Social Network Analysis och Complex Networks - En liten introduktion

Författare: Håkan Kjellerstrand (hakank@bonetmail.com).
Dokumentet påbörjades cirka 2003-05-28 men revideras efterhand).

Jag skriver numera om detta på min webblogg hakank.blogg, se kategorin Social Network Analysis/Complex Networks.

Vad är Social Network Analysis och Complex Networks (komplexa nätverk)? Denna text ger en liten introduktion vad Social Network Analysis (SNA) och komplexa nätverk är, men förklarar inte speciellt mycket i detalj, utan ger snarare exempel, länkar, referenser samt möjligen en del tips.

Det kanske ska betonas att de två disciplinerna (eller tre om man även tar med grafteori) har olika bakgrund och olika syfte och borde kanske därför inte blandas ihop som jag gör här nedan. Men min poäng är att studiet av nätverk (eller grafer, relationer) är intressesant oavsett från vilken vinkel man ser dem. Skillnaden bör framgå rätt tydligt genom att läsa några av referensera som ges nedan, speciellt böckerna.

Introduktion

SNA och komplexa nätverk är sådant ni möjligen stött på via:

Andra SNA-relaterade saker är sådana metriker för att räkna ut hur central eller prestigefylld en "aktör" är, t.ex. Googles PageRank är nära relaterad till det traditionella prestige-begreppet inom SNA. Not: Rankning av sidor studeras även i ämnet Information Retrieval.

Ett annat exempel är studiet av hur webben är distribuerad. Den följer - anser de flesta - en s.k. power law, dvs att ett mycket litet fåtal sajter har väldigt många inlänkar, medan de allra flesta har ett fåtal inlänkar. Ytterligare ett exempel är studiet av Small Worlds, dvs av många nätverk som är så beskaffade av det går att komma mellan två noder på förvånansvärd kort tid (kort avstånd). Och naturligtvis är dessa studier interfolierade med varandra.

Detta begrepp är det som brukar kallas för "rich get richer", t.ex. inkomstfördelningar i ett land, storleken på städer i ett land etc.

Komplexa nätverk är - mer specifikt - ett område som studerar nätverkens statistiska och teoretiska egenskaper (densitet, fördelning etc) än SNA:s något mer pragmatiska inriktning, t.ex. sociologiska, socialpsykologiska studier över mänskliga företeelser.

Med metoder från SNA/komplexa nätverk kan man studera så tillsynes vitt skilda roblem som:

Mer traditionella studier i "ren" SNA är:

  • organisationers förhållanden till varandra och till den enskilde medarbetaren/medborgaren
  • hur apor organiserar sitt lössplockande (med vem etc)
  • hur skolelever väljer vänner
  • hur kollegor väljer vilka personer de rådgör med
  • hur företagsstyrelser är sammansatta
  • vilket är det optimala sättet att organisera sin organisation såväl internt som externt
  • finna "strukturella hål", nya "nischer"
  • citering mellan vetenskapliga tidskrifter för att hitta de centrala (viktigaste) artiklarna, samt studera hur olika discipliner hör ihop eller utvecklas
  • släktrelationer, släktträd
  • etc etc

    Naturligtvis finns även forskning som inriktar sig på DNA-analyser.

    Kort sagt, SNA är ett brett område, och det som kännetecknar ovanstående är studiet av relationer i (sociala) nätverk. Detta till skillnad från traditionell dataanalys som arbetar med analys av attribut hos objekt (individ).

    SNA började utvecklas på 30-40-talet av sociologer och antropologer, men de mer avancerade metoderna kommer från så spridda ämnen som grafteori och annan diskret matematik, statistisk analys, sociologi, socialpsykologi, (social-)antropologi, organisationsteori etc. [Eftersom jag pluggat (eller läst autodidaktiskt) samtliga dessa ämnen är en sådan tvärvetenskaplig disciplin naturligtvis oerhört intressant, i alla fall för mig. När det sedan även kopplas till komplexa fenomen i naturen blir ämnet oemotståndligt.]

