上下载数据的科学,包括动态复杂网络领域的2936篇论文。所有的图表和分析本文推导基于这些原始数据和CiteSpace软件。。(补充材料)