導語：如何才能寫好一篇復雜網(wǎng)絡分析，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

[關鍵詞] 企業(yè)營銷 復雜網(wǎng)絡 統(tǒng)計參數(shù) 決策研究

隨著科學技術的進步和生產(chǎn)力的發(fā)展,政治、經(jīng)濟、社會環(huán)境發(fā)生了巨大變化,顧客的消費水平不斷提高,使得企業(yè)間的競爭日益加劇。企業(yè)為了提高競爭力而采取了許多先進的制造技術和管理方法。營銷管理日益受到企業(yè)的重視,企業(yè)在全球市場中不再作為單個實體而是作為營銷鏈的一部分參與競爭,企業(yè)之間的競爭已經(jīng)轉化成為營銷系統(tǒng)之間的競爭。營銷系統(tǒng)是在競爭、合作、動態(tài)的環(huán)境中,由廠商、各級銷售和客戶等成員實體構成的快速響應環(huán)境變化的動態(tài)銷售網(wǎng)絡。在競爭、合作和動態(tài)多變的市場環(huán)境下,復雜營銷網(wǎng)絡中的每一個成員都有自身的經(jīng)營策略,每個成員的目標都是通過不斷提高自身對市場的適應能力從而提高其競爭力來獲取利潤?？梢?營銷系統(tǒng)是一種復雜的自組織、自適應性網(wǎng)絡系統(tǒng),因而用復雜網(wǎng)絡的研究方法可以發(fā)現(xiàn)其它方法不易揭示的該類系統(tǒng)的有趣而且重要的性質(zhì),而這些宏觀規(guī)律對系統(tǒng)的運作管理和科學決策具有重要的參考價值。

一、復雜網(wǎng)絡的統(tǒng)計參數(shù)

復雜系統(tǒng)可以被理解為一個關系網(wǎng)絡, 這個關系網(wǎng)絡由一個個節(jié)點所組成, 這些節(jié)點之間依據(jù)一定的規(guī)則、相互關系而維系著系統(tǒng)整體的存在。在社會經(jīng)濟系統(tǒng)中作為復雜系統(tǒng)的網(wǎng)絡無處不在, 如人與人之間的社會網(wǎng)絡、資源共享網(wǎng)絡、綠色經(jīng)濟網(wǎng)絡、企業(yè)之間的產(chǎn)品生產(chǎn)和銷售等方面的競爭網(wǎng)絡、國家內(nèi)外之間的貿(mào)易合作網(wǎng)絡等等。復雜網(wǎng)絡研究是從統(tǒng)計角度考察網(wǎng)絡中大規(guī)模節(jié)點及其連接之間的性質(zhì), 這些性質(zhì)的不同意味著不同的網(wǎng)絡內(nèi)部結構, 而網(wǎng)絡內(nèi)部結構的不同導致系統(tǒng)功能有所差異。在現(xiàn)實的社會經(jīng)濟系統(tǒng)中,我們將每一個企業(yè)主體看做是一個節(jié)點,而企業(yè)之間的博弈規(guī)則看做是連接節(jié)點的邊,于是系統(tǒng)中存在的主體便構成了一個網(wǎng)絡。

1.平均路徑長度(Average path length)

網(wǎng)絡的特征路徑長度 是所有節(jié)點對之間的最短路徑的平均值, 表示為

(1)

其中表示節(jié)點之間的最短路徑值。

研究表明,盡管許多實際網(wǎng)絡的節(jié)點數(shù)巨大,但網(wǎng)絡的平均路徑長度L相對于N來說卻很小,這種現(xiàn)象稱之為“小世界效應”。

2.聚類系數(shù)(Clustering coefficient)

節(jié)點的聚類度的所有鄰居節(jié)點之間實際的連接數(shù)與理論存在的最大連接數(shù)之比, 表示為

(2)

其中為節(jié)點的度。平均聚類系數(shù)C定義為所有節(jié)點的聚類系數(shù)的平均值, 表示為

(3)

研究表明,在大多數(shù)情況下,復雜網(wǎng)絡的集群系數(shù)都要比隨機網(wǎng)絡和規(guī)則網(wǎng)絡的集群系數(shù)大得多。正如常言所說的“物以類聚,人以群分”所描述的那樣,社會經(jīng)濟網(wǎng)絡的一個典型的特征就是小集團集群的形態(tài)。

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

圖論中節(jié)點的度定義為與該節(jié)點連接的其它節(jié)點的數(shù)目,通常用分布函數(shù) 來描述網(wǎng)絡中節(jié)點的度分布情況, 表示一個隨機選定節(jié)點的度恰好為 的概率。節(jié)點度的分布特征是網(wǎng)絡的重要幾何性質(zhì),規(guī)則網(wǎng)絡中各節(jié)點的度值相同,符合Delta 分布,隨機網(wǎng)絡的度分布可近似為Poisson 分布,大量的實際網(wǎng)絡存在冪律形式的度分布,稱為無標度網(wǎng)絡。無標度網(wǎng)絡是節(jié)點與節(jié)點之間的連接分布遵循冪律分布的網(wǎng)絡,即節(jié)點度分布服從冪律分布。在這種網(wǎng)絡中,大部分節(jié)點只有少數(shù)連接,而某些少數(shù)節(jié)點則擁有與其他節(jié)點的大量連接,即存在一些關鍵的中樞節(jié)點。這種網(wǎng)絡對于隨機性錯誤具有較強的魯棒性,對于人們的蓄意攻擊或破壞卻具有較強的脆弱性,疾病在這種網(wǎng)絡上極易傳播。

二、企業(yè)營銷網(wǎng)絡分析

企業(yè)的產(chǎn)品營銷系統(tǒng)是由廠商、各級銷售和客戶共同構成?，F(xiàn)實中的企業(yè)營銷系統(tǒng)通常由于銷售(制造商、商和批發(fā)商)的分布范圍的不同以及它們之間存在著各種各樣的聯(lián)系, 往往形成一個龐大的復雜網(wǎng)狀結構。企業(yè)產(chǎn)品的營銷過程, 也可以看成是廠商生產(chǎn)出來的產(chǎn)品通過各級銷售, 最后擴散到用戶中的擴散過程, 或者說是企業(yè)產(chǎn)品從廠商到銷售, 最后到用戶的傳播過程。所以廠商、各級銷售和用戶就構成了企業(yè)產(chǎn)品在營銷網(wǎng)絡中的節(jié)點,節(jié)點之間的營銷關系構成了網(wǎng)絡中的邊。

三、模型的建立

分析了企業(yè)營銷網(wǎng)絡中企業(yè)之間的營銷關系,提出了一種新的演化模型來模擬其網(wǎng)絡的演化過程,該模型的基本思想源于局域世界演化模型,演化過程中考慮兩種基本因素:增長和局域世界優(yōu)先連接。

1.增長模型

考慮到企業(yè)營銷網(wǎng)絡的演化特點,新模型的初始條件與其他模型有些區(qū)別,它起始于個節(jié)點,條邊,節(jié)點之間兩兩相連, ,第一次新增節(jié)點具有m條邊,并且這m條邊分別和每個已有節(jié)點相連。這樣,在之后的每一個時刻便會添加一個新的節(jié)點,而該新節(jié)點邊的條數(shù)m是從以概率選取,這里是選取邊數(shù)為的概率。那么在時刻之后,該網(wǎng)絡便有個節(jié)點,條邊的網(wǎng)絡。

2.優(yōu)先連接模型

在該模型中,網(wǎng)絡中原有的節(jié)點連接新的節(jié)點的概率與以下兩個因素有關系:

(1) 與節(jié)點的度有關系,這種關系是正比關系。

(2) 與節(jié)點的局域世界也有關系,節(jié)點優(yōu)先連接機制不是對整個網(wǎng)絡,而是在每個節(jié)點各自的局域世界中有效。隨機地從網(wǎng)絡已有的節(jié)點中選取m個節(jié)點,作為新加入節(jié)點的局域世界。新加入的節(jié)點根據(jù)優(yōu)先連接概率來選擇與局域世界中的m個節(jié)點相連。

四、仿真分析

1.仿真設計

為了驗證統(tǒng)計企業(yè)營銷網(wǎng)絡的統(tǒng)計特性,以青海省城鄉(xiāng)私營企業(yè)所構成的批發(fā)和零售業(yè)企業(yè)營銷網(wǎng)絡為例,基于上述網(wǎng)絡模型構造算法的描述,利用VB語言編程實現(xiàn)模型的構建,構建出的模型如圖1所示。實現(xiàn)時根據(jù)網(wǎng)絡演化模型的構造算法,初始時先確定節(jié)點的總數(shù),然后根據(jù)構造算法得到相應網(wǎng)絡模型的鄰接矩陣,最后再依據(jù)鄰接矩陣計算網(wǎng)絡的度分布、平均最短路徑和平均聚集系數(shù)。

2.數(shù)據(jù)分析

以大圓點代表批發(fā)商,小圓點代表銷售商, 邊代表它們之間所存在的營銷關系,不同的節(jié)點代表不同的企業(yè)。 通過直觀的觀察可以了解到,在企業(yè)營銷復雜網(wǎng)絡中批發(fā)商和銷售商的營銷關系比較密切, 相對來說批發(fā)商或銷售商之間的營銷關系卻較為缺乏。也可以看到節(jié)點之間的距離很小,是一個典型的小世界網(wǎng)絡。各成員企業(yè)間的聯(lián)系的分布是不均勻的,這主要是由于成員的地位不同造成的。與核心企業(yè)的聯(lián)系密集,節(jié)點度就大;而與小的非核心企業(yè)聯(lián)系稀疏,節(jié)點度就小,即存在優(yōu)先連接,新加入該系統(tǒng)的企業(yè)會優(yōu)先選擇與那些在社會中影響力較大、實力雄厚的企業(yè)進行合作,表現(xiàn)在網(wǎng)絡中就是首先選擇與度比較大的節(jié)點進行連邊。

下面的仿真圖只是仿真過程中的部分結果。從仿真結果可知,網(wǎng)絡的平均路徑較小,隨著網(wǎng)絡節(jié)點數(shù)的增加呈現(xiàn)上升的趨勢,但增加的速度較為緩慢,以網(wǎng)絡節(jié)點數(shù) 的對數(shù)成正比。如圖2所示。網(wǎng)絡的平均聚集系數(shù)較高,隨著網(wǎng)絡節(jié)點數(shù)的增加呈現(xiàn)下降的趨勢,但不會隨著網(wǎng)絡節(jié)點數(shù)的無限增大而趨于0,表明此網(wǎng)絡具有小世界網(wǎng)絡的特點,如圖3所示。網(wǎng)絡的度分布服從冪律分布,在網(wǎng)絡中擁有少量度很大的節(jié)點,而大部分節(jié)點的卻為2,相對來說,這些節(jié)點的度很小,滿足無標度網(wǎng)絡的第一個重要特性。

3.復雜網(wǎng)絡統(tǒng)計特性對企業(yè)營銷工作的指導意義

復雜網(wǎng)絡的最終目的是通過對現(xiàn)實網(wǎng)絡模擬,仿真得到相關數(shù)據(jù),通過對數(shù)據(jù)的分析,更加科學合理的預測和控制相應的網(wǎng)絡行為。本文中生成的網(wǎng)絡模型較為真實的反應了現(xiàn)實網(wǎng)絡的特性,因此在該網(wǎng)絡模型中得到的統(tǒng)計參數(shù)也能反應現(xiàn)實網(wǎng)絡的實際意義。

(1) 復雜系統(tǒng)理論中復雜網(wǎng)絡具有自組織現(xiàn)象, 通過合理的運作, 企業(yè)可以擴大網(wǎng)絡中已有節(jié)點之間的營銷合作,即網(wǎng)絡內(nèi)部的演化。例如,生產(chǎn)商企業(yè)可以對其網(wǎng)絡中某些中樞節(jié)點的商賦予一定權限, 使其進行低成本銷售策略, 從而增加網(wǎng)絡內(nèi)部與其它節(jié)點連接比較少的節(jié)點與這些中樞節(jié)點的連接,從而使得營銷網(wǎng)絡內(nèi)部邊的線性增長。

(2)生產(chǎn)廠商或產(chǎn)品銷售企業(yè)可以使用比競爭對手更具誘惑力的銷售方式,一方面,穩(wěn)定營銷網(wǎng)絡中已存在的合作節(jié)點, 增強節(jié)點構成者的滿意度, 從而達到增強營銷網(wǎng)絡魯棒性的目的;另一方面,吸引更多的新企業(yè)加入到網(wǎng)絡中,使網(wǎng)絡規(guī)模不斷增加。

(3) 市場銷售對于企業(yè)而言具有信息反饋的作用,企業(yè)應重視營銷過程中所得到的反饋信息, 一方面研發(fā)能夠不斷滿足客戶需要的新產(chǎn)品,另一方面對現(xiàn)有的產(chǎn)品和服務進行改進, 提高客戶的滿意度, 從而阻止競爭對手對合作客戶的爭奪,防止企業(yè)的退出。

(4) 企業(yè)要想在激烈的市場競爭中長盛不衰,必須要有不斷的創(chuàng)新(制度創(chuàng)新和技術創(chuàng)新)。創(chuàng)新將打破原有生產(chǎn)銷售合作網(wǎng)絡中的均衡。創(chuàng)新與競爭可能會導致網(wǎng)絡中的某些企業(yè)破產(chǎn),這些企業(yè)破產(chǎn)會不會導致網(wǎng)絡的劇烈變動甚至整個結構的變更實際上依賴于這些企業(yè)在網(wǎng)絡中的重要程度,政府應對這種核心企業(yè)采取適當?shù)恼呒右员Ｗo。