    Grafer eller matriser är det man främst arbetar med i SNA. Speciellt de grafteoretiska delarna är intressanta. Förutom begrepp som centralitet, närhet, prominens etc där man t.ex. använder sådant som shortest path, connected components, ges dessa begrepp en rimlig sociologisk tolkning. Man kan även analysera alla trianglar (triader) i en graf och med hjälp av fördelningen av de olika mönster som uppstår kan man se upptäcka tendenser till samarbete, hierarki etc.

    Man studerar även olika mäklar-roller:

    • coordinator
    • itinerant broker
    • liaison
    • gatekeeper
    • representative
    som på ett kärnfullt sätt förklarar en aktörs roll i ett givet nätverk.

    Läsningen om social nätverksanalys och (speciellt) komplexa nätverk har givit mig många impulser att kika vidare på:

    • grafteori, speciellt slumpgrafer (random graphs)
    • komplexitetsteori / emergensteori / självorganiserade nätverk
      Vissa kallar komplexa nätverk för just självorganiserade nätverk, så det är ju inte så konstigt att jag blivit inspirerad av det. Men det verkar också mycket spännande att gå vidare och läsa mera om komplexitetsteori generellt, där t.ex. kaosforskning, cellulära automater och genetiska algoritmer/programmering är en del av forskningsområdena och metoderna. Kanske jag till och med kommer att läsa ånyo om katastrofteori som ju var mycket inne på 80-talet, och som jag läste när jag höll på med undersökningen om "vitsens väsen".
    • Och en massa andra saker. Suck, ja.

    Referenser

    Det finns mycket att hämta via nätet (naturligtvis). Väldig många artiklar, speciellt kring komplexa nätverk, finns publicerade och tillgängliga.

    Vad gäller SNA är INSNA, organisationen för SNA, det första stället att gå till:
    http://www.sfu.ca/~insna
    Där finns referenser till böcker (se även nedan), mjukvara, personer etc.

    Övrigt (några få men bra sajter):

    Böcker

    Följande böcker rekommenderas. Det finns andra, men jag har (nästan) samtliga nedanstående och har åtminstone bläddrat rätt noga i dem (har möjligen inte läst ut alla än). Länkarna är till Amazonlänkar för mer info.
    • Wasserman & Faust: 'Social Network Analysis: Methods and Applications'
      Detta är bibeln i SNA. Tyvärr är den från 1994 så den är inte helt up to date. T.ex. pratar man inte om Burts strukturella hål.
      Boken går lugnt och metodisk genom alla begrepp och även många kalkyleringar och exempel. Boken har en väl utförd princip att inleda med att först berätta vad man ska beskriva, sedan beskriva det, samt avsluta med att summera vad man just beskrivit.

      Det rekommenderas att man har något SNA-paket för att leka med under tiden boken läses (se nedan). En liten besvikelse vara att man i flera fall - säkert av utrymmesskäl - endast hänvisar till artiklar och böcker när det blev som mest intressant. Jag hoppas att boken kommer i en version 2 snart, men vad jag har sett finns det tyvärr inget som tyder på detta.
      Viss varning: man slänger sig inte helt sällan med begrepp som eigenvalues, matrismultiplikationer utan att blinka speciellt mycket. Men dessa - speciellt markerade - avsnitt behöver man egentligen inte läsa så noga om man vill få en överblick över ämnet.
    • John P Scott: 'Social Network Analysis: A Handbook'
      En snällare och framförallt kortare introduktion i ämnet än Wasserman & Fast och är möjligen perfekt som just en introduktion. Har en samlad och rätt utförlig historik av åren fram till c:a 70-talet. Innehåller inte speciellt mycket matematiska formler.
    • Ronald S. Burt: 'Structural Holes: The Social Structure of Competition'
      Från 1992. Jag har ännu inte läst hela denna bok, men den beskriver begreppet strukturella hål, och är en kritik av en viss förhärskande teori om vissa typer av relationer (strong and weak links) för att optimera ett nätverk.
    • Borell & Johansson: Samhället som nätverk
      Skriven 1996 och är den enda svenska boken om SNA som jag känner till. Jag kände mig (först) lite besviken på boken eftersom den diskuterar rätt mycket annat än SNA, även om det är det sammanbindande temat. De första kapiteln ger en bra och snabb översikt i ämnet.

