基于社会网络分析的国际数学家论文合著现象研究

合著者网络中的网络排名算法刚家泰，弓浩然，窦名名张成（大连大学信息工程学院，辽宁大连116622）摘要：为了更加全面地评价一个作者在合著者网络中的影响力，采用了两种网络排名算法PageRank和LeaderRank。

由于这两种算法的收敛值与初值无关，本文提出了以H-因子为初值的New-LeaderRank算法，并以 Paul Erdos 合著者网络为例进行实证分析。

几种算法的排名结果对比表明，New-LeaderRank算法能综合考虑某作者与其合著者的合作次数以及这些合著者对该作者的影响，可以。

本文综合考虑某作者与其合著者的合作次数和这些合著者的影响力两个方面，结合H-因子，提出了New-LeaderRank算法，以更加全面地评价作者在合著者网络中的影响力，进一步寻找合著者网络中具有显著影响力的作者。

H-因子是指他的论文分别被引用了至少H次。

H-因子能够比较准确地反映一个人的学术成就，以上的LeaderRank算法适合于不考虑作者与其合著者的合作次数的网络评价。

但是，每个Erdos1的三种合著关系的合作次数也是评价一个作者在合著者网络中的重要指标之一。

本文考虑将每个作者的H-因子作为作者影响力的初始值。

由于LeaderRank算法的收敛值不受初始值的影响，因此本文提出了New- LeaderRank算法。

即从该合著网络中每个作者引出一条指向自身的线，使得该作者的影响力不但受到自身的影响，也受到其合著者的影响。

关键词：合著者网络；PageRank算法；LeaderRank算法；H-因子；New-LeaderRank算法摘要：本文将PageRank和LeaderRank两种网络排名算法应用于合著者网络作者影响力的评价。

由于这两种算法的收敛值与初值无关，本文提出了以H-因子为初值的New-LeaderRank算法，并以 Paul Erdos 合著者网络为例进行实证分析。

几种算法的排名结果对比表明，New-LeaderRank算法能综合考虑某作者与其合著者的合作次数以及这些合著者对该作者的影响，可以更加全面地评价一个作者在合著者网络中的影响力。

社会网络分析在国际关系研究中的应用社会网络分析（Social Network Analysis）是一种研究人际关系网络结构及其影响力的方法，通过分析人与人之间相互作用的模式，揭示出人际关系网络的特征和规律。

近年来，社会网络分析在国际关系研究中得到了广泛的应用，并为对国际政治的理解提供了新的视角和思路。

首先，社会网络分析为国际关系研究者提供了重要的工具，帮助他们更好地理解国际关系中的各种联系和互动。

传统的国际关系研究往往侧重于国家之间的相互关系，忽视了个人和非国家力量在国际政治中的作用。

而通过社会网络分析，研究者可以深入探究跨国组织、非政府组织、个人和国家之间的关系网络，揭示出庞杂而错综复杂的国际政治格局。

其次，社会网络分析为国际关系研究提供了更为细致和全面的方法。

传统的国际关系研究依赖于问卷调查、访谈等手段，数据获取难度大、耗时长，且只能提供有限的信息。

而社会网络分析则通过挖掘互联网上的大数据，可以分析海量的社交媒体数据、新闻报道、博客等多种信息源，从而全面地获得各个国家和地区的国际政治动向和态势。

这使得研究者能够更加准确、全面地理解国际关系的演变和趋势。

此外，社会网络分析可帮助研究者深入研究国际关系中的权力结构和影响力格局。

国际关系中的权力结构往往通过国家之间的利益和力量对比来决定，而社会网络分析可以揭示出影响国际政治格局的非明显力量。

通过分析国家或组织之间的交流网络，可以发现隐藏的合作与利益关联，进一步理解国际关系中的权力分布。

这对于分析国际冲突、合作机制以及全球治理的演进具有重要意义。

最后，社会网络分析促进了国际关系研究的多学科交叉。

社会网络分析涵盖了社会学、心理学、统计学等多个学科的方法和理论，其应用使得国际关系研究与其他学科之间的交流与合作日益活跃。

通过融合不同学科的研究方法，可以更加全面地把握国际关系的复杂性。

例如，结合心理学的认知研究和社会网络分析，可以深入探讨国际决策中的个体心理过程和认知模式，为国际关系研究提供更深入的洞察。

2012年3月情报探索第3期（总173期）1引言《自然》杂志创刊于1869年11月11日，由英国自然出版集团（Nature Publishing Group ，NPG ）出版发行，是世界上最著名的科学杂志之一，影响因子34.480（JCR-2009数据）。