五、結束語

本文以企業(yè)營銷網(wǎng)絡為例,模擬構建了網(wǎng)絡模型,通過對該模型的統(tǒng)計參數(shù)的理論描述和計算機仿真,初步探討了統(tǒng)計參數(shù)對企業(yè)營銷網(wǎng)絡的指導意義。在進行仿真分析過程中也發(fā)現(xiàn),由新模型所生成網(wǎng)絡的平均最短路徑和企業(yè)營銷網(wǎng)絡的真實數(shù)據(jù)還是有些差別,在上面所示的仿真結果中,平均最短路徑要比真實數(shù)據(jù)大。當調(diào)整模型中的參數(shù)時,雖然能夠使得平均路徑趨于真實數(shù)據(jù),但是此時,其它部分卻又與實際的數(shù)據(jù)有些差別。因此,我們需要繼續(xù)研究其中的原因,來改進新模型,使其更加適合企業(yè)營銷工作網(wǎng)絡的演化方式。

參考文獻:

[1]侯明揚:復雜網(wǎng)絡理論在企業(yè)營銷中的應用研究[J]. 華東經(jīng)濟管理, 2008 (2) :1322134

[2]劉宏鯤 周濤:中國城市航空網(wǎng)絡的實證研究與分析[J]. 物理學報,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

關鍵詞：網(wǎng)絡化軟件 網(wǎng)絡特性 網(wǎng)絡結構

中圖分類號：TP311.52 文獻標識碼：A 文章編號：1007-9416（2015）04-0220-01

網(wǎng)絡化軟件的媒介是互聯(lián)網(wǎng)，運行元素是網(wǎng)絡信息和資源，軟件的功能就是通過元素之間的操作和協(xié)作實現(xiàn)的，從而建立一個多軟件混合系統(tǒng)?，F(xiàn)階段，網(wǎng)絡技術和軟件技術，不斷完善，應用面也越來越廣，人們提高了軟件服務的要求。在這個影響下，軟件系統(tǒng)更加復雜，規(guī)模也有所擴大?，F(xiàn)對網(wǎng)絡化軟件的復雜網(wǎng)絡特性進行分析，并總結如下。

1 網(wǎng)絡化軟件的意義和特點

科技的發(fā)展，促使計算機得到了更好的應用，并在社會的各個領域中，具有比較重要的作用。在網(wǎng)絡化軟件中應用中，相關人員應了解其重點內(nèi)容，例如人們對網(wǎng)絡話軟件的要求不斷增加，軟件的應用深度和廣度不斷增加[1]。網(wǎng)絡化軟件屬于互聯(lián)網(wǎng)中的一部分，主要是應用網(wǎng)絡信息和資源，通過這些基本元素，促使該復雜的軟件系統(tǒng)能夠順利操作。

網(wǎng)絡化軟件能夠作為計算機一種面向服務的應用形式，主要的操作方式，是元素之間的相互作用，通過這種方式為人們提供能需要的服務。網(wǎng)絡化軟件能夠根據(jù)人們不同的需求，及時改變，更好的實現(xiàn)動態(tài)化管理和服務。在應用網(wǎng)絡化軟件的過程中，應始終堅持以人為本，為人們提供更好的軟件服務，促進經(jīng)濟水平的提升。

2 網(wǎng)絡化軟件的復雜網(wǎng)絡特性分析

現(xiàn)階段，計算機和網(wǎng)絡都得到較好的發(fā)展，不斷完善了PC軟件的形態(tài)，并在發(fā)展中，逐漸融合優(yōu)秀的內(nèi)容。網(wǎng)絡化軟件突出了網(wǎng)絡基礎設施在系統(tǒng)中的地位，從而反映出系統(tǒng)元素的重要作用，更好的為客戶服務，現(xiàn)對網(wǎng)絡化軟件的復雜性進行全面且綜合性的分析。

2.1 基礎設施

2.1.1 Internet

Internet拓撲建模這項工作比較復雜，相關人員應在分析中，掌握其包含的規(guī)律。從而更加全面的認識Internet，這種方法能夠為軟件的設計和實現(xiàn)，奠定有利的基礎[2]。Internet拓撲建模，能夠更好的解釋網(wǎng)絡的復雜性，計算機網(wǎng)絡不斷創(chuàng)新，相關人員需要大量的數(shù)據(jù)，對網(wǎng)絡度量指標和軟件內(nèi)部的相關性進行分析，從而使這個軟件的功能得到更好的發(fā)揮，增加Internet的可靠性，提升Internet的應用效果。

2.1.2 WWW

WWW 是人們獲取信息和共享信息的途徑，在WWW的應用中，鏈接結構具有重要的作用?，F(xiàn)階段，我國WWW的應用規(guī)模不斷擴展，并迅速發(fā)展，在網(wǎng)絡軟件的應用中，是一個非常重要的載體。從微觀角度進行分析，相關人員可以利用量化指標和復雜的網(wǎng)絡特性分析，對搜索功能、社會發(fā)現(xiàn)工具及評價內(nèi)容進行不斷完善，所以WWW具有重要作用。如果從宏觀角度進行分析，應綜合多種應用工具和系統(tǒng)進行考慮，利用WWW的信息潛能。

2.2 應用服務

2.2.1 web 服務

Web服務主要是根據(jù)Web自身的環(huán)境實現(xiàn)的，在這個過程中，可以對環(huán)境和模塊化的應用程序進行完善，Web是一種非常重要的信息資源。相關人員應明確Web是通過Internet 進行和訪問的，所以在這個過程中，要采取合理的技術，對Web服務進行審視，延伸軟件技術，更好的解決功能的封裝、消息的傳送以及動態(tài)的綁定工作。相關人員還應了解到Internet 可用公共 web 信息資源與服務有一定局限性，這種情況導致信息和數(shù)據(jù)的收集和整理工作的難度有所加大。所以研究人員應根據(jù)Web和Internet 的特點，深入對數(shù)據(jù)和Web服務的開發(fā)與研究工作。

2.2.2 面向對象軟件

軟件屬于一種人工智能化系統(tǒng)，具有拓撲結構和功能性指標，相關人員應對這些功能性指標進行科學且合理的分析，合理且有效的描述來軟件的結構情況，并對軟件結構進行量化分析。通過這種方式實現(xiàn)軟件結構的完善，軟件結構表示一種互連內(nèi)容的復雜網(wǎng)絡拓撲形態(tài)，相關人員可以通過網(wǎng)絡，分析軟件結構信息，更好的理解軟件的本質(zhì)，從而軟件的復雜特性和量化奠定良好的基礎。

2.2.3 語義 web 服務

Web是一種技術，主要以服務核心，如果這個內(nèi)容缺乏對服務的約束，很可能導致相反的效果。相關人員應支持語義的屬性描述，發(fā)現(xiàn)Web服務存在的問題，合理解決，從而保證機器處理的精確性，避免不合理的方式，給實用化進程造成影響[3]。相關人員應從語義層，描述Web服務能力和屬性，從而更好的描述軟件功能，提高Web的服務選取效率和軟件分析的針對性和準確性，為自動發(fā)現(xiàn)服務和選擇服務，提高較好的理論基礎。

在社會主義現(xiàn)代化基礎建設及信息化時代不斷進步的背景下，相關人員應了解軟件技術的重要作用，確保軟件能夠在服務中堅持以人為本和認真嚴謹?shù)脑瓌t，從而更好的社會的生產(chǎn)生活服務。網(wǎng)絡化軟件在應用中，具有個性化和多元化的特點，該軟件還能夠提供生產(chǎn)指導和服務構造說明。 在科技發(fā)展和互聯(lián)網(wǎng)發(fā)展的影響喜愛，網(wǎng)絡化軟件及資源，受到人們的廣泛關注，所以不斷對虛擬化服務器進行創(chuàng)新，實現(xiàn)整個工作的關鍵性內(nèi)容。

3 結語

通過上文對網(wǎng)絡話軟件的復雜網(wǎng)絡特性分析，我國軟件技術發(fā)展速度較快，相關單位一直致力于開發(fā)質(zhì)量高、安全性強的產(chǎn)品和服務，從而在社會的各個領域中得到較好的應用。網(wǎng)絡技術的不斷發(fā)展，網(wǎng)絡話軟件的構成越來越復雜，相關人員應不斷改善網(wǎng)絡軟件系統(tǒng)，更好保證其作用。網(wǎng)絡發(fā)展規(guī)模和復雜堵不斷增加，為網(wǎng)絡化軟件系統(tǒng)帶來了新的挑戰(zhàn)，所以相關人員應從網(wǎng)絡化、服務化、社會化的角度，對網(wǎng)絡話軟件的復雜網(wǎng)絡特征進行全面且深入的研究，通過實證分析，了解網(wǎng)絡化軟件的設施需求，滿足其應用服務方面及其他方面的要求，為我國軟件工程的迅速發(fā)展奠定良好的基礎。

參考文獻

[1]馬于濤，何克清，李兵，劉婧.網(wǎng)絡化軟件的復雜網(wǎng)絡特性實證[J].軟件學報，2011（03）：179-180.

篇3

（安徽財經(jīng)大學，安徽蚌埠233000）

［摘要］傳統(tǒng)股票板塊的劃分缺乏精確的邏輯推理和數(shù)理分析。本文基于復雜網(wǎng)絡和社團理論，通過構建數(shù)量模型，選取時間序列數(shù)據(jù)對股票與股票之間的相關性進行分析，依據(jù)相關性大小對股票進行板塊的劃分，并依據(jù)劃分結果，為投資者提供政策建議和技術支持。

［

關鍵詞 ］股票；相關性；復雜網(wǎng)絡；GN算法

［DOI］10.13939/j.cnki.zgsc.2015.22.042

1引言

股票間的相關性對于風險管理、投資決策具有重要影響。對于股票相關性的研究，現(xiàn)代金融理論主要基于經(jīng)濟基本面進行解釋，即認為相關性來源于影響資產(chǎn)現(xiàn)金流和影響資產(chǎn)折現(xiàn)率的基本面因素。已有研究表明，股票間相關程度遠超出了經(jīng)濟基本面因素的影響，股票市場作為復雜系統(tǒng)日益受到人們的關注。近年來，經(jīng)濟、數(shù)學、社會等領域的學者都開始用復雜網(wǎng)絡及其相關概念來研究股票市場，進而研究股票間相關性。

2股票間的相關性

研究股票間的相關性對股民來說至關重要?，F(xiàn)隨機選取滬市A股、滬市B股、深市A股、深市B股、創(chuàng)業(yè)板這五類市場中各20只股票在2013年1月1日至2013年8月31日的周開盤價、收盤價和周個股回報率作為量化指標，進行相關性分析。

2.1單個指標的相關系數(shù)

選取周開盤價，周收盤價與考慮現(xiàn)金紅利再投資的周個股回報率，并用k=1，2，3表示。

Ai（k）表示股票代碼為i，指標為k的時間序列矩陣

設隨機變量Ai（k）與Aj（k），則協(xié)方差為：

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

相關系數(shù)為：

2.2指標權重的設立——變異系數(shù)法

2.3綜合指標的相關系數(shù)

設運用股票i與股票j之間的綜合相關系數(shù)值為

2.4模型的求解

對原題附件中數(shù)據(jù)進行處理，依據(jù)五類不同的股票市場，依次隨機選取20只股票在2013年1月至2013年9月共36周內(nèi)的周開盤價、收盤價和考慮現(xiàn)金紅利再投資的周個股回報率數(shù)據(jù)?；谀Ｐ廷颍\用Matlab編程求解，見表1。

3股票板塊的劃分

股票板塊的劃分存在很多依據(jù)，常見的有按地域、按行業(yè)、按概念等，但這些都是從定性的角度去考察股票與股票內(nèi)在聯(lián)系，而通過相關性構建的股票網(wǎng)絡，能依據(jù)股票與股票間時間序列數(shù)據(jù)的相關性，從定量角度去劃分股票板塊。這樣的量化處理使得板塊內(nèi)部的波動性更加一致，更利于我們的投資決策。

3.1股票相關性網(wǎng)絡模型

①相關系數(shù)構成。網(wǎng)絡的節(jié)點代表股票，邊代表股票之間的相關性。任意兩只股票i和j的綜合相關系數(shù)為：

其中i和j代表股票代碼，ρij的取值范圍為-1，1。若ρij=-1，則表示兩只股票完全負先關；若ρij=1，則表示兩只股票完全正相關。

②閾值的設定。股票代表網(wǎng)絡中的點，如果相關系數(shù)ρij≥θ（θ∈-1，1），就認為節(jié)點i和j之間有連邊，這里的θ即閾值點。通過計算對比得知，當θ=0.05時其到達最佳閾值，股票網(wǎng)絡的拓撲性質(zhì)最穩(wěn)定，更有利于對股票網(wǎng)絡的研究。

③社團結構的構建。由模塊度評價函數(shù)來衡量社團結構劃分好壞，將其推廣至加權的模塊度評價函數(shù)Q定義為：

3.2股票板塊劃分

（1）基本分塊情況。依據(jù)社團結構理論，結合GN算法和NetDrew繪圖軟件見圖1。

由圖1可知，圖像在經(jīng)過重新排列后，明顯呈現(xiàn)出四個板塊，說明在這四大板塊中，板塊內(nèi)的股票在長期的波動趨勢與波動幅度具有較高的一致性。圖1的股票來源為滬市A股、滬市B股、深市A股、深市B股、創(chuàng)業(yè)板這五類市場中各隨機選取的20只股票共100只股票，范圍覆蓋了中國內(nèi)地全部股票市場，具有較高的準確性。

（2）找尋關鍵節(jié)點。為了更方便尋找最關鍵節(jié)點，運用Ucinet軟件對圖形進行處理如圖2所示。

每個模塊的內(nèi)部相關性程度很高，那么選取每個模塊中最重要節(jié)點，用它的性質(zhì)來近似描述該模塊的整體性質(zhì)。通過軟件處理后，使得節(jié)點的重要程度與圖形的大小成反比，這樣更易比較，也更易選出最關鍵的節(jié)點。

依據(jù)此，分別取900930（滬普天B）、300120（華測檢測）、900951（*ST大化B）002630（華西能源）這四只股票代表圖2正上方，左方，正下方，右方區(qū)域。