      Avsnittet om norska motståndsrörelsen under andra världskriget kriget var intressant trots att det inte var så mycket SNA. En bra sak är att författarna skriver en del kritiska synpunkter mot SNA (i vissa fall känns det dock som "straw man"-argument, dvs att de argumenterar emot en ståndpunkt som ingen eller eller endast ett fåtal verkligen håller).
    • Forsé/Degenne 'Introducing Social Networks'
      Denna bok har jag (i alla fall ännu) inte införskaffat men den rekommenderas av många så det kan möjligen vara en alternativ introduktion i ämnet .
    Nedanstående böcker behandlar nätverk mer populärvetenskapligt och med en tonvikt på komplexa nätverk (begrepp som emergens, scale-free, power laws används mycket). De flesta är inte så teoretiska som ovanstående men det kan förekomma både en och annan matematisk formel som dock oftast förklaras på ett (eller flera) bra sätt.

    När jag läste dessa böcker fick jag ofta samma känsla som när jag läste mängder av kaos/fraktalböcker på 80-talet, dvs att det är ett helt nytt område som man försöker att applicera på "allting". Och det är bland annat detta som gör dessa teorier så intressanta. För mig personligen - som icke-fysiker - känns också nätverksmetaforen mycket starkare än vad t.ex. kaos/fraktalerna är, eftersom det verkar mer meningsfullt att applicera just metaforen nätverk (relationer) på saker och ting i världen.

    Det är tankeväckande hur många saker plötsligt kan ses som nätverk, men det är inte så konstigt egentligen eftersom det ju handlar om relationer, dvs hur entiteter på ett eller annat sätt förhåller sig till varandra, må det bara fördelningen av rikedom bland människor, befolkning i städer, hur många personer som sitter i olika styrelser, kopplingar mellan organisationer, kommunikationsvägar mellan celler, kopplingen av kraftverk (kraftnät), koppling mellan datorerna som utgör Internet, in- och ut-länkar på webben etc. Och även relationer kan ju ha relationer...
    När man väl tänker efter (men inte före) så verkar det ju självklart att mycket kan ses som nätverk. Man ska dock notera att det Barabasi och andra kom fram till är inte bara detta utan även en massa gemensamma egenskaper som vissa av nätverken har: t.ex. har skalfria nätverk den viktiga egenskapen "rich-get-richer", dvs att den som redan har mycket kommer att få mer.

    Allt detta förklarar Barabasi, Watts och Buchanan i sina böcker. Det är en fascinerande värld som vävs samman när man läser böckerna. Samtliga böcker beskriver ungefär samma sak, men har lite olika tyngd- och utgångspunkter. Dvs samtliga förklarar Milgrams experiment (och hans auktoritetsexperiment), lite grand om grafteori och slumpgrafer (med en liten biografisk notis om Erdös och hans små egenheter), Kevin Bacon-sajten, Granovettes "Getting a job". De berättar om de experiment som gjorts med data från Internet, webben, sexuellt och icke-sexuellt överförda sjukdomar, och en liten betraktelse över 11 september (men har här lite olika infallsvinklar), liksom hur sårbara vissa typer av nätverken är.

    De förklarar mer eller mindre noga de olika matematiska, fysiska, biologiska, kemiska modeller som använts som grund för de olika versionerna av nätverksmodellerna. De skiljer däremot en del i hur mycket de förklarar ekonomiska och sociologiska teorier och här är Watts "Six Degrees" är - enligt min uppfattning - den mest grundläggande.

    Notapparat: I de flesta böckerna var noterna mycket givande, det var många referenser och klargörande kommentarer. Dessa rekommenderas att läsa, liksom att läsa de refererade artiklarna/böckerna. De allra flesta artiklarna finns att hitta på nätet. Jag skrev ut och läste mängder av dem, speciellt de av Barabasi-gänget respektive Watts/Strogatz-gänget, så läsandet av böckerna tog ganska lång tid. Detta tillvägagångssätt rekommenderas alltså definitivt. Det är också nödvändigt om man vill få ut mer detaljer bakom de olika teorierna eftersom beskrivningarna är övergripande, om än pedagogiska.