投稿作者中只有10%左右能够发表，而且主要为欧美作者。

我国作者（包括大陆和港澳的作者）每年在该刊发表的文章所占比重非常低。

2000~2009年我国学者在《自然》杂志共发表科研论文255篇，仅占全部科研论文的2.07%。

而其中大部分论文都是与国外的研究机构合作完成的。

由于科学合作是实现研究资源共享、学术思想交流、降低科研难度以及学者获得学术声誉的重要形式［1］，因此对《自然》杂志刊登的我国作者论文进行国际合作的定量分析，展示国内外机构合作网络，将有助于了解我国学者在世界高水平期刊合作发文的情况，为促进我国学者与国外的机构进行交流与合作提供指导和参考。

2我国学者在《自然》杂志发文概况本文的数据来源于SCI 检索平台———ISI 的Web of Science 数据库和《自然》杂志网站。

统计了我国作者2000~2009年在《自然》杂志上发表的科研论文。

每周出版的《自然》杂志发表的文献包括来信、科研论文、科学通讯等［2］。

另外根据中国科技信息研究所发布的中国科技论文统计结果的统计指标［3］，本文将综述性文章特别做了统计分析。

《自然》杂志在2000~2009年共发表27073篇文献，其中论文12325篇，占45.53%，论文的总被引频次1502649次，篇均被引122次。

论文数量从2000年的1515篇减少到2009年的1116篇，呈下降趋势。

各种文献类型中以科研论文的数量减少最为显著，从2000年的1264篇减少到2009年的800篇（表1）。

2000~2009年我国作者在《自然》杂志上发表296篇文章，其中论文255篇，占全部论文的2.07%。

发文数量从2000年的10篇增长到2009年的45篇，但综述性文章很少（表1）。

社会网络模型研究论析一、概述社会网络模型研究是社会学、心理学、计算机科学等多个学科交叉的领域，它关注于个体和群体间复杂的互动关系以及这些关系如何影响社会结构和行为。

社会网络模型的核心在于理解和分析社会网络中节点（个体或群体）之间的连接（关系），以及这些连接如何传递信息、资源、影响力和其他形式的社会资本。

随着大数据和复杂网络理论的发展，社会网络模型研究在揭示社会现象、预测社会动态以及优化社会结构等方面发挥着越来越重要的作用。

社会网络模型研究起源于20世纪30年代的社会计量学，经过几十年的发展，逐渐形成了包括社会网络分析、社交网络分析、复杂网络理论等多个分支。

这些分支在方法论和研究重点上有所不同，但都致力于从网络视角揭示社会现象的本质和规律。

近年来，随着大数据技术的普及和计算能力的提升，社会网络模型研究在数据收集、处理和分析方面取得了突破性进展，使得我们能够更准确地刻画和解释复杂的社会网络结构。

在理论上，社会网络模型研究关注于网络结构、网络关系、网络动态等多个方面。

网络结构研究主要关注网络的整体形态和特征，如网络的密度、中心性、聚类系数等网络关系研究则关注节点间的连接模式、关系强度和方向性等网络动态研究则关注网络随时间的变化过程，包括网络的演化、扩散和同步等。