（3）關鍵節(jié)點股票單個股分析。圖2區(qū)域正上方的板塊選取股票900930（滬普天B），觀察其2013年1月至9月的周開盤價走勢，其一直處在0.6元上下波動，說明其已為成熟期股票，特點為股價穩(wěn)定，波動幅度小，發(fā)展前景較弱。依據(jù)此，對圖2正上方區(qū)域股票歸類為成熟板塊股票。

圖2區(qū)域左方的板塊選取股票300012（華測檢測），觀測其走勢，其2013年1月至9月的周開盤價曲線，其上漲幅度較快，在第17周的驟降是因為上市公司因為股價

過高或想要再融資，進行增資擴股的情況而非下跌。在短短的幾個月內(nèi)，其股價從第18周的10元附近上漲到15元附近，是一只處于上升期的股票，說明其為成長期的股票，特點為股價不穩(wěn)定，波動幅度大，發(fā)展前景較強。依據(jù)此，對圖2正上方區(qū)域股票歸類為成長板塊股票。

圖2區(qū)域正下方的板塊選取股票900951（*ST大化B），觀測其2013年1月至9月的周開盤價曲走勢，其波動幅度一般，股票價格持續(xù)低位，在第一周到第八周小幅上漲后，連續(xù)幾十周的持續(xù)下跌，且通過查詢股票代碼發(fā)現(xiàn)其中文名稱前標記著*ST，意味著此股票有即將下市的風險，警告投資者謹慎投資。所以這是一直處于衰落期的股票，特征為股票價格低，下跌趨勢強，波動程度較大。依據(jù)此，對圖2正下方區(qū)域股票歸類為衰落板塊股票。

圖2區(qū)域右方的板塊選取股票002630（華西能源），觀測其2013年1月至9月的周開盤價曲線走勢，其整體趨勢是上升的，但上升的比例較小，而且不斷波動，在一個個漲跌幅中前進，明顯是一只處于萌芽期的股票，其特點為股價不穩(wěn)定，波動幅度大，處于大幅度震蕩上漲的趨勢。依據(jù)此，對圖2右方區(qū)域股票歸類為萌芽板塊股票。

4結論分析與投資建議

現(xiàn)實中的板塊劃分主要分為兩類，一類是地域板塊，按照上市公司的所在地劃分股票；一類是概念板塊，如金融與銀行業(yè)、化工業(yè)等；同時也會有依據(jù)股票的表現(xiàn)劃分為藍籌股、垃圾股等。而上述劃分是依據(jù)時間序列數(shù)據(jù)的相關性程度劃分的，與現(xiàn)實的板塊劃分有相同也有不同的地方。

相同點：與主流的兩類劃分的依據(jù)相同，其劃分主要依據(jù)都是因為這類股票有著很強的相關性，在整體系統(tǒng)性風險一定的情況下，局部的系統(tǒng)性風險類似，如銀行與金融板塊，當央行上調(diào)法定存款準備金率時，其板塊的股票整體呈下降趨勢。

不同點：本文的股票網(wǎng)絡模型比較接近與現(xiàn)實生活中的依據(jù)股票表現(xiàn)劃分的類型，但這不是主流的劃分，與按照概念劃分和地域劃分的板塊在度量相關性的指標上有一定的差距。

一是多樣化選股。投資股票種類多樣化，板塊多樣化根據(jù)社團結構的股票網(wǎng)絡圖知，當購買股票時，切勿全部購買相同板塊的股票，要綜合考慮，分散風險。相同板塊的股票相關程度高，波動的趨勢相同，從一方面來看，若全部購買同一類型股票，將會使板塊的非系統(tǒng)性無法避免，提高投資的風險率；從另一方面來看，雖然同一板塊股票上漲具有傳遞效應，但其效應大小遠遠小于下跌時的連帶效應，及時此板塊的某些股票暴漲也不一定能帶動整個板塊所有股票上漲。所以，即使是風險偏好者也應慎重考慮。

二是綜合投資與投機，確保利益最大化。作為投資者，在股票市場的最終目的是利益最大化。那么在選股時，不僅要考慮短線低買高賣的投機操作，也要有長期持倉的投資計劃。對于投機類股票，結合板塊分析可知，應選取處于萌芽期或成長期的股票，這些股票的波動性大，只要能把握好趨勢，在短線操作的收益率較高。對于那些風險偏好更高的投資者來說，可以考慮處于衰落期的股票。這類股票，一旦有公司借殼上市，其市值會翻倍的增長；對于投資類股票，可以選取成熟類板塊的股票，這類股票波動程度小，股盤大，價格相對穩(wěn)定，每年會有固定的分紅股利，這類股票適合長線持有。

三是選股重看基本面。股票的基本面的好壞是一只股票有沒有操盤意義的前提，一般的我們通過分析其每股凈收益，單日成交量等基本財務指標來判斷其基本面情況。如果一只股票的基本面不好，再多的技術分析也只是空中樓閣。所以對于選股來說，先看基本面，再看技術指標。

四是把握宏觀經(jīng)濟基本面，緊跟時事動態(tài)。在尚不完善的中國股票市場，投機和跟風是市場普遍的特點。擁有敏銳的宏觀經(jīng)濟嗅覺，能夠更好地提高投資者對所持股票的掌控度，更有利于投資者資本收益最大化的實現(xiàn)。

引用一句股票市場最流行的一句話，股市有風險，入市需謹慎，在進行投資決策前，一定要量力而行，切忌盲目盲從，要理性判斷，做出最優(yōu)的理財規(guī)劃，讓你和你愛的人過上更加幸福美好的生活。

參考文獻：

［1］ 康橋，田新民.滬市主板與深市創(chuàng)業(yè)板相關性研究及實證分析［J］.中國市場，2014（36）.

［2］ 潘令希.關于IPO發(fā)售機制的探析［J］.中國市場，2014（43）.

篇4

關鍵詞：復雜供應鏈網(wǎng)絡 級聯(lián)效應 最大連通子圖

引言

供應鏈是圍繞核心企業(yè)將供應商、制造商、分銷商、零售商、直到最終用戶連成一個整體的網(wǎng)鏈結構。隨著全球經(jīng)濟一體化與信息技術的進步，供應鏈的形態(tài)變得越來越復雜，由鏈條式結構向網(wǎng)絡化結構演變。已有文獻對供應鏈的研究主要是針對“單鏈式”供應鏈，而關于供應鏈的“網(wǎng)絡性”研究相對較少。“網(wǎng)絡性”供應鏈一般是圍繞一個核心企業(yè)展開的，因與核心企業(yè)合作的上下游企業(yè)為多個，且在其兩邊呈扇形網(wǎng)絡狀，因此稱之為“網(wǎng)絡”。隨著供應鏈中各個供應商之間的關系日益復雜，供應鏈形態(tài)逐漸由鏈條型演變?yōu)榫W(wǎng)絡型，進而形成復雜的供應鏈網(wǎng)絡結構（張昕瑞、王恒山，2009）。本文所研究的復雜供應鏈網(wǎng)絡是指，由多個“以某核心企業(yè)為中心形成的單個供應鏈網(wǎng)絡”所組成的復雜供應鏈網(wǎng)絡，即不僅在這些核心企業(yè)周圍形成上下游企業(yè)網(wǎng)絡，而且不同的單個供應鏈網(wǎng)絡之間存在各種聯(lián)系。

復雜網(wǎng)絡中的一些節(jié)點或邊由于受不確定因素的影響，這些節(jié)點或邊不能再發(fā)揮應有的功能，由此整個網(wǎng)絡中的“流”就會在其他節(jié)點或邊上重新分布，從而造成新的節(jié)點或邊上的“流”負載過大而崩潰，節(jié)點或邊的崩潰就會沿供應鏈鏈路在整個網(wǎng)絡上傳播開來，造成對供應鏈網(wǎng)絡功能的嚴重影響（Hills A，2005）。復雜的供應鏈網(wǎng)絡中供應商的失效是一個很典型的級聯(lián)效應現(xiàn)象，因此，確定復雜供應鏈網(wǎng)絡中的重要節(jié)點，加強對重要節(jié)點的管理和保護，對供應鏈網(wǎng)絡的安全運行具有重要作用。

供應鏈網(wǎng)絡節(jié)點重要性評價方法，國內(nèi)外已有一些研究成果。Shooman H，Padhraic S.（2002）計算了單供應鏈網(wǎng)絡在個別邊失效后網(wǎng)絡的連接概率。Church R，Scaparra M.（2005）建立了供應鏈網(wǎng)絡防御模型，能識別網(wǎng)絡中的重要節(jié)點并對該節(jié)點進行防御。朱冰心、胡一 （2007）提出使用節(jié)點刪除前后網(wǎng)絡效率值的變化來識別關鍵節(jié)點。韓梅琳、樊瑞滿（2007）提出了供應鏈應對突發(fā)事件的處理機制。以上研究多集中在對單供應鏈網(wǎng)絡節(jié)點重要性評價的研究，涉及復雜供應鏈網(wǎng)絡節(jié)點重要評價的文獻很少。

復雜供應鏈網(wǎng)絡節(jié)點重要性評價

（一）考慮級聯(lián)效應的動態(tài)評價

網(wǎng)絡效率可以用來計算節(jié)點的重要性值。具體表示如下：

Ik=1-Ek/E0 （1）

式中Ik為節(jié)點重要性值；E0為網(wǎng)絡正常運轉時的網(wǎng)絡效率；Ek為級聯(lián)效應結束后網(wǎng)絡效率。本文對Ik進行標準化即得到各節(jié)點的權重。

通過評價網(wǎng)絡的效率，可以通過改善網(wǎng)絡的構造從而優(yōu)化網(wǎng)絡的效率，使網(wǎng)絡具備更強的抵御突發(fā)事件的能力。Latora S，Marchiori A（2001）提出了網(wǎng)絡效率的定義，建立了一個網(wǎng)絡模型G=（V，E），其中V是點集合，E是邊集合。假設節(jié)點i與節(jié)點j的連通效率eij與最短路徑dij成反比，即eij=1/dij，對任意的i、j，若它們之間無連通，則dij趨于正無窮大，而eij趨于0。具體公式如下：

（2）

式中E（G）為網(wǎng)絡效率，N為網(wǎng)絡中節(jié)點數(shù)目。

1.正常運行。供應鏈網(wǎng)絡正常運行時效率用E0表示，采用式（2）計算網(wǎng)絡效率。此時，N表示網(wǎng)絡正常運行時所有節(jié)點的數(shù)目，dij為網(wǎng)絡中所有任意節(jié)點對之間的距離。本文使用最短路徑的程序來計算dij。

2.級聯(lián)失效。級聯(lián)失效后供應鏈網(wǎng)絡效率用Ek表示，它是第k個節(jié)點引起級聯(lián)效應結束后網(wǎng)絡的效率，同樣可以采用式（2）計算。此時，N表示網(wǎng)絡中剩余節(jié)點的數(shù)目，而dij是剩余節(jié)點中任意節(jié)點對之間的最短距離。為了得到N和Ek，需要對級聯(lián)效應的過程進行仿真，仿真中需引入兩項指標，即節(jié)點負載和節(jié)點能力。

節(jié)點負載是指供應鏈網(wǎng)絡中不相鄰節(jié)點j和k之間的通信主要依賴于連接節(jié)點j和k的路徑所經(jīng)過的節(jié)點，如果某個節(jié)點被其他許多路徑經(jīng)過，則表示該節(jié)點在網(wǎng)絡中的負載量很大。定量地描述某個節(jié)點在網(wǎng)絡中的負載可以使用介數(shù)，它是指最短路徑經(jīng)過某個節(jié)點的次數(shù)，可表示為：

（3）

式中σst表示節(jié)點s和t之間最短路徑的總數(shù)；σst（v）表示節(jié)點s和t之間最短路徑經(jīng)過節(jié)點v的數(shù)量。節(jié)點v和s或t不重復，網(wǎng)絡邊緣節(jié)點的介數(shù)為0；介數(shù)為0并不意味著負載為0，只表示此類節(jié)點不是網(wǎng)絡中的重要節(jié)點。

節(jié)點能力是指該節(jié)點能處理的最大負載量，在供應鏈網(wǎng)絡中，節(jié)點能力受成本限制，假設節(jié)點k的能力和它的初始負載Lk（0）成正比，可以表示為：

Ck=Lk（0）（1+α） （4）

式中α為容忍參數(shù)，α≥0。根據(jù)實際情況，本文取α=0.3。

（二）級聯(lián)效應的破壞程度

一個網(wǎng)絡總是存在一個最大連通子圖（Bao Z，Cao Y.，2008），最大連通子圖內(nèi)所包含的節(jié)點比網(wǎng)絡其他子圖所包含的節(jié)點都要多，并且任意2個節(jié)點之間都存在通路。級聯(lián)失效的破壞程度由失效后網(wǎng)絡的最大連通子圖的規(guī)模G來衡量，可表示為：

G=N`/N （5）

式中N和N`是網(wǎng)絡失效前后最大連通子圖的節(jié)點數(shù)。當G≈1時網(wǎng)絡趨近于完整網(wǎng)絡，G≈0時網(wǎng)絡幾乎全部崩潰。

復雜供應鏈網(wǎng)絡節(jié)點重要性評價方法的應用

本文以匯源集團供應鏈網(wǎng)絡為例來說明該方法的原理。匯源的原材料來源主要有：一部分來自大型供應基地農(nóng)場，另一部分來自散戶果農(nóng)。一般情況下，供應基地和散戶的原材料經(jīng)過收購站集中初加工，經(jīng)測檢合格后，送到加工廠進行殺菌和加工，制成各種不同的果汁飲料，通過配送中心，送至各大經(jīng)銷商和超市，直至最終消費者，因此本文基于復雜網(wǎng)絡理論得到匯源供應鏈網(wǎng)絡拓撲結構。

（一）供應鏈網(wǎng)絡結構

匯源集團供應鏈網(wǎng)絡結構包括6層主要鏈接，從上游到下游依次為：農(nóng)場（1，2，3節(jié)點），收購站（4，5，6節(jié)點），加工廠（7，8，9節(jié)點），配送中心（10，11，12節(jié)點），零售商（13，14，15節(jié)點）和消費者（16節(jié)點）。原料從農(nóng)場出發(fā)，依次經(jīng)過各層級，最終到達消費者。本文以匯源集團供應鏈網(wǎng)絡來說明考慮級聯(lián)效應的供應鏈網(wǎng)絡節(jié)點重要性評價方法的應用。