    En liten aside: Jag saknar i de allra flesta böckerna och artiklarna diskussion om den statistiska signifikansen av upptäckterna. T.ex. när man visar att ett nätverk uppvisar ett skalfritt beteende hänvisar man endast till att diagrammet över datan i en log-log plot är - nästan - en rät linje, men skriver inget om signifikansnivåer eller andra statistiska mätvärden.

    En annan, lite större, sak jag saknar är diskussionen kring andra liknande teorier som skapats men inte fått så stort utrymme i media som de som har ursprunget i Watts/Strogatz/Newman/Barabasi-modellerna. Jag har mycket svårt att tänka mig att det inte går att hitta många snarlika teorier. T.ex. nämner både Watts (Six Degrees) och Barabasi perkolationsteori (som mycket enkelt kan förklaras som en teori om en mycket speciell form av nätverk). Det finns swarm intelligence som använder myror och andra insekters beteende som modell för problemlösande etc. Detta kanske helt enkelt beror på att författarna inte specifikt beskriver forskningen om komplexa nätverk i en del i forskningen kring komplexa adaptiva system. Det är konstigt att inte Watts gjort det eftersom han gjorde en stor del av sin småvärldsforskning på Santa Fe Institute, som är ett mycket hett ställe för komplexa system-forskningen. Jag väntar med spänning på en sådan bok!

    Böckerna nedan är listade i den ordning jag läste dem. Ordningen har säkert påverkat mina åsikter om böckerna.
    • Duncan J. Watts: 'Small Worlds'
      Boken är från 1999 och är alltså den första boken som skrivit specifikt om komplexa nätverk. Det är en fascinerande exposé som spänner över många ämnen: social network analysis, teoretisk fysik, grafteori och exemplifierar i detalj (dvs många bilder) teorin om "small world"-teorin genom att studera dels olika nätverk (de som beskrivs i '98-artikeln) och dels olika applikationer av denna teori. Man försöker t.ex. att föra i bevis att studiet av nätverk är lämpligt i de områden som studerar komplexa system, t.ex. cellulära automater (cellular automatas), spelteori etc.

      Notera att denna bok är mer teoretiskt inriktad än hans "Six degrees"-bok (se nedan), vilket inte är så konstigt eftersom det i princip är hans doktorsavhandling.

      Även om senare böcker (t.ex. de nedanstående) mer pedagogiskt förklarar begreppen och forskningsområdet tycker jag att denna bok var intressant att läsa om inte annat eftersom det är en av de allra första skrifterna.

      Trots de myckna beskrivningarna om mänger av olika problemtyper av komplexa system saknar jag en helhetsbild över vilka principiella problem de försöker lösa; men det kanske vore lite väl mycket att kräva att Watts även skulle beskriva detta.

    • Albert-Laszlo Barabasi: 'Linked: How Everything Is Connected to Everything Else and What It Means'
      Det finns en sajt med lite extra länkar: http://www.nd.edu/~networks/linked/, och författarens hemsida.
      Boken gör en mycket trevlig, rätt pedagogisk, lite lagom spekulativ och framförallt inspirativ resa genom det mesta som gjorts inom området inklusive small world-forskningen, mätandet av storleken på Internet/webben, påvisar styrka och svagheten med olika typer av nätverk och kopplingar till en herrans massa andra fenomen och problem, såväl sociala som fysiska, biologiska, och kemiska. Eftersom författaren är en av pionärerna inom detta område (komplexa nätverk) är det lite skoj med de små självbiografiska notiserna.

      Se även jämförelser med Watts bok "Six degrees" nedan.
    • Duncan J. Watts: 'Six Degrees: The Science of a Connected Age'
      Boken är tryckt 2003 så den är väldigt ny. Watts är en av de främsta inom området och det var hans (och Strogatz) Nature-artikel 1998 (se ovan) som gjorde att forskningen om komplexa nätverk finns en ny skjuts framåt.
      Boken beskriver forskningen som gjorts inom området och - på ett sätt som jag saknar i Barabasis Linked-bok (se ovan) - gör en betydlig större och mer koherent koppling mellan den tidigare och existerande relevanta forskningen inom sociala nätverk, främst sociologi och ekonomi. Den röda tråd som finns i boken är studiet av små världar-fenomenet och de flesta utvikningar känns ändå relevanta.