这些研究不仅有助于我们深入理解社会网络的结构和机制，也为解决现实生活中的社会问题提供了理论支持。

在实践上，社会网络模型研究被广泛应用于社会各个领域，如社交网络分析、组织行为学、信息传播、社会治安等。

通过构建和分析社会网络模型，我们可以揭示社会网络中的关键节点和群体，预测社会动态和趋势，优化社会资源配置，提高社会治理效率等。

社会网络模型研究还为政策制定、市场营销、舆论引导等领域提供了有力的决策支持。

社会网络模型研究是一个跨学科的领域，它致力于从网络视角揭示社会现象的本质和规律。

随着大数据和复杂网络理论的发展，社会网络模型研究在理论和实践上都取得了重要进展，为解决现实生活中的社会问题提供了有力支持。

基于社会网络分析的国际数学家论文合著现象研究作者：顾海东闫统江来源：《电子世界》2014年第19期【摘要】利用社会网络分析方法，研究国际数学领域作者合作关系。

选择以著名数学家Paul Erdös为核心的庞大的国际数学家合著网络进行实证研究。

构建可视化合著网络以研究国际数学领域的合著现象。

通过实证研究，揭示出国际数学领域作者合著网络的特点现状，评价了数学家在合著网络中的地位，指出了合著网络中核心作者，发现了合著网络中的联系紧密的团体。

【关键词】社会网络分析数学合著网络可视化Study of Co-authorship of International Mathematicians Based on Social Network AnalysisChina University of Petroleum（East China），College of Science，Department of Computational and Applied Mathematics ;GU Hai-dong ;YAN Tong-jiangAbstract：This paper is focus on the status of the collaboration in the international mathematics field by using the method of social network analysis. Choose the enormous international mathematician coauthoring network centering the notable mathematician Paul Erdös to study. Build visualizable coauthoring network to study the international mathematical coauthoring phenomenon. Through the study，it reveals the features and the status of the coauthoring network，evaluates the status of mathematician in the network，distinguishes key authors in the network，and discovers several subgroups with close links between their members.Key words：Social Network Analysis;Mathematics;Coauthoring network Visualization1.引言随着现代科学技术蓬勃发展，学科专业化程度越来越高，一些前沿尖端问题的解决往往需要跨学科跨领域的专家合作。

学术研究中的社会网络分析方法一、引言社会网络分析是一种广泛应用的定量研究方法，它能够从个体之间的交互中揭示出复杂的网络结构和关系。

在社会科学、人类学、医学等领域，社会网络分析已经成为了理解群体行为、人际关系、组织结构等方面的重要工具。

本文将介绍社会网络分析的基本概念、方法和应用，帮助读者了解这一领域的最新进展和未来趋势。

二、基本概念社会网络是指一组行动者（个体、群体、组织等）以及它们之间的关系所构成的网络。

这个网络可以被看作是一个图结构，其中行动者是节点（nodes），而关系则是边（edges）。

社会网络分析就是对这种网络结构及其内部关系进行量化研究的方法。

行动者可以是任何具有相似特征或共同目标的个体或群体，而关系则可以是任何形式的互动或联系，如合作、竞争、信息传播、权力分配等。

社会网络分析的目标是理解网络的结构和关系如何影响个体的行为、决策、互动模式，以及整个网络系统的动态变化。

三、方法1.构建网络结构：社会网络分析通常需要收集相关的数据，如问卷调查、访谈、观察记录等。

这些数据可以用来构建网络结构，即行动者的关系图。

常用的数据收集方法包括问卷调查、访谈法、观察法、内容分析法等。

2.测量关系强度：社会网络分析需要对行动者之间的关系进行量化测量。

这可以通过计算中心性指标（如度数中心性、接近中心性、中介性等）、凝聚子群指标（如核心-边缘结构、领导者-追随者结构等）以及分类分析（如角色分类、互动分类等）来实现。