（二）數(shù)據(jù)結果分析

單個節(jié)點4～14的失效均能引起供應鏈網(wǎng)絡的級聯(lián)效應，具體過程如表1所示。由于引起級聯(lián)效應的節(jié)點均能引起該節(jié)點所在層的全部斷裂。本文只從引發(fā)級聯(lián)效應規(guī)模的大小，即Ik值來評價節(jié)點的重要性。由表1可知，節(jié)點4中Ik=1，為最重要節(jié)點，即該點失效會引起整個網(wǎng)絡的崩潰。排名居2、3位的是節(jié)點10和9。它們的失效會引起相應5個節(jié)點的失效，Ik分別為0.786和0.733。節(jié)點1、2、3、11和15的失效不能引起級聯(lián)效應，它們的重要性也相對較弱。

最大連通子圖是衡量網(wǎng)絡受破壞程度的物理量，它的大小和網(wǎng)絡遭受的攻擊方式有關。本文采取兩種攻擊方式：攻擊度數(shù)最高的點；攻擊負載最大的點。通過計算可得，網(wǎng)絡中各點的度數(shù)和負載如表2所示。

由表2可知，節(jié)點5和8分別是度數(shù)與負載最高的點。對這兩點分別進行攻擊，計算容忍系數(shù)α為0～1.0時，兩種攻擊方式的級聯(lián)失效過程，網(wǎng)絡剩余節(jié)點數(shù)和最大連通子圖的規(guī)模結果如表3所示。由表3可知，第1種攻擊方式（攻擊度數(shù)最高點）在α∈（0，0.9）的情況下都會引起級聯(lián)效應，即節(jié)點5失效從而導致節(jié)點4、6失效。第2種攻擊方式（攻擊負載量最大點）在α∈（0，0.2）的情況下，也會引起級聯(lián)效應，即節(jié)點8失效導致節(jié)點4、7、9、10的失效。該表同時反映出，采用第2種攻擊方式時，剩余網(wǎng)絡最大連通子圖的節(jié)點相對較少，規(guī)模相對較小，說明第2種攻擊方式同第1種相比對網(wǎng)絡的破壞性更大。通常情況下攻擊負載大的點要比攻擊度數(shù)高的點破壞性更大。

結論

本文提出了一種復雜供應鏈網(wǎng)絡節(jié)點重要性評價方法，可以在設計和運營策略上考慮失效事件的存在，通過對供應鏈關鍵節(jié)點實施事前保護，使供應鏈網(wǎng)絡在失效事件發(fā)生后能夠保持正常運作。與事后針對失效事件改變運作計劃相比，通過節(jié)點重要性評估，識別出重要節(jié)點，加強對其管理與保護，有助于提高供應鏈網(wǎng)絡的彈性和安全性?？紤]供應鏈網(wǎng)絡權重進行重要節(jié)點的評價將是今后更進一步研究的方向。

參考文獻：

1.張昕瑞，王恒山.供應鏈網(wǎng)絡的價值增值博弈決策研究[J].商業(yè)經(jīng)濟與管理，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.基于復雜網(wǎng)絡理論的供應鏈應急管理研究[J].物流技術，2007，26（11）

6.韓梅琳，樊瑞滿.供應鏈突發(fā)事件應急協(xié)調(diào)機制研究[J].統(tǒng)計與決策，2007，20（3）

篇5

關鍵詞 復雜網(wǎng)絡 軟件體系 程序分析

中圖分類號：TP3 文獻標識碼：A

0前言

網(wǎng)絡信息技術的飛速進展，促使人們的各項生活不斷的自動化、智能化、信息化、現(xiàn)代化，這在很大的程度上推動了國內(nèi)經(jīng)濟的發(fā)展。基于復雜網(wǎng)絡之下的Java程序分析工具之中，其JPAC的運用，合理有效的提升了Java軟件體系的可靠性、穩(wěn)定性以及高效率，有效的推進了現(xiàn)代化軟件產(chǎn)業(yè)的持續(xù)發(fā)展。

1 JPAC工具原理及整體結構

1.1 軟件體系結構

JPAC工具最主要的目的就是為Java軟件的相關體系結構構筑復雜網(wǎng)絡。Myers其定義了一個可以代表相關的軟件體系結構網(wǎng)圖，也就是軟件協(xié)作圖（SCG），其與UML中的類圖非常類似。可以進一步把SGG進行細化為了可以描述Java軟件體系結構的JavaSCG。如圖1，簡單JavaSCG構建實例。

圖1 簡單JavaSCG構建實例

把其構建的JavaSCG作為是可以代表Java軟件體系結構的對應網(wǎng)絡，能夠對相關的網(wǎng)絡特性實行詳細的分析。網(wǎng)絡級特性也就是代表了全局特性，這些特性合理的反映了Java復雜軟件體系中對應復雜網(wǎng)絡情況。

1.2 軟件體系結構演化

復雜網(wǎng)絡也還具有一定的演化特性，依據(jù)復雜網(wǎng)絡的演化模型演化相關的網(wǎng)絡，并且在相關的演化之后依然具備復雜網(wǎng)絡特性。

圖2 基于模塊軟件的演化模型演化過程

有研究人員把復雜網(wǎng)絡演化概念應用至軟件體系結構中，并提出一種基于對應模塊的軟件演化模型。該演化模型合理的模擬了軟件體系結構的復雜網(wǎng)絡特性形成的全部過程，并且和復雜網(wǎng)絡的相關演化一致，軟件體系結構會依據(jù)該模型的對應演化，從而得到的網(wǎng)絡仍然具備復雜網(wǎng)絡的相關特性。如圖2，為該模型的具體流程圖，P1、P2、P3代表了相關的過程被執(zhí)行概率，在進行新邊鏈接時考慮了其相關的軟件結構模塊的存在。

1.3 工具整體結構

考慮到前兩小節(jié)所述，JPAC工具是應合理的實現(xiàn)Java程序相關代碼實行分析，并為相關的Java軟件體系結構構件復雜網(wǎng)絡的相關功能。并且對構件好的相關復雜性網(wǎng)絡，展開復雜性網(wǎng)絡特性合理分析，有效的顯示軟件體系結構復雜網(wǎng)絡的相關特性，并進行合理有效的軟件結構演化規(guī)律。與此同時，JPAC工具也能夠提供較為抽象化的復雜網(wǎng)絡，促使人們能夠對其相關的特性及演化規(guī)律展開模擬性研究。所以，可以把JPAC工具的相關功能依據(jù)對應層次展開劃分，主要可以分為三個層次的模塊：

（1）數(shù)據(jù)分析層

其是相關工具的最底層，主要是和Java的代碼文件或者是XML文檔展開對應交互，并封裝了Java的代碼以及XML文檔至相關的網(wǎng)絡計算所表示的構建過程。其能夠不依靠于高層數(shù)據(jù)運算層及用戶界面層的相關存在，所以對應的用戶能夠依據(jù)其需要來增加數(shù)據(jù)分析層所需要的各類對應功能。

（2）數(shù)據(jù)運算層

其有效的呈現(xiàn)了依據(jù)數(shù)據(jù)分析層所提供的相關網(wǎng)絡功能運算，例如，統(tǒng)計分析和演化模擬運算。該運算是指對相關的網(wǎng)絡計算機的表示實行對應操作以及計算。數(shù)據(jù)的運算層可以進行一定程度的擴展，屬于可擴展層次。

（3）用戶界面層

用戶界面層是處在最上層的，其是負責把相關的網(wǎng)絡計算機表示呈現(xiàn)為可視化，把其運算的結果可視化，并為用戶提供可靠的操作等。

2 基于復雜網(wǎng)絡的Java程序分析工具設計

對于JPAC工具設計來講，依據(jù)JPAC工具結構可以將其分為三個層面，數(shù)據(jù)分析設計、數(shù)據(jù)運算設計以及用戶界面設計，以合理有效的呈現(xiàn)JPAC對Java的系統(tǒng)軟件運用復雜網(wǎng)絡進行構建，也就是進行JavaSCG的構建。

2.1數(shù)據(jù)分析設計

在對應的數(shù)據(jù)分析中，數(shù)據(jù)分析層則主要包括了Java代碼以及存取XML文檔、計算機網(wǎng)絡的內(nèi)部網(wǎng)絡功能從而生成三個主要的功能，在JPAC工具的相關設計中可應用BCEL技術來實行字節(jié)的碼文分析以及DOM技術對XML文檔分析，其能夠構建相對應的網(wǎng)絡，并且對其儲存，提供給較高層運用。對于數(shù)據(jù)分析層來講，其有五種類圖來同步完成相關數(shù)據(jù)分析層的功能支持。ProgInput是屬于抽象類圖，能夠對Java相關的文件實行讀入以及解析操作，以有效的呈現(xiàn)Java文件的相關解析；XMLParse則是應用DOM技術對XML文檔實行一定程度的解析，進而合理的呈現(xiàn)XML文檔的對應讀入及保存；DataLayer是較為抽象的一種圖類，其可以用于相關的保存構建網(wǎng)絡；JavaBinDataLayer是具體化類圖，其應用于保存Java體系的結構構建網(wǎng)絡；RandomDataLayer屬于具體化類圖，其用于隨機網(wǎng)絡的保存。

2.2 數(shù)據(jù)運算設計

在JPAC的相關工具設計過程中，是基于JavaSCG的相關構建，數(shù)據(jù)的運算層能夠實行多種運算，并且依據(jù)實際用戶的各種需求來實行功能的擴充，所以，JPAC工具的相關數(shù)據(jù)運算層能夠實行一定的統(tǒng)計分析以及演化模擬運算。

2.3 用戶界面設計

在相關的JPAC工具中，對應的用戶界面設計是應用EdlipseRCP框架，其運轉的速度較快以及相對應的功能強大、可擴展等特性，屬于RCP在Eclipse上所研發(fā)的一種客戶端的運用平臺。其開發(fā)了對應的插件功能，依據(jù)客戶的不同需求，來呈現(xiàn)JPAC的擴展。因為Eclipse以及Java具備一定的跨平臺功能，所以，JPAC工具能夠在多種平臺之下運行。

3 復雜網(wǎng)絡環(huán)境之下的Java程序分析功能實踐

Version1.5JDK為例，運用JPAC工具的相關復雜網(wǎng)絡統(tǒng)計特性來展開計算。經(jīng)過對V1.5版本的JDK之中的Java包分析而獲得，其網(wǎng)絡的中心節(jié)點讀書較大，并且在中心周圍也會分布著些許度數(shù)較大的相關節(jié)點，小節(jié)點主要分布在網(wǎng)絡的周邊，這充分的顯示了無標度特點的相關跡象。依據(jù)上述分析可得，JDK系統(tǒng)結構的網(wǎng)絡是具備小世界的對應效應以及冪率度分布特性，這就證明復雜網(wǎng)絡的特性是在JDK的體系中所存在。

因為JDK體系是最常見的Java軟件體系，所以，相關的定義上可以說明復雜的網(wǎng)絡之下Java程序的分析工具有著復雜網(wǎng)絡特性。并且，經(jīng)過應用、探究以及分析，能夠得到Java軟件體系也是具備一定的演化特性，這能夠為軟件研發(fā)人員提供可靠的研究依據(jù)，有效的促進軟件的研發(fā)技術水平持續(xù)提升。

4 結語

近些年，信息化的不斷進步促使網(wǎng)絡化環(huán)境逐漸的變得復雜，提升軟件對于相關體系的合理支持、管理以及維護，就成為了當下各類軟件開發(fā)的重點。想要更合理有效的進行軟件開發(fā)，復雜網(wǎng)絡的有效管理，軟件的開發(fā)人員依據(jù)其相關網(wǎng)絡特性、性質(zhì)、變化，合理的提出Java程序的對應分析工具，這樣有效的推進Java程序代碼分析與復雜軟件體系的研究。

Java工具研發(fā)以及運用，提供了復雜網(wǎng)絡環(huán)境為Java軟件體系，促進對Java軟件的相關體系網(wǎng)絡特性及變化規(guī)律展開深層探究，推進Java軟件體系基于復雜網(wǎng)絡之下的探究能夠持續(xù)探究并創(chuàng)新。

參考文獻

[1] 陳燾，李孔文，王樹森，顧慶，陳道蓄.基于復雜網(wǎng)絡的Java程序分析工具設計與實現(xiàn)[J].計算機科學，2013（4）.