      Denna bok är skriven - liksom Barabasis - i jag-form och det är intressant att följa alla steg (och felsteg!) som gjordes. På detta sätt blir boken både en intressant beskrivning av ett nytt forskningsområde och även inblickar hur ett sådant skapas och formeras. Denna bok kompletterar Barabasis bok (och tvärtom) eftersom de beskriver samma sak ur lite olika synvinklar och från två av de viktigaste lägren.

      Vill man bara läsa en bok om komplexa nätverk tror jag nog att jag rekommenderar Watts bok, om inte annat för att den är något nyare. En annan skillnad mellan böckerna är att Watts inte är så spekulativ som Barabasi, är mer djuplodande pedagogisk, och, på de sista sidorna, faktiskt erkänner att nätverksanalys troligen inte är lösningen på all världens problem. Barabasis bok rekommenderas dock (också) om man vill läsa bredare och mer spekulativa kopplingar till nätverksteorin.

      Att ingen av "revolutionärerna" verkat ha känt till tidigare forskning är måhända lite störande om man känner till en del om social network analysis. Watts menar att sådant är rätt typiskt (både bra- och dåligt-typiskt) när kreativa fysiker tas sig an ett nytt koncept. SNA-personerna verkar vara rätt sura för att de blev åsidosatta de första åren, just eftersom de faktiskt har funderat och kommit fram till mycket kring dessa problem och skapat relevant matematik för nätverksforskaren att ta till sig. Kanske är Watts den rätta personen är göra detta gränsöverskridande eftersom han är professor i sociologi på Columbia University (http://www.sociology.columbia.edu/people/index.html?professors/djw24/index.html).

      Man kan notera att Watts är kritisk mot den traditionella formen av social network analysis eftersom denna, menar Watts, inte svarar på de rätta frågorna. Jag är tveksam till om sociologer, psykologer etc håller med honom här. Watts försöker dock - och lyckas rätt bra enligt min mening - ställa en massa frågor som han med den nya nätverks-tanken ger flera intressanta svar på. Kapitlet om flexibla organisationer i kris, dvs frågan hur vissa typer av organisationer kan överleva en stor och akut kris, är ett utmärkt exempel på detta.

    • Mark Buchanan: 'Nexus: Small Worlds and the Groundbreaking Science of Networks' Buchanan är den enda av författarna som inte själv är forskare, utan är journalist (och var tidigare redaktör på tidskriften Nature som publicerat många av de artiklar som "visade vägen") och har tidigare skrivit en liknande bok (Ubiquity: Why Catastrophes Happen som jag dock ännu inte läst).

      Nexus är skriven i en mer traditionell populärvetenskaplig tradition, vilket är både bra och dåligt. Bra eftersom man får fler bakgrunder till teorier och tankar som inte är direkt kopplade till komplexa nätverk, t.ex. forskning kring hjärnan, fraktaler och ekosystemen. Jag saknar dock ett mer enhetligt kapitel om forskningen kring komplexa system, vilket jag tror skulle också vara en bra bakgrund, liksom mer om fraktaler. Det är också bra eftersom boken känns mer driven, kanske eftersom han är mer objektiv i sin behandling av materialet än de andra författarna. Dåligt eftersom man förlorar lite av den röda tråd som både Watts och Barabasi tydligt håller, och det blir därför ibland lite otydligt vem som gjorde vad och när saker hände i denna "revolution" (om det nu anses vara viktigt). Buchanan har en tendens att ibland vara lite rör(l)ig i sina förklaringar, och man förstår inte alltid vad detta har med nätverk att göra, förrän efter många sidor.

      Jämfört med de andra böckerna gör Buchanan alltså lite fler kopplingar till andra teorier än specifikt nätverksteoretiska, t.ex. när han i ett helt kapitel förklarar vad som sagt och gjorts kring forskningen om ekosystemen. Det är ett fascinerande kapitel, liksom i kapitlen om ekonomiska teorier och DNA. Hans avslutande kapitel "Beyond Coincidence" försöker att på ett föredömligt "o-hajpat" sätt beskriva användbarheten av teorierna, på ett sätt som är mer sansat än framförallt Barabasis bok.