3.分析网络动态：社会网络的动态变化是社会网络分析的一个重要方面。

可以通过时间序列分析、马尔可夫链蒙特卡罗模拟等方法来研究网络结构的演变过程和影响因素。

4.模型构建：社会网络分析还可以通过构建理论模型来解释和预测网络结构和关系的形成机制。

常用的模型包括结构方程模型、复杂网络模型等。

四、应用社会网络分析在许多领域都有广泛的应用，包括但不限于：1.社会学：社会网络分析可以帮助社会学家理解群体行为、人际关系和组织结构。

社会网络分析法在社会学研究中的应用与案例分析社会网络分析法（Social Network Analysis, SNA）是一种用于研究社会关系和交互的方法论。

通过分析个体之间的联系、信息传播、资源流动等社会网络中的相关属性和结构，可以揭示出社会现象背后隐藏的模式和规律。

本文将探讨社会网络分析法在社会学研究中的应用，并通过具体案例分析展示其在解决社会学问题中的潜力。

一、社会网络分析法的基本概念和方法社会网络分析法源于20世纪50年代的数学图论和社会学领域的革新，主要受到数学家Erdos和Renyl在这个领域的工作的启发。

在社会网络分析中，研究者将社会实体（如个体、组织或群体）视为网络中的节点，通过分析这些节点之间的联系来揭示社会系统的特征。

社会网络分析法的基本概念包括节点、边和网络。

节点代表社会实体，可以是个体、组织、团体或事件等。

边是节点之间的连接关系，可以是关系的强度、频率、方向等。

网络是由节点和边组成的结构，可以是一个小型的社交圈子，也可以是全球互联网。

社会网络分析法的研究方法主要包括网络测量、中心性分析、群体识别和关系预测等。

网络测量用于衡量网络的属性，如密度、直径、连通性等。

中心性分析可以帮助识别网络中的关键节点，如度中心性、接近中心性和中介中心性。

群体识别旨在寻找网络中紧密连接的子群，可以通过模块度和划分来进行。

关系预测则可以预测不存在的边或识别节点的属性。

二、社会网络分析法在社会学研究中的应用1. 社会资本研究：社会网络分析法可以用于研究社会资本的生成和传递。

通过分析个体之间的关系网络，可以揭示社交资本、信息资本和资源资本的形成机制，进而解释社会集体行动和社会发展。

2. 社会影响力研究：社会网络分析法可以用于测量和分析个体的社会影响力。

通过分析网络中的中心节点和信息传播路径，可以评估个体对社会系统的影响程度，并揭示社会影响力的传播规律和影响机制。

3. 社会流动与结构研究：社会网络分析法可以用于研究社会流动与社会结构之间的相互作用关系。

社会网络分析最新学术研究成果揭示人际关系模式社会网络分析是一门研究人际关系、组织结构和信息传播等社会现象的学科。

近年来，随着社会网络平台的兴起和互联网的普及，社会网络分析成为了研究的热点之一。

本文将介绍社会网络分析的最新学术研究成果，揭示人际关系模式。

1. 社会网络分析概述社会网络分析是一种结构化的方法，通过研究个体之间的关系来理解社会系统的结构和功能。

它主要关注个体之间的联系、信息传播、资源共享等。

社会网络分析的一大优势是可以将复杂的现实社会问题简化为节点和边的关系，从而进行定量分析。

2. 社会网络分析在人际关系模式中的应用2.1 密度和强度研究发现，社交网络中的人际关系密度和强度对于信息传播和资源流动有着重要影响。

当网络中的人际关系密度较高时，信息传播更迅速，资源也更容易共享。

而人际关系强度则决定了信息和资源流动的质量和深度。

2.2 中心性和影响力社交网络中的中心性是指个体在网络中的重要性程度。

研究表明，中心性高的个体更容易获得信息和资源，对网络结构和功能具有较大的影响力。

通过分析中心性，可以揭示人际关系模式中的核心节点和关键个体。

2.3 聚集和群体社交网络中常常存在聚集现象，即个体之间的联系会呈现出聚集在一起的趋势，形成群体结构。

研究发现，聚集的群体对于信息传播和决策具有重要作用。

通过社会网络分析，可以揭示不同群体之间的联系和相互作用，进一步理解人际关系模式的形成和演化。

3. 社会网络分析的数据来源社会网络分析的数据可以通过多种途径获取，如问卷调查、观察记录和互联网平台数据等。

不同数据来源的选择会对分析结果产生影响，因此需要根据研究问题的需要进行合理选择。

4. 社会网络分析的应用领域社会网络分析在多个领域都有广泛的应用，如社交媒体分析、组织管理、市场营销等。

通过社会网络分析，可以揭示人际关系模式在不同领域的异同，为相关领域的决策提供科学依据。

5. 社会网络分析的挑战与前景社会网络分析面临着数据获取、方法选择、模型构建等多个挑战。