篇6

關鍵詞：網(wǎng)絡分析儀 諧波濾波器 調(diào)試 應用

中圖分類號：TN713 文獻標識碼：A 文章編號：1007-9416（2013）06-0070-02

諧波濾波器是DFIOOA型發(fā)射機的維護難點和重點。其伺服傳動機構復雜，同步轉動的器件多（兩個電感、三個電容）。正常阻抗為75Ω，若阻抗過高會產(chǎn)生異常高壓造成電感打火甚至擊穿真空電容（包括7單元的補償電容），因此諧波濾波器的調(diào)試對于廣播發(fā)射機維護人員是必需掌握的本領。

1 網(wǎng)絡分析儀在調(diào)試諧波濾波器中的應用

1.1 網(wǎng)絡分析儀簡單介紹

現(xiàn)代網(wǎng)絡分析儀已廣泛在研發(fā)，生產(chǎn)中大量使用，網(wǎng)絡分析儀被廣泛地應用于分析各種不同部件、材料、電路、設備和系統(tǒng)。無論是在研發(fā)階段為了優(yōu)化模擬電路的設計，還是為了調(diào)試檢測電子元器件，矢量網(wǎng)絡分析儀都成為一種不可缺少的測量儀器。網(wǎng)絡分析儀是一種功能強大的儀器，正確使用時，可以達到極高的精度。它的應用也十分廣泛，在很多行業(yè)都不可或缺，尤其在測量無線射頻（RF）元件和設備的線性特性方面非常有用。現(xiàn)代網(wǎng)絡分析儀還可以應用于更具體的場合。本文以Agilent E5061A網(wǎng)絡分析儀作為測試工具。

1.2 工作原理

光在透鏡的傳輸過程可以幫助理解射頻或微波信號在器件的工作過程（如圖1）。

當射頻信號輸入到某個器件上時，會產(chǎn)生相應的反射和傳輸。每個器件在工作狀態(tài)下，其傳輸和反射信號的大小和相位都是不同的，而反射和傳輸?shù)奶匦詻Q定器件對信號的處理作用。器件及電路的設計實際上就是定量控制器件的反射和傳輸特性。影響一個器件（系統(tǒng)）傳輸/反射特性的因素很多，作為網(wǎng)絡分析儀主要研究器件傳輸/反射特性與工作頻率及功率的關系。簡單來講，網(wǎng)絡分析儀顯示的結果縱軸可定義為傳輸或反射特性，而橫軸為功率或頻率。

一般而言，網(wǎng)絡分析儀在射頻及微波組件方面的量測上是最基本、應用層次也是最廣的儀器，它可以提供線性及非線性組件的量測參數(shù)，因此，舉凡所有主被動組件的仿真、制程及測試上，幾乎會使用到。在測量參數(shù)上，它不但可以提供反射系數(shù)，并從反射系數(shù)換算出阻抗的大小，且可以測量穿透系數(shù)，以及推演出重要的S參數(shù)及其它的重要參數(shù)，如相位、群速度延遲（GroupDelay）、插入損耗（Insertion Loss）、增益（Gain）甚至放大器的1dB壓縮點（Compression point）等。

光波屬于電磁波的一種，當我們用光分析一個組件式，會使用一個已知的入射光源測量未知的待測物，當光波由空氣到達另一個介質(zhì)時，會因折射率不同產(chǎn)生部分反射及部分穿透的特性，例如化學分析上使用的穿透及反射光譜。對于同樣屬電磁波的射頻來說，道理是相通的，光之于折射率就好比微波之于阻抗的概念，當一個電磁波到達另一個不連續(xù)的阻抗接口是，同樣也會有穿透及反射的行為，從這些反射及穿透行為的大小及相位變化中，就可以分析出該組件的特性。

用來描述組件的參數(shù)有許多種，其中某些只包含振幅的訊息，如回返損耗、駐波比或插入損耗等，我們稱為純量，而能得到如反射系數(shù)及穿透系數(shù)等，我們稱為向量，其中向量可以推導出純量行為，但純量卻因無相位信息而無法推導出向量特性。

1.3 諧波濾波器介紹

諧波濾波器是一種可調(diào)式雙回路低通濾波器，安裝在高末級功率放大器機箱頂部，使用的電容和電感通過機械傳動連接，由一只調(diào)諧馬達驅動。它是PSM100KW短波發(fā)射機射頻通路的重要元件之一，主要用來濾除基波以外的高次諧波，以達到國際電聯(lián)規(guī)定的殘波輻射小于50mw的標準。諧波濾波器是一個非調(diào)諧的阻抗匹配網(wǎng)絡，采用定點預置的方法，每個頻率都有唯一確定的位置，其伺服傳動機構復雜，同步轉動器件多，所以，一旦出故障，將造成很大的麻煩。

1.4 諧波濾波器的調(diào)試技術指標要求

1.5 調(diào)試環(huán)境及注意事項

使用諧波濾波器一般使用在高頻環(huán)境、外界電磁環(huán)境復雜的情況下，因此測試首先要排除這些干擾因素，使網(wǎng)絡分析儀能工作在良好的環(huán)境中，必須做好以下幾點：

a）在發(fā)射機公共停機時間或者完全屏蔽的房間內(nèi)進行，網(wǎng)絡分析儀最好接在具有電源濾波器的電源上電源最好從在線式UPS取出，以防高頻電源的串擾。

b）調(diào)試基準：以20M頻率點作為基準調(diào)試。

c）網(wǎng)絡分析儀均需用銅帶進行良好的接地。

d）網(wǎng)絡分析儀充分預熱。

調(diào)試工程中要做好防靜電措施，帶防靜電手套。調(diào)試人員帶電操作，一定要注意安全。調(diào)試完成后注意清點工具。

2 諧波濾波器調(diào)試前的預置

2.1 諧波調(diào)試前電感預置

盤香電感預置在20MHz頻率點的基準位置，即短路滾輪在盤香電感內(nèi)數(shù)第二圈位置上，此時諧波滾輪（白色導向小輪）剛好正對觀察窗口，相對位置應保持相對同步平行狀態(tài)。否則應松開鏈條，調(diào)整其位置。

2.2 諧波調(diào)試前電容預置

2.3 注意的事項

為保證諧波濾波器調(diào)諧電容的一致性，應選用同一廠家同批次的電容，且均應通過打壓測試合格。

3 使用網(wǎng)絡分析儀調(diào)試諧波

3.1 連接設備儀器

d）如未達到要求，反復調(diào)試，使諧波濾波器回到20MHz頻率點，再次細調(diào)C1、C2、C3，必要時可微調(diào)L1、L2的相對位置，使諧波濾波器在短波頻段內(nèi)滿足要求。

e）調(diào)試完成后，脫開諧波濾波器的輸入和輸出端，在輸入端測量總電容量并記錄，總電容量應符合典型值。重新連接網(wǎng)絡分析儀和負載純阻，諧波濾波器回到20MHz頻率點，將計數(shù)器數(shù)碼位置調(diào)整至1000后，齒合傳動。

通過以上調(diào)試方法，反復調(diào)試，從測試儀中選好最佳狀態(tài)，固定好位置，調(diào)試就可以基本完成，保證濾除高次諧波成分，提升發(fā)射機性能指標。

篇7

【摘要題】企業(yè)信息建設

【關鍵詞】社會網(wǎng)絡/社會資本/社會網(wǎng)絡分析/知識管理/隱性知識共享

【正文】

知識成為21世紀企業(yè)持續(xù)競爭優(yōu)勢的一切來源。其中，隱性知識的交流和共享是知識創(chuàng)造的基礎，因此，隱性知識是企業(yè)財富的最主要源泉，隱性知識的有效交流和共享成為企業(yè)知識化運營、發(fā)展的關鍵。但隱性知識的內(nèi)隱性、復雜性以及隱性知識共享中的障礙性因素使隱性知識共享的可操作度大大降低。知識管理研究領域開始分析知識共享的機理和對策，并且形成以下較為成熟的研究領域：隱性知識共享的組織結構分析、隱性知識共享的組織文化分析、隱性知識共享的技術支持分析和隱性知識共享的激勵制度分析。但知識管理理論的價值在于其在組織中的應用，有關隱性知識共享的各種分析和結論也必須以實踐為最終目的，這恰恰是目前研究中的弱點，甚至是盲點。研究者將目光過多地投向定性和理論分析上，忽略了隱性知識共享必須依靠有效的操作工具和實踐指導，造成理論無法提升實踐績效。本文在以往研究的支撐下，借助“社會網(wǎng)絡分析”這一具體工具，提出一種有效的組織隱性知識共享操作工具，解決目前研究中面臨的“說和做”的兩難境地。本文與以往研究的不同之處在于其定量方法基礎上的分析方法構建，試圖為組織隱性知識共享提供具體的操作工具。

1社會網(wǎng)絡理論與知識管理

社會網(wǎng)絡理論20世紀50-60年代開始出現(xiàn)，長期以來主要被用于社會學問題的研究。目前已有學者將社會網(wǎng)絡理論的研究從純社會學的范疇擴大到企業(yè)，利用社會網(wǎng)絡的理論來解釋企業(yè)資源獲取和企業(yè)成長的問題，利用社會網(wǎng)絡理論協(xié)助企業(yè)開展競爭情報活動。本文的主旨不是單純的闡述社會網(wǎng)絡理論和社會網(wǎng)絡分析方法，而是探討社會網(wǎng)絡理論與知識管理的關系，探討社會網(wǎng)絡理論如何應用在隱性知識共享中。

1.1社會網(wǎng)絡理論與方法

所謂社會網(wǎng)絡（socialnetwork），實質(zhì)上就是為達到特定目的，人與人之間進行信息交流的關系網(wǎng)。它基本上由結點和聯(lián)系兩大部分構成。結點是網(wǎng)絡中的人或機構；聯(lián)系則是交流的方式和內(nèi)容。[1]社會網(wǎng)絡理論就是研究行為者（Actor）彼此之間的關系（Borgatti，1998），所謂的行為者可以是個人、組織或是家庭，通過對行為者之間的關系與聯(lián)結情況進行分析，能夠顯露出行為者的社會網(wǎng)絡信息，甚至進一步了解行為者的社會網(wǎng)絡特征。而透過社會網(wǎng)絡除了能顯示個人的社會網(wǎng)絡特征以外，還可以了解許多社會現(xiàn)象，因為社會網(wǎng)絡在實體組織中扮演著相當重要的無形角色，當人們在解決問題或是尋求合作伙伴時都是依循所擁有的社會網(wǎng)絡來尋找最可能幫助的對象（Kautz，1997）[2]。

社會網(wǎng)絡分析（socialnetworkanalysis）是社會網(wǎng)絡理論中的一個具體工具，就是對人與人之間、群體之間、組織之間、計算機之間，或者是其他信息、知識處理實體之間的關系進行描述，并對其價值進行估量的這么一個過程。[3]網(wǎng)絡中的結點（nodes）是人或群體，網(wǎng)絡中的聯(lián)系（links）表示結點之間的關系或者是相互之間的流動方向。社會網(wǎng)絡分析為人與人之間的關系提供了視覺上的和數(shù)學上的分析工具，管理者將這種方法應用于商業(yè)客戶，進而稱之為“組織網(wǎng)絡分析”（organizationalnetworkanalysis）。了解網(wǎng)絡及其參與者的方法之一就是對行為者（Actor）在網(wǎng)絡中的位置進行評價，進而得出一個結點的中心性（centrality），而中心性決定著結點在網(wǎng)絡中的地位和權力大小。程度中心性（degreecentrality）、中介中心性（betweencentrality）和靠近中心性（closenesscentrality）是社會網(wǎng)絡中心性分析的三個主要指標。程度中心性指結點擁有的直接聯(lián)系數(shù)量；中介中心性指失去此結點，結點之間將失去聯(lián)系；靠近中心性指結點之間距離的遠近程度。社會網(wǎng)絡分析通過定量計算得出各個結點的中心性，以此作為分析的基礎。

社會網(wǎng)絡理論將人際關系上升到科學的高度，為該領域的研究提供了科學嚴謹?shù)睦碚撝笇?，更有利于人們從中找到解決問題的方法。人際網(wǎng)絡分析則是在此理論指導下的一個定量分析工具，具有極強的分析性和圖示性。目前社會網(wǎng)絡分析的應用領域包括：[4]發(fā)現(xiàn)區(qū)域經(jīng)濟的創(chuàng)新網(wǎng)絡；分析圖書銷售模式來對新書進行市場定位；發(fā)現(xiàn)組織內(nèi)各領域的知識專家；提高項目團隊的績效；幫助大型組織安排員工工作位置；通過電子郵件得出經(jīng)理人的人際交往圈；定位技術工程組織中的技術專家和聯(lián)系專家的途徑；分析因特網(wǎng)的有用瀏覽模式；以研究出版物為基礎揭示跨領域知識流動。

1.2社會網(wǎng)絡理論與方法在知識管理中的應用

目前，許多研究知識管理的學者把研究的注意力放在了知識的產(chǎn)生、傳遞和應用所賴以存在的組織網(wǎng)絡之上，通過對這些組織網(wǎng)絡的觀察與分析來認識知識活動的基本規(guī)律。把知識共享納入到社會網(wǎng)絡中進行觀察的重要依據(jù)是知識共享行為主體都嵌入在一個具體、實時的聯(lián)系系統(tǒng)中，并且知識也是包容在網(wǎng)絡與社區(qū)之中。知識管理的主體是人，知識交流、知識共享都離不開人的參與。一個組織能否完全實現(xiàn)其知識的交流和共享，取決于其成員之間聯(lián)系的強弱。人、人與人之間的聯(lián)系成為知識管理的隱形網(wǎng)絡。目前組織知識共享，尤其是隱性知識共享中最大的難題就是缺乏有力的工具和方法。社會網(wǎng)絡理論與方法從知識管理的隱形網(wǎng)絡入手，為知識管理，主要是知識管理中隱性知識共享提供了理論和方法上的指導。

社會網(wǎng)絡理論認為，組織的創(chuàng)新能力、生產(chǎn)力和員工滿意度依賴于其成員之間關系的強弱；人與人之間的聯(lián)系、規(guī)則、價值觀以及共享的理念統(tǒng)稱為“社會資本（socialcapital）”。對于企業(yè)成功而言，社會資本與結構資本、顧客資本和智力資本具有同樣的重要性。[5]社會網(wǎng)絡分析是收集、分析組織內(nèi)人際關系模式的數(shù)據(jù)的一種圖表工具。應用于知識管理，SNA可以確立組織內(nèi)各種關系的模式，包括人與人之間的平均聯(lián)系數(shù)量、亞群體的數(shù)量和質(zhì)量、信息瓶頸和知識經(jīng)紀人。SNA對于人際網(wǎng)絡的分析視角為知識管理者提供了以下工具：改善知識和信息的流動；確認思想領導者和關鍵的信息瓶頸；找到最具影響力的增強知識流動的機會。

社會網(wǎng)絡分析不是傳統(tǒng)的知識管理工具的替代品，比如知識庫、知識門戶。它的意義在于為企業(yè)更好地實施知識管理提供一個藍圖和出發(fā)點，作為知識管理戰(zhàn)略規(guī)劃的組成部分，社會網(wǎng)絡分析能夠幫助企業(yè)找到核心人員并建立各種機制——實踐社區(qū)等，從而使核心人員能夠將知識向其他員工傳遞。