      Buchanans bok är den som använder minst matematik och minst avancerade förklaringar men lyckas ändå förklara det mesta på ett förståeligt sätt. Tyvärr gör det att en del teorier eller förklaringar hänger lite i luften, men så är det ju nästan alltid i populärvetenskapliga böcker.

      Vissa grundläggande förklaringar upprepas flera gånger vilken gör att jag fick känslan att kapitlen är skrivna för att kunna läsas separat. Det störde mig också lite att han ofta använder ord som "magic of small worlds" eller "small world trick" för att beskriva småvärldsfenomenet, men det är dock mest i början av boken som dessa språkligheter förekommer.

      Vill man läsa mer specifikt hur specifikt nätverksforskningen utvecklat sig bör man nog hellre läsa Watts eller Barabasi, men vill man förstå mer sammanhangen kan Buchanans bok vara en liten pärla. Min personliga rekommendation är naturligtvis att man läser alla böcker.

    System

    Det finns flera mycket kompetenta system för SNA-analys. Eftersom jag kör i princip endast Linux kommenterar jag även Wine-vänligheten för Windows-programmen.
    • UCINET
      Kommersiellt, men man kan ladda ner en 30-dagars evalueringsdemo. Det står inte mycket på sajten om programmet, däremot finns i paketet med en mycket detaljerad referensmanual (i Wordformat, som AbiWord fixar rätt bra). Systemet är mycket kompetent och har en massa funktioner som är dokumenterade i referensmanualen. Dock finns inga grafritningsfunktioner direkt i programmet, men eftersom det följer med flera program med sådan funktionalitet såsom Pajek, MAGE och ett specifikt grafritningsprogram (NetDraw) är det inte så stora problem.

      Detta program kräver att man installerar det med SETUP.EXE. Jag var tvungen att ta bort alla DLL-er som lade sig i katalogen (t.ex. flytta den till en underkatalog) eftersom de stör Wine. Efter denna fix var det inga problem att köra programmet under Wine.

    • Pajek
      Pajek är fritt och även det mycket kompetent. Är ett Windowsprogram och funkar rätt bra med Wine. Tyvärr är det inte speciellt väldokumenterat.
      Det är lite problem med menyerna i det fönster som ritar graferna. (Kontakta mig om du vill ha lite tips hur man kommer runt det.) Pajek följer f.ö. med UCINET-paketet.

      Detta kunde jag köra direkt via Wine utan att behöva installation.

      Pajek har för övrigt möjlighet att skapa flera av de slumpmodeller som används inom komplexa nätverksforskningen, t.ex. Watts-Strogatz originalmodell, Barabasis utökade modell etc.

    • visone
      Visone finns för Windows, Linux samt Solaris. Har endast testat Linuxversionen. Lite mindre system än UCINET och Pajek, men relativt lätthanterligt. Fokuserar på graph embedding (dvs rita snygga grafer över relationerna) samt centraliseringsmetriker resp rankning av aktörer. Har t.ex. PageRank som metod.

    • MAGE
      Kinemage

      MAGE är ett mycket trevligt 3D-visualiseringsprogram där man interaktivt kan laborera med strukturen på nätverket. Man kan även spara som Postscript-fil. MAGE finns för såväl Linux, Windows som Java. Windowsversionen följer med UCINET-paketet (se ovan).

    • R:s SNA library
      Via http://www.r-project.org/.
      Innehåller många rutiner. Är inte så fullständigt som UCINET eller Pajek, men tar sig kraftigt efter hand. Det finns även en del grafritningsalgoritmer (layout). De flesta paketen finns via CRAN (The Comprehensive R Archive Network, välj "Contributed extension packages" lite längre ner på sidan), men se även Carter's Archive of S Routines for the R Statistical Computing Environment och Statnet. En stor fördel är att man kan använda R:s andra rutiner för vidare analyser och presentationer.
      R och JUNG är de enda system som distribuerar källkod.

    • JUNG
      JUNG (Java Universal Network/Graph Framework) är ett nytt och spännande Open Source-projekt med en hel del centralitet/prestigealgortimer (betweeness, HITS, PageRanker, MarkovCentrality etc) och klusteralgoritmer (bicomponent, weak component, exact flow community) samt layoutalgorimer. Däremot finns det - i skrivande stund - inget samlat system (såsom Pajek eller UCINET) för att göra en fullständig analys; det finns dock en del exempel på hur systemet kan användas (se nedan).

      Det finns inte så mycket kringdokumentation till JUNG, däremot finns det Javadoc dokumentation och mängder av JUnit-tester som visar hur de olika algoritmerna ska användas. Det finns en JUNG Framework Tech Report för en något äldre version.

      Lite länkar:
    • RePast

      RePast är främst ett verktyg för agentbaserad modellering (se bloggkategorin Agentbaserad modellering där RePast nämns ibland).

      RePast har funktioner för nätverk (t.ex. grafmetriker och möjlighet att läsa Pajekfiler) och det finns exempel på simulering av komplexa nätverk, t.ex. Barabasis modell för preferential attachments.

      Länkar på RePast-sajten:
      Externa länkar. Notera att här fokuseras normalt på agentbaserad modellering och inte på sociala eller komplexa nätverk:

    Komplexa nätverk

    Det finns inte så många system som specifikt inriktar sig mot denna typ av forskning.

    JUNG (se ovan) har en del algortimer för att skapa komplexa nätverk (t.ex. följande algoritmer: Barabasi-Albert, Eppstein PowerLaw, Erdos-Renyi, Kleinberg Small World, Simple Random, Watts Beta Small World). Även RePast har en del funktioner och relevanta exempel (se ovan).

    Pajek (se ovan) har några funktioner, t.ex. simulering. Standardsystemen för symbolisk matematik (Mathematica, Maple) har en del standardfunktioner för att laborera med grafer liksom till viss del Matlab.

    Slutligen

    Personligen tar jag inte så hårt på att det just ska vara sociala nätverk, man kan egentligen studera vilka relationer med SNA-metoderna; däremot ska man vara lite försiktigt vid tolkningarna eftersom vissa metoder bygger på teorier om hur just sociala nätverk fungerar (sociologiskt, socialpsykologiskt etc).

    En del av mina framtida - och måhända useless - projekt är t.ex. relationerna mellan bokstäver i ett ord, cf markov-ord, word meld. En sådan graf på "hakan kjellerstrand" kan se ut så här postscript, pdf .

    Andra projekt som kan vara intressanta att kika på:

    • studera om den revoltorganisation som Heinlein beskriver vara optimal i "The Moon is a Hash Mistress" (svenska "Revolt mot jorden") verkligen är optimal. En del av detta problem är att lista ut hur man operationaliserar "optimal revoltorganisation".
    • studera strukturen på ett klassträd (OOP) för att se hur bra sammansatt, sårbart det är, vilka klasser som är nyckelklasser, centrala/perfiera etc. Det pratas t.ex. om coupling och cohesion i klasser vilket torde kunna gå att analyseras på något sätt.
    • Samma sak för procedurer i procedurala språk. Liksom E/R diagram.
    • Studera hur ord relateras till varandra i texter, t.ex. Första Mosebok. Kan man dra några slutsatsen av detta? Jämför t.ex. med en Markovkedjeanalys av samma text. Det finns några undersökningar som visar att språk (engelska) uppvisar skalfri fördelning men jag har inte sett någon som använt detta mer explicit. En synnerligen brutal analys av Första moseboken (gammelsvenska versionen) visar en tendens till skalfrihet, men är dock inte statistisk säkerställt.
    • Jag har också en känsla att man med hjälp av nätverksmetaforen, speciellt konceptet med sökning i nätverk, kan utarbeta någon form av teori om vitsens funktion och teknik. T.ex. avståndet mellan de olika kontexterna i en vits kan kanske vara vägledande för en vits teknik, kvalitet och effekt. Speciellt Watts teori om hierakiska nätverk verkar lovande här.

    Back to my homepage
    Created by Hakan Kjellerstrand hakank@bonetmail.com