綜上，社會網(wǎng)絡理論賦予人際關系新的含義和價值，認為以人際關系為主要內(nèi)容的社會資本是企業(yè)的重要財富，與結構資本、顧客資本和智力資本共同構成了組織的知識資本。社會網(wǎng)絡分析解決了如何提升組織內(nèi)部知識流動的問題，為隱性知識共享提供了實踐操作的藍圖。而且，社會網(wǎng)絡分析可以使組織對內(nèi)部交流中存在的“鴻溝”有清楚的了解，同時有效地預防知識流失（DisappearingKnowledge）。[10]

2社會網(wǎng)絡分析方法在隱性知識共享中的應用

2.1社會網(wǎng)絡分析方法步驟

社會網(wǎng)絡分析項目首先要有問題陳述，即設定目標，明確要從社會網(wǎng)絡分析中獲得什么。典型的SNA目標有以下三個：[5]（1）增強組織創(chuàng)新、應對挑戰(zhàn)以及提升產(chǎn)品和服務質(zhì)量的能力。對現(xiàn)有社會網(wǎng)絡的分析可以使組織意識到可以提高知識共享和人際交流的措施。（2）評價組織重組前后組織結構的效率。對非正式結構的觀察能夠揭示知識如何在不同群體間的流動，有助于發(fā)現(xiàn)能使組織重組順利進行的關鍵人員。（3）優(yōu)化項目團隊或組織的人員結構。找到網(wǎng)絡中信息流動的關鍵人物，分配其合適的職位或角色人物體現(xiàn)其“中介角色”，以此提升其員工滿意度和忠誠度。

明確目標有助于確定參與社會網(wǎng)絡分析項目的群體以及調(diào)查問題的設計。比如想要構建一個有利于隱性知識共享的緊密的知識網(wǎng)絡——在此網(wǎng)絡中，組織成員之間能夠快速、便捷地找到所需知識的擁有者并進行交流，那么問題設計就應該與知識有關，例如：你對他人的技能和經(jīng)驗知曉、了解如何？此人擁有的知識對你的工作是否重要？當你需要幫助時是否能夠方便與之溝通？

在明確目標、設計問題之后，根據(jù)結果進行分析，并按照分析結果制成圖示。

2.2實例分析

以A公司為背景，項目組Q（人員：q12q3q4q5q6q7q8）、客戶服務部門M（m1m2m3m4）、技術支持部門N（nln2）為群體分析對象，應用社會網(wǎng)絡分析方法分析其中隱性知識交流、共享的情況。目的是分析隱性知識共享現(xiàn)狀，找到提升知識共享和人際交流的措施。前期調(diào)查的問題設計包括：交流對象、交流途徑、交流內(nèi)容。溝通對象分析得出圖1。2.3分析結果

本文在進行圖表和數(shù)據(jù)設計分析時，為了方便解釋和計算，簡化了實際可能存在的結點數(shù)和聯(lián)系。實際上，現(xiàn)實組織中人際關系要比上文描述的復雜得多。從以上分析得出以下結論：

（1）項目組內(nèi)部的人際網(wǎng)絡中，Q1的程度中心性最高，他處在網(wǎng)絡的中心，從某種意義上講，他是該網(wǎng)絡的知識和權利的中心；Q8的中介中心性最高，沒有Q8項目組與技術部就失去了聯(lián)系，盡管他不是知識和權利的中心，但是卻處在網(wǎng)絡最具戰(zhàn)略意義的位置，沒有這個結點，該網(wǎng)絡就與外部失去了聯(lián)系；Q5和Q6的靠近中心性最高，他們與其他結點之間的距離最近，這表明他們可以最快地和網(wǎng)絡中的其他成員聯(lián)系，在第一時間獲得有關他們的信息。

（2）對于項目組Q、客戶服務部門M和技術部門N而言，各個網(wǎng)絡內(nèi)部的聯(lián)系都是較為緊密的；但網(wǎng)絡之間的聯(lián)系較為松散，項目組、客戶服務部門和技術部門之間缺乏經(jīng)常性和專門性的聯(lián)系，實際上組織任何一個項目都應以客戶的需求為導向，技術部門更應該主動于其他部門聯(lián)系，使其技術知識和技能迅速有效的傳遞給其他組織成員。

（3）各個網(wǎng)絡內(nèi)部以及之間的聯(lián)系多為自發(fā)性的、間斷性的非正式聯(lián)系，如交談、電子郵件、MSN等即時通訊方式。交流的內(nèi)容具有多樣性：個人信息、工作信息、組織群體信息、外部信息等。

2.4基于實例的組織隱性知識共享策略分析

組織內(nèi)顯性知識共享較為容易，可以依靠各種文檔和數(shù)據(jù)庫；隱性知識共享卻存在著諸多的困難，其中最為突出的是路徑和對象問題。組織內(nèi)社會網(wǎng)絡分析為解決路徑和對象問題提供了新的研究思路。通過對現(xiàn)有網(wǎng)絡的分析，揭示現(xiàn)有隱形知識交流網(wǎng)絡結構，發(fā)現(xiàn)其中的瓶頸和制約因素，進而為改善組織的隱形知識共享提供有效的改進方法。結合上文實例分析提出以下策略：

（1）確認網(wǎng)絡中的關鍵人物（如Q1），分析其掌握的知識和技能，盡可能將其顯性化，避免因為核心人物的離開而造成組織內(nèi)交流的癱瘓以及組織知識資本的流失；優(yōu)化其他成員與之交流的途徑，擴大其隱性知識在網(wǎng)絡內(nèi)的擴散；采取相應的績效評估和激勵制度，鼓勵核心人員于其他成員進行知識交流，提升其員工忠誠度。

（2）確認網(wǎng)絡與外部聯(lián)系的節(jié)點（如Q8），分析其與外部交流的渠道、內(nèi)容和緊密程度，并以此為依據(jù)擴大對外聯(lián)系的強度，包括增加對外聯(lián)系的結點、內(nèi)容、頻率和方式，促進知識在不同網(wǎng)絡群體中流動。

（3）確認網(wǎng)絡中的“靈活人物”（如Q5和Q6），他們是加快網(wǎng)絡知識流動的催化劑，他們與其他成員的交流活動可以大大促進網(wǎng)絡內(nèi)隱性知識的交流。對于這類結點，應通過職位或工作性質(zhì)的安排來充分實現(xiàn)其價值，并可以將其交流技巧和方式進行推廣。

（4）找到網(wǎng)絡中的盲點，即沒有與其它結點發(fā)生聯(lián)系的結點，幫助其實現(xiàn)對外的知識交流，進而理順網(wǎng)絡路徑，最大限度上實現(xiàn)結點間的最短聯(lián)系和無盲點聯(lián)系，縮短知識交流的路徑。

（5）對于網(wǎng)絡之間的聯(lián)系，可以從任務和流程兩個角度進行分析。從具體的任務出發(fā)，比如上文中的項目組與客戶服務部門和技術部門，這三個網(wǎng)絡之間的交流就主要應以任務為導向，知識的交流以滿足特定的任務需求為目標。網(wǎng)絡聯(lián)系方式可以作如下設計：任務支持部門（如客戶服務、技術）在任務執(zhí)行部門（如項目組）派駐長期成員，隨時解決相關問題；任務執(zhí)行部門和支持部門之間定期召開聯(lián)合會議，對有關問題進行集中討論和解決；部門之間建立日常聯(lián)系機制，部門之間開放相關的信息和知識來源。

（6）鼓勵成員之間進行多種形式的非正式交流，并為這種非正式交流提供便利條件，如設立專門的討論區(qū)、創(chuàng)建相關議題的博客，鼓勵跨部門之間的員工交流。

3組織社會網(wǎng)絡中隱性知識共享的成本分析

研究表明，組織中人們更偏好向其他人求助，而不是文本信息。這樣，組織中的社會網(wǎng)絡就變成了行為主體進行知識搜尋的主要路徑與平臺。因此，主體間知識的交流和共享就受社會網(wǎng)絡中各因素的制約。[7]

在組織的社會網(wǎng)絡中，發(fā)生關聯(lián)的行為主體間的伙伴依賴性、雙方的交流能力、接觸的頻率、知識交流的經(jīng)驗、相互信任程度、個人關系、知識存量的相容性及互補性、雙方核心業(yè)務的相似性等構成了隱性知識共享的認知成本。而隱性知識共享的激勵、相關的酬薪體系、共享的意愿、尋求知識互惠、樹立聲譽地位、消除防范心理、提高信任等則構成知識共享的激勵成本。另外，因雙方的背景不同，知識的編碼和解碼產(chǎn)生了差異，導致了雙方的誤解，因此需要雙方溝通和額外的檢查，并產(chǎn)生了溝通成本和額外的檢查費用。并且激勵知識共享雙方還需依賴時間的過程，產(chǎn)生時間成本。以上這幾種成本之間是相互關聯(lián)的。組織中不同行為主體處理網(wǎng)絡結點關系和知識共享方面的問題時具有不同的意圖，由此造成了組織內(nèi)解決不同知識共享認知成本問題的不同方法，而這些不同的方法造成了激勵成本。

一般來講，組織中社會網(wǎng)絡的規(guī)模越大，聯(lián)結時間越長，網(wǎng)絡緊密程度越高，網(wǎng)絡的文化距離就會越小，知識的復雜性會越小，部門網(wǎng)絡間合作協(xié)調(diào)經(jīng)驗會越豐富，知識共享的成本就會降低。總之，社會網(wǎng)絡的聯(lián)系渠道、網(wǎng)絡結構、網(wǎng)絡中的制度文化因素、人力資源活動及流動、知識產(chǎn)權保護等共同構成組織社會網(wǎng)絡中知識共享所產(chǎn)生的各種情境成本。[7]

【參考文獻】

1包昌火，謝新洲，申寧.人際網(wǎng)絡分析.情報學報，2003（6）：365-374

2張秀儀.利用全國博碩士論文資料庫自動化建構知識來源映射圖.高雄：國立中山大學資訊管理研究所碩士論文，2004：11

/sna.html[2005-9-24]

/sna.html[2005-9-24]

篇8

依據(jù)當今社會人們普遍的生活方式，提出“碎片化”的概念。在碎片化背景下，移動網(wǎng)絡信息技術的迅速發(fā)展催生出“碎片化”應用。以某大學本科班級的全體學生為例，利用社會網(wǎng)絡分析從結構性,因素性,關聯(lián)性三個方面探究碎片化時代下群體之間的人際關系，結果顯示碎片化時代群體重聚現(xiàn)象顯著。

［關鍵詞］

碎片化；社會網(wǎng)絡分析；人際關系；重聚；群體

1引言

隨著社會的進步，高新技術產(chǎn)業(yè)的發(fā)展，人們的生活水平不斷提高，生活節(jié)奏也在日益加快，空間移動與轉換頻率的增加使得人們有限的時間被劃分的越來越細，呈現(xiàn)“碎片化”的特點［1］。移動互聯(lián)的的興起讓生活變得愈加便捷，“碎片化”應用充實了碎片化時間，即便在不同的時間點、不同的位置，群體間依舊可以相互聯(lián)系得以重聚。因此研究了碎片化時間與“碎片化”應用相結合，群體之間人際關系的變化。大學生是當代活躍度較高，創(chuàng)新意識較強的群體，本文旨在通過大學生這個典型群體從結構性、因素性、關聯(lián)性三個方面得出普遍規(guī)律。

2碎片化時代的概述

“碎片化”起初出現(xiàn)在20世紀80年代的“后現(xiàn)代主義”的學術研究中，原意為完整的事物被分成零碎的部分。近年來，“碎片化”作為一個新興詞匯在不同的領域的被賦予不同的涵義，在移動互聯(lián)時代背景下，“碎片化”時間指的是移動化的“等候時間”，包括上／下班途中，出差途中等一些分散的時間。“碎片化”應用是人們在零碎時間內(nèi)消費時間使用的一種移動應用程序，用戶可以在任何位置，狀態(tài)下進行?！八槠睉檬褂脮r間是碎片化的，短則一分鐘，長則半個小時，應用種類是多樣的，“碎片化”應用憑借其良好的體驗逐漸滲透在我們的日常生活中［2］。碎片化下的重聚指群體利用應用軟件進行交流溝通重新相聚相識的過程。重聚包括兩個方面，一是相同群體之間互動性增強，另一方面主要指傳統(tǒng)意義上的不同群體按照興趣，價值觀，生活方式等共同的行為方式重新聚集起來。

3社會網(wǎng)絡分析研究基礎及現(xiàn)狀

3．1社會網(wǎng)絡分析簡介社會網(wǎng)絡分析是一種社會學的研究方法，核心概念就是研究人與人之間的關系。隨著社交媒體的出現(xiàn)，收集和獲取網(wǎng)絡數(shù)據(jù)更加便利，社會網(wǎng)絡分析逐漸受到公眾和學界的青睞［3］。社會網(wǎng)絡數(shù)據(jù)基本測量包括密度、中心度等。密度是度量客體之間互相聯(lián)絡程度的重要指標，網(wǎng)絡密度越大則關系越密切，點度中心度是考察各個節(jié)點的相對中心度，即與該點有關系的點的數(shù)目。中心度研究集中在各個節(jié)點，而中心勢考察的是一個整體的內(nèi)聚性，即整體中心化的程度［4］。

3．2社會網(wǎng)絡分析有關人際關系的研究社會網(wǎng)絡分析在人際關系的研究主要分為結構性，關聯(lián)性，因素性三個方面。人際關系網(wǎng)絡的結構性主要體現(xiàn)在依據(jù)不同的屬性劃分出不同結構的人際關系，是最基本的關系網(wǎng)絡，為進一步量化提供數(shù)據(jù)及依據(jù)，包括情感網(wǎng)、咨詢網(wǎng)、情報網(wǎng)、信任網(wǎng)等。Milgram的“六度聯(lián)結的小世界”充分說明了人際關系的關聯(lián)性，通過計算平均距離即人們通過多少個中間人建立聯(lián)系，進而說明人際關系的關聯(lián)性。人際關系的因素性是研究影響人際關系網(wǎng)絡形成的因素，這些因素具有普遍意義［5］。

4碎片化應用對群體影響的研究設計

［6］4．1研究內(nèi)容本文研究碎片化時代下大學生人際關系的變化，按大學生在關系網(wǎng)絡中的結構主要分為情感網(wǎng)和情報網(wǎng)，情感網(wǎng)表現(xiàn)在個體與他人的親密程度，包括聊天，學習，旅游，休閑娛樂等，情報網(wǎng)主要研究個人獲取他人信息時構成的人際關系網(wǎng)絡。碎片化時代下，應用涉及生活各個方面，現(xiàn)實的生活需求都會間接轉化為應用呈現(xiàn)給群眾，現(xiàn)實與虛擬已在無形中產(chǎn)生一種對應關系，通過社會網(wǎng)絡分析方法對大學生人際關系結構性進行前后對比，利用數(shù)據(jù)對人際關系網(wǎng)絡的關聯(lián)性與因素性進行探究，最終驗證重聚現(xiàn)象。

4．2研究對象本文選取本專業(yè)全體28名同學為研究對象，主要的原因包括：（1）大學是學生步入社會的過渡階段，這個階段的群體具有雙重特征；（2）大學生是青春與理想兼并的一代，對于信息技術及新鮮事物有較高的興趣；（3）班級全體同學因為性格等方面不同呈現(xiàn)的人際交往關系具有普遍性。

4．3數(shù)據(jù)收集與處理

4．3．1情感網(wǎng)數(shù)據(jù)收集與處理本文數(shù)據(jù)的收集主要是通過觀察、訪談以及材料分析，首先通過微信與班級中的全體同學建立聯(lián)系，根據(jù)日常生活班級人際關系的觀察，一對一進行針對性的提問，問題主要基于“碎片化”應用的背景，在現(xiàn)實生活中，與應用相對應的一系列互動包括某人自愿主動性的和某同學去圖書館學習，逛街，看電影，享受美食及旅行等，根據(jù)班級全體同學的回答建立28×28矩陣。其次基于碎片化時代下應用的普遍，研究班級同學使用相同休閑娛樂類應用的情況，本研究以手機游戲為例，通過3個微信游戲將全體同學聯(lián)系在一起，同樣建立28×28矩陣，與上一個矩陣進行對比分析。

4．3．2情報網(wǎng)數(shù)據(jù)收集與處理本文情報網(wǎng)的研究不再局限于班級內(nèi)部的人際關系，更多探究班級個體與社會之間的關系。主要是從全體同學的角度，班級中的每個個體都可以通過微博這個平臺獲取自己關注的信息，構成一個人際關系網(wǎng)絡，把班級全體同學看成一個相同的社會群體，班級同學所共同關注的對象構成另一群體，實則是研究不同群體在碎片化時代下所呈現(xiàn)的狀態(tài)，群體內(nèi)部之間的關系我們在這里不研究。這項數(shù)據(jù)的收集是通過微博的微關系對班級全體同學關注的對象進行匯總，最初的數(shù)目龐大，分析生成的社群圖過于復雜，難以發(fā)現(xiàn)其規(guī)律，于是不斷求平均值從最初的100多縮減到20個個體，這20個被關注者至少有7個研究對象關注，具有很強的代表性。

5研究結果分析與討論

5．1情感網(wǎng)人際網(wǎng)絡關系圖1表示現(xiàn)實生活中班級同學彼此存在非組織共同活動（唱歌，看電影，逛街）的關系，有兩名同學社交關系十分薄弱暫不考慮，此社群圖實際是26個樣本。從整體角度分析，圖一的網(wǎng)絡密度為0．1749，該數(shù)值較低，說明大學同學共同活動更多以寢室為單位，與其他同學交流互動的機會甚少，存在小群體現(xiàn)象。節(jié)點之間的平均距離為2．645，即任意兩個人進行溝通平均需要2個人作為媒介，個體之間關聯(lián)性較弱，同學之間的互動頻率低。圖2則表示通過碎片化時代下的應用班級同學所形成的密切關系。班級中有4名同學不玩此類游戲，因此樣本總數(shù)為24。圖2的網(wǎng)絡密度為0．933，該數(shù)值明顯高于圖1，則表明在碎片化應用的條件下使群體重聚的現(xiàn)象十分顯著，同學們互動頻率加快，形成了一種密不可分的關系鏈；節(jié)點的平均距離為1．067，任意兩個人都存在溝通的機會，每個同學之間都建立了一條交流通道，大學生人際關系網(wǎng)絡關聯(lián)性增強。通過社群圖圖2，圖2的對比分析，可以清晰看出碎片化時代下大學生群體明顯的重聚現(xiàn)象。碎片化時代下的應用加強群體的內(nèi)聚的同時，成員自身的中心度也在不斷增加?！昂诵娜宋铩奔袋c度中心度排名靠前的個體的數(shù)量也在不斷增加，有利于營造良好的人際關系氛圍。

5．2情報網(wǎng)人際網(wǎng)絡關系從微博的角度出發(fā)，被關注的人更新了一條狀態(tài)，那么本班同學中同時關注這個人的一些個體也會查看到，這些不同類型的個體可以實現(xiàn)在該被關注的人下發(fā)表評論、收藏以及轉發(fā)等功能，進而引起被關注人的關注，實現(xiàn)不同群體之間的互動交流，從而形成了一個交流環(huán)網(wǎng)。該人際關系網(wǎng)絡的形成涵蓋許多因素包括社會階層、家庭背景、學歷、收入、興趣愛好等，微博作為一種碎片化時代下的產(chǎn)物促進社會群體重聚。

6結論

根據(jù)本文的研究可以看出，碎片化時代背景下，“碎片化”應用使群體重聚現(xiàn)象得以體現(xiàn)，這種重聚是重新聚合，相同群體之間的重聚即通過虛擬促進現(xiàn)實人際關系，虛擬與現(xiàn)實的一致性是我們一直所期待的。不同群體之間的重聚相對復雜，但同時這種重聚更具有現(xiàn)實意義，碎片化時代下人際關系的獨到之處正是不同群體的重聚，社會地位、地理位置、經(jīng)濟水平不同的個體都能依據(jù)某個特征聚集在一起，社會分化也是群體重聚的過程，重聚也是分化的進一步提升。社會網(wǎng)絡分析為重聚現(xiàn)象的提出進行了定量分析，本文所研究的樣本較小，只是對這種現(xiàn)象進行初步探索，重聚的形成包括各種因素，后續(xù)的研究可以從內(nèi)因，外因入手搜集更全面的社會網(wǎng)絡數(shù)據(jù)，利用網(wǎng)絡動態(tài)學，復雜網(wǎng)絡理論等進行更深入研究［7］。

主要參考文獻

［1］徐冉．“碎”眼看“聚”———以微博為例看碎片化背景下的群體重聚［J］．新聞世界，2011（8）．

［2］常政．移動時代的經(jīng)濟學———碎片化應用［J］．程序員，2011（6）：56－58．

［3］［美］諾克，楊松．社會網(wǎng)絡分析［M］．第2版．上海：格致出版社，2012．

［4］［美］斯科特.社會網(wǎng)絡分析法［M］．重慶：重慶大學出版社，2007．

［5］申?，周策．社會網(wǎng)絡分析法在人際關系中應用的研究綜述［J］．中國電力教育，2013（1）．

［6］郭金龍，陸宇杰，許鑫．基于社會網(wǎng)絡分析的大學生現(xiàn)實與虛擬社會人際關系研究［J］．現(xiàn)代教育技術，2012，22（12）．

篇9

【關鍵詞】社會網(wǎng)絡；房地產(chǎn)企業(yè)；網(wǎng)絡中心性

中國經(jīng)濟多年的持續(xù)穩(wěn)定增長，使得我國綜合國力不斷強大，房地產(chǎn)行業(yè)也持續(xù)發(fā)展。我國的地產(chǎn)大戶主要有萬科、恒大地產(chǎn)、保利地產(chǎn)等等，這些地產(chǎn)公司之間也存在著相互競爭、制約和相互促進等錯綜復雜的關系。社會網(wǎng)絡分析可以實現(xiàn)對企業(yè)之間的關系結構以及由此結構衍生出來的屬性進行分析。社會網(wǎng)絡分析方法一起可視化的形式而備受青睞，以網(wǎng)絡結構圖的形式分析數(shù)據(jù)、發(fā)現(xiàn)隱含在抽象數(shù)據(jù)背后的規(guī)律，從而輔助決策[1]。本文利用網(wǎng)絡關鍵詞的搜索，構建位于財富500強企業(yè)中的28家房地產(chǎn)企業(yè)之間的社會網(wǎng)絡關系，分析企業(yè)之間的競爭格局。

1樣本選擇和數(shù)據(jù)采集

在樣本選擇方面，根據(jù)“財富”網(wǎng)站上的“2015年財富中國500強排行榜”，本文對中國500強企業(yè)中房地產(chǎn)及其相關行業(yè)的企業(yè)進行了整理，找出其中28家房地產(chǎn)及其相關企業(yè)作為研究樣本。在數(shù)據(jù)采集中，本文以百度引擎為媒介采集一家企業(yè)在其網(wǎng)站中提及另一家企業(yè)的網(wǎng)頁數(shù)量，作為該企業(yè)與其他企業(yè)是否有聯(lián)系的重要指標。由于本文選取的研究對象都為國內(nèi)企業(yè)，百度搜索引擎對中文搜索支持的很強大，對語言的適配能力強，因此選用百度中的數(shù)據(jù)進行采集。提及頻次數(shù)據(jù)的采集時間為2016年6月20日。

2數(shù)據(jù)預處理

數(shù)據(jù)收集結果是使28×28的一個二維非對稱陣，其中每一個數(shù)值代表該行企業(yè)網(wǎng)站提及該列企業(yè)網(wǎng)站的網(wǎng)頁數(shù)量，即頻次。為了能夠使用Gephi軟件繪制出28家房地產(chǎn)企業(yè)的社會網(wǎng)絡圖，本文將每個企業(yè)的提及頻數(shù)做歸一化處理，如萬科的網(wǎng)站中，保利地產(chǎn)、華潤置地、金地集團、招商地產(chǎn)、遠洋地產(chǎn)和綠城中國的提及頻數(shù)分別為2、3、1、2、2和2，歸一化處理后每個企業(yè)的值分別為0.167、0.25、0.082、0.167、0.167和0.167。

3社會網(wǎng)絡構建

在網(wǎng)絡鏈接分析中，通常用入鏈和出鏈作為社會網(wǎng)絡構建的重要指標，入鏈指該企業(yè)網(wǎng)站被鏈接的綜述，出鏈指該企業(yè)網(wǎng)站鏈接其他企業(yè)網(wǎng)站分別的數(shù)量。但是在實際問題中，入鏈和出鏈很難過去，所以本文近似的選擇某企業(yè)網(wǎng)站中提及另一家企業(yè)網(wǎng)站名稱的數(shù)量來代表兩家企業(yè)之間的關聯(lián)性，即在上文中收集到的二維矩陣中的數(shù)值[2]。企業(yè)提及頻次是企業(yè)之間業(yè)務往來，相互關注以及合作、競爭關系的抽象代表。本文利用社會網(wǎng)絡分析軟件Gephi對房地產(chǎn)企業(yè)的相互關注程度進行分析，如圖1所示。

4房地產(chǎn)社會網(wǎng)絡分析

在該社會網(wǎng)絡中網(wǎng)絡中心度排名前3的企業(yè)是保利地產(chǎn)、金地集團和碧桂園，排名倒數(shù)前3的是首創(chuàng)置業(yè)、杭州濱江房產(chǎn)以及時代地產(chǎn)。通過房地產(chǎn)企業(yè)社會網(wǎng)絡以及中心度度量可以發(fā)現(xiàn)，保利地產(chǎn)處于網(wǎng)絡的中心地位，與其他企業(yè)的鏈接最多，接下來是金地集團和碧桂園。網(wǎng)絡中心度越高，代表其網(wǎng)站與其他網(wǎng)站交流程度越高，交流越多可以反映出兩家企業(yè)之間具有密切的關系，至于關系是競爭還是合作并不好判斷。而首創(chuàng)置業(yè)、杭州濱江房地產(chǎn)和時代地產(chǎn)，幾乎與其他房地產(chǎn)企業(yè)之間沒有網(wǎng)站鏈接，說明交流較少，開放性不強。

參考文獻

[1]趙蓉英，王靜.社會網(wǎng)絡分析（SNA）研究熱點與前沿的可視化分析[J].圖書情報知識，2011，01：88~94.

篇10

[關鍵詞]中心度　網(wǎng)絡分析　中介中心度

[分類號]G350

中心度是應用于網(wǎng)絡分析的一個重要度量指標，用于測量網(wǎng)絡中“元素”的重要性，這里的“元素”是一種泛指，包括網(wǎng)絡中的節(jié)點、邊、社團及整個網(wǎng)絡。本文的研究主要集中在節(jié)點中心度上。首先解釋并明確中心度的概念，回顧當前的節(jié)點中心度的主要算法，對現(xiàn)有算法研究、分類研究及應用研究進行總結和分析，最后對中心度算法研究情況予以總結及展望。

1　中心度的概念

中心度研究能夠識別網(wǎng)絡中的重要節(jié)點，節(jié)點的重要程度由網(wǎng)絡的拓撲屬性、結構特點及節(jié)點在網(wǎng)絡中的具置決定。Mike Gotta指出“中心度的概念，簡單來說是識別網(wǎng)絡中具有高度連接的活動者”。這個定義有些片面，而維基百科中也沒有給出明確的定義，只給出了相關解釋：“在圖論和網(wǎng)絡分析中，對一個節(jié)點的多種中心度測量，這些測量主要是決定圖中一個節(jié)點的相對重要性”的一種解釋。

之前的研究中并沒有給出關于中心度的嚴格定義，筆者認為它是關于節(jié)點重要性的度量指標。這種重要性，根據(jù)不同網(wǎng)絡和結構特點及關系表現(xiàn)為節(jié)點的影響力、權威性(重要思想、知識或判斷決策的源頭)、流行度、控制力(如傳輸、流量的控制能力)、便利性(位置上的優(yōu)勢、易于訪問)或某種特殊意義，也可以表現(xiàn)為節(jié)點的脆弱性和易受攻擊性。不同的中心度算法含義不同，此處給出的是一個總結性質(zhì)的定義。

2　中心度算法分類及研究進展

2.1　中心度算法分類研究

已有不少學者對中心度算法的分類進行了研究。Noaht在描述中心度測量的理論基礎時將中心度劃分為三種類型，包括總體效果中心度、接近效果中心度和調(diào)解中心度。Dirk Kosehtitzki等將中心度分為4種類型，包括基于可到達性、基于流量、基于活力值和基于反饋的中心度。Zhang將中心度算法劃分為5類，包括基于點度、基于最短路徑、基于流、基于隨機行走和基于反饋的中心度。從其他角度考慮中心度的劃分，還可以分為基于全局的中心度算法、基于局部的中心度算法；或根據(jù)具體算法分為絕對中心度和相對中心度算法；根據(jù)網(wǎng)絡動態(tài)性，分為動態(tài)中心度算法和靜態(tài)中心度算法。另外，根據(jù)網(wǎng)絡屬性、權重和方向又可以分為基于有向網(wǎng)絡的算法和基于無向網(wǎng)絡的算法、基于加權網(wǎng)絡和基于無權網(wǎng)絡的算法及幾者組合的分類方式。

2.2　主要的中心度算法研究

根據(jù)2.1的分類，本文基于生成原理將中心度算法分類，劃分為基于連接的、基于最短路徑的、基于流的、基于隨機行走的和基于反饋的中心度算法5種。

2.2.1　基于連接的中心度算法度中心度算法(Degree)用于測度網(wǎng)絡中一個節(jié)點與其他節(jié)點直接連接數(shù)的總和。在有向網(wǎng)絡中，度又分為人度和出度。Hildrun基于合著網(wǎng)絡比較有權和無權的度中心度算法，提出查找一種函數(shù)，使元素權重均等分布數(shù)等于元素的個數(shù)。得到偏離相等分布越大、函數(shù)值越小的包含權重連接關系的復雜度中心度算法。Benjamin聚焦于在網(wǎng)絡規(guī)模、邊密度、邊強度和方向性等變量變化條件下的度中心度研究。由于度中心度算法反映的是靜態(tài)的局部聯(lián)系，在反映重要節(jié)點時具有局限性，研究中通常與其他網(wǎng)絡屬性測度指標結合應用。

2.2.2　基于最短路徑的中心度算法基于最短路徑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。這一類中心度基于網(wǎng)絡中節(jié)點間的最短距離。Yannick對Harmonic中心度和接近中心度進行比較，指出Harmonic中心度可以作為接近中心度的替代算法，并將其擴展到無向圖當中。Centroid也可看作是接近中心度的變種，它測量的是一個節(jié)點比其他節(jié)點在位置上的優(yōu)勢程度。中介中心度是基于最短路徑的經(jīng)典算法，能夠用于揭示網(wǎng)絡中具有連接橋作用的節(jié)點，從而發(fā)現(xiàn)網(wǎng)絡連接中的關鍵點或脆弱點。由于該算法的重要性，諸多學者關注該算法的研究，對其進行改進與優(yōu)化。其中，Ulrik Brandes較系統(tǒng)地總結了中介中心度的變種算法及其適用范圍。雖然基于最短路徑的算法是中心度測量的重要方法之一，但是基于最短路徑的原理也成為這類算法的局限，在實際網(wǎng)絡中并不是所有重要節(jié)點都通過最短路徑。

2.2.3　基于流的中心度算法基于流的中心度算法引入電網(wǎng)電流流動理論，將網(wǎng)絡關系看作是包含電壓、電流的電網(wǎng)，基于在網(wǎng)絡中電流的流動進行建模。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。這類中心度算法主要被應用于社會網(wǎng)絡，用于探測社團結構，如Franco提出通過計算圖中相關的局部流中介中心度，利用邊的權重建模進行社團的抽取及聚類。

2.2.4　基于隨機行走的中心度算法基于隨機行走的中心度算法包括隨機行走中介中心度、隨機行走接近中心度和馬爾可夫中心度算法。這類算法主要基于隨機行走原理，計算在起始節(jié)點和目標節(jié)點間對中間節(jié)點的隨機訪問次數(shù)?；陔S機行走的中介中心度算法是由Newman提出的，用于解決最短路徑的局限性問題。S.Lee等提出基于偏好隨機行走的中心度算法，并將其應用于復雜網(wǎng)絡，在度相當大的條件下該算法能夠對多種中心度算法進行統(tǒng)一。

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

研究廣泛集中在PageRank等網(wǎng)絡排序算法上。由于其缺乏對網(wǎng)頁主題內(nèi)容等其他因素的考慮，不少學者對該算法進行了改進和擴展。算法改進注重綜合多方面影響因素，包括網(wǎng)頁鏈接、網(wǎng)頁內(nèi)容、用戶點擊及瀏覽行為等。目前較突出的研究如主題敏感的PageRank、個性化加權PageRank算法等能夠對已知查詢識別出更多相關度更高的網(wǎng)頁。

2.3　中心度近似算法研究

由于精確算法需要多次迭代，在時間和空間消耗上較大，特別是在真實大型網(wǎng)絡中，給實際計算帶來巨大挑戰(zhàn)。因此對近似算法的研究能夠在一定程度上解決這方面的問題，近似算法研究關注在迭代次數(shù)、最短路徑計算、抽樣等方面的改進，提高計算效率和性能。

David等提出一種基于適應性抽樣技術的中介中心度近似算法，大大地降低了對高中心度節(jié)點的單源最短路徑計算的消耗。Kazuya等根據(jù)接近中心度的精確值和近似值計算提出新的算法。算法主要用于選取接近中心度值最高的節(jié)點，而非全部節(jié)點從而降低了時間消耗。近似算法能夠在一定程度上提高計算

效率并保證得到的結果在可接受的誤差之內(nèi)。

2.4　并行中心度算法研究

由于網(wǎng)絡、特別是真實網(wǎng)絡，更加復雜并且規(guī)模龐大，因此對于現(xiàn)有算法的性能和效率提出了挑戰(zhàn)。當前的一些算法研究關注于在更精細粒度上的并行方法，對算法進行切分和加和，分布到多臺機器上運行，提高運行效率的同時提高運行效果。

Christian等提出一種新的并行模式的PageRank算法。該算法通過引入網(wǎng)絡二維視圖，保存主機ID作為區(qū)分，而后將PageRank劃分為不相連的部分，應用GauB--Seidel迭代算法進行快速的線性系統(tǒng)求解。該算法與其他并行PageRank算法相比，在每次迭代時間上有很大改進。Tan等提出一種新的適用于CREWPRAM的并行中介中心度算法，應用于大規(guī)模網(wǎng)絡分析，通過適當?shù)臄?shù)據(jù)處理器映射、新的數(shù)邊策略和三元數(shù)據(jù)矩陣結構，通過記錄最短路徑減少訪問共享存儲器沖突問題。

3　中心度計算方法應用研究

雖然中心度計算方法主要被應用于復雜網(wǎng)絡研究，但是由于它是基于網(wǎng)絡的，在其他領域研究中也受到廣泛關注。本文對其應用領域進行歸納，可主要體現(xiàn)在復雜網(wǎng)絡分析、期刊及論文評價、大眾標注標簽分析及推薦、網(wǎng)頁排名、關鍵詞抽取及文本摘要、語義結構探測及語義消歧、科學前沿及創(chuàng)新探測、重要作者識別等方面。由于網(wǎng)頁排名主要涉及PageRank算法前文已經(jīng)總結，此處著重于歸納中心度算法在其他領域的研究情況。

3.1　復雜網(wǎng)絡分析

中心度算法主要被應用于復雜網(wǎng)絡分析，如社會網(wǎng)絡、生物蛋白質(zhì)網(wǎng)絡、電力網(wǎng)絡等。Nicola等研究了復雜網(wǎng)絡中的中心度算法，回顧并比較了基于圖矩陣拓撲屬性的中心度算法，包括PageRank、Eigenvector和HITS，發(fā)現(xiàn)一些中心度是相互關聯(lián)的。Francesco等將中心度的拓撲概念應用于解釋復雜網(wǎng)絡連接的可靠性和安全性，將度中心度、中介中心度、接近中心度、信息中心度拓展為可靠性度中心度、可靠性接近中心度等算法，將其應用到電力傳輸系統(tǒng)網(wǎng)絡中，用于評估網(wǎng)絡路徑連接元素的重要性。

3.2　期刊及論文評價

隨著研究的深入，不少學者將中心度算法應用于期刊引用網(wǎng)絡，為科學質(zhì)量評價提供新的方法。其中Jevin West提出一種新的學術期刊評價指標Eigenfactor，它基于Eigenveetor，利用文獻對期刊的引用率對期刊進行排序，其與傳統(tǒng)期刊評價指標的區(qū)別在于其考慮了整個引用網(wǎng)絡的結構，考慮了間接聯(lián)系及效果。Chena等應用PageRank算法對1982年～2003年物理評論系列期刊中的所有出版物進行了重要性評估。發(fā)現(xiàn)每個出版物的PageRank值和引用數(shù)相關。利用PageRank算法識別了期刊中物理學家熟悉的一些杰出的具有影響力的論文。

3.3　大眾標注標簽分析及推薦

大眾標注是自Web2.0以來倍受學術界關注的一個領域，中心度算法在大眾標注中的應用研究主要體現(xiàn)在對標簽的推薦和對標注用戶的社會網(wǎng)絡分析等方面。主要通過用戶、資源、標簽所構成的三元組關系構建不同的關系圖或關系網(wǎng)絡，并基于此進行中心度的測量和評估，進行對標簽推薦或標簽網(wǎng)絡規(guī)律特點的分析。

Andreas H根據(jù)大眾分類法基于用戶、資源、標簽三元組關系的特點，提出FolkRank算法，將其主要用于特殊主題的標簽、資源或用戶的推薦。Robert等對FolkRank、基于改進的PageRank及基于標簽流行度的推薦方法進行了測試對比，發(fā)現(xiàn)前兩種方法均比非個性化的推薦方法更有效，特別是FolkRank方法在探測超圖結構、解決冷啟動問題上都有優(yōu)勢。Ivan基于共現(xiàn)圖使用節(jié)點中心度算法進行社會標簽推薦。通過關鍵詞集抽取，檢索相關書簽，構建全局共現(xiàn)子圖，結合TF4DF算法計算相關標簽的中心度，將具有最高中心度的標簽作為推薦結果。

3.4　關鍵詞抽取及文本摘要

關鍵詞抽取和文本摘要也是中心度算法應用的重要領域，其主要被應用于測量文本中的詞或句子的中心度，確定關鍵詞或中心句，揭示文本的主題內(nèi)容。特別是在關鍵詞抽取研究中，中心度算法能夠規(guī)避對低頻但重要的詞的忽略問題。

Kino使用Wikify系統(tǒng)從維基百科的文章中抽取關鍵詞，利用基于隨機沖浪的中心度算法進行主題識別。Zhang等提出利用Hub，Authority框架進行文本摘要的方法，結合線索短語、句子長度、首句等線索，將子主題的屬性融入基于圖的句子排序算法中來探測多文本子主題。

3.5　語義結構探測及語義消歧

時至今日，對于語義的探測和挖掘成為研究者關注的熱點，中心度在語義結構探測和語義消歧方面也有主要應用。Jason等提出通過語義結構挖掘算法構建一致性本體和計算局部和全局語義中心度的思想，用于增強子團體的發(fā)現(xiàn)和資源的共享。

在語義消歧方面，Ravi應用詞義相似度和中心度計算進行基于圖的詞義消歧，并使用測試數(shù)據(jù)集對入度中心度、接近中心度、中介中心度等算法分別結合基于WordNet的不同相似度計算進行了實驗，取得較好的效果。

3.6　科學前沿及創(chuàng)新探測

中心度被應用于引文網(wǎng)絡、共被引網(wǎng)絡測度具有重要影響力的論文，發(fā)現(xiàn)科學前沿和研究基礎。在引文網(wǎng)絡中，Chen提出在知識域中通過對標志性節(jié)點、中心節(jié)點和拐點的發(fā)現(xiàn)，查找重要文獻的潛在特征。標志性節(jié)點是網(wǎng)絡中具有特殊屬性的節(jié)點，如高被引文獻提供重要的標志，這種節(jié)點具有較大的半徑。中心節(jié)點其節(jié)點度相對較高，在引文網(wǎng)絡中體現(xiàn)為共被引文獻，其具有重要智力貢獻。拐點是連接不同網(wǎng)絡的樞紐，是兩個子網(wǎng)絡共享的節(jié)點或子網(wǎng)絡交互路徑上的節(jié)點。Chen在其開發(fā)的引文分析工具Citespace中利用中介中心度對引用網(wǎng)絡中科學發(fā)展中的拐點進行識別。ShibataTM等通過被引次數(shù)和聚集中心度、中介中心度、接近中心度間的關系，探測作為基礎創(chuàng)新萌芽的論文及預測論文未來被引的能力。

3.7　重要作者識別

PageRank、中介中心度等算法也被用于論文合著網(wǎng)絡或作者引用網(wǎng)絡中，根據(jù)網(wǎng)絡屬性特點，作者在網(wǎng)絡中的貢獻，如合作或被引的鏈接數(shù)量，合作者之間、引用者與被引用者之間的相互關系測量作者在網(wǎng)絡中的影響力，對作者進行排序，識別網(wǎng)絡中重要的、具有高度影響力及支持度的作者。Yan等將中心度算法作為一種影響力分析指標，通過來自16個圖書情報期刊的1988年到2007年的數(shù)據(jù)生成合著者網(wǎng)絡，利用接近中心度、中介中心度、度中心度和PageRank四種算法對作者排序，分析了各種算法在作者影響力評估上的局限性。