動的ネットワーク分析

動的ネットワーク分析（DNA）は、ネットワーク科学とネットワーク理論の分野において、従来のソーシャルネットワーク分析（SNA）、リンク分析（LA）、ソーシャルシミュレーション、マルチエージェントシステム（MAS）を統合した新興の科学分野です。動的ネットワークは、時間（実数の部分集合としてモデル化）からグラフの集合への関数であり、各時点にグラフが存在します。これは、関数が時間から周囲空間への関数である動的システムの定義に似ていますが、周囲空間の代わりに時間が頂点のペア間の関係に変換されます。^{[ 1 ]}

この分野には2つの側面があります。1つ目はDNAデータの統計分析です。2つ目はネットワークダイナミクスの問題に対処するためのシミュレーションの利用です。DNAネットワークは、より大規模で、動的で、マルチモード、マルチプレックスなネットワークであり、さまざまなレベルの不確実性を含む可能性があるという点で、従来のソーシャルネットワークとは異なります。DNAとSNAの主な違いは、DNAがネットワークの構造と動作を規定する社会的特徴の相互作用を考慮に入れている点です。DNAは時間分析と結びついていますが、ネットワークの変化はネットワークに見られる社会的特徴とは無関係な外部要因によって生じることもあるため、時間分析は必ずしもDNAと結びついているわけではありません。DNAの使用における最も注目すべき初期の事例の1つは、サンプソンの修道院研究です。彼は同じネットワークの異なる期間のスナップショットを取得し、ネットワークの進化を観察および分析しました。^{[ 2 ]}

DNA統計ツールは一般的に大規模ネットワーク向けに最適化されており、複数のノードタイプ（マルチノード）と複数のリンクタイプ（マルチプレックス）を持つ複数のネットワークを同時に分析できます。マルチノード・マルチプレックスネットワークは、一般的にメタネットワークまたは高次元ネットワークと呼ばれます。一方、SNA統計ツールは単一または最大2つのモードのデータに焦点を当て、一度に1種類のリンクのみを分析できます。

DNA統計ツールは、複数のネットワークから同時に抽出されたデータを使用する指標を備えているため、ユーザーにより多くの指標を提供する傾向があります。潜在空間モデル（Sarkar and Moore、2005）^{[ 3 ]}およびエージェントベースシミュレーションは、動的なソーシャルネットワークを調査するためによく使用されます（Carley et al.、2009）。^{[ 4 ]}コンピュータシミュレーションの観点から、DNAのノードは量子論の原子のようなもので、ノードは確率的に扱うことができますが、必ずしもそうする必要はありません。従来のSNAモデルのノードは静的ですが、DNAモデルのノードは学習する能力があります。特性は時間とともに変化し、ノードは適応できます。企業の従業員は新しいスキルを習得してネットワークに対する価値を高めることができます。または、1人のテロリストを捕らえ、さらに3人が即興で対応せざるを得なくなります。変化は1つのノードから次のノードへと伝播します。DNAは、ネットワークの進化の要素を追加し、変化が発生する可能性が高い状況を考慮します。

動的ネットワーク分析には、標準的なソーシャルネットワーク分析とは異なる3つの主要な特徴があります。第一に、ソーシャルネットワークだけでなくメタネットワークにも着目します。第二に、エージェントベースモデリングやその他のシミュレーション手法を用いて、ネットワークの進化や適応、そして介入がネットワークに与える影響を分析することがよくあります。第三に、ネットワーク内のリンクは二値ではなく、多くの場合、リンクが存在する確率を表しています。

オブジェクト間の関係に関する複雑な情報は、潜在空間内の低次元埋め込みに効果的に凝縮できます。^{[ 5 ]}動的システムは、静的システムとは異なり、時間的な変化を伴います。動的システムにおける学習された表現の時間的差異は、実際の変化または潜在空間内のメトリックに影響を与えない任意の変更から生じる可能性があり、前者はシステムの安定性を反映し、後者は埋め込みのアライメントに関連しています。^{[ 6 ]}

本質的に、システムの安定性はそのダイナミクスを決定づけるものであり、ミスアライメントは潜在空間における無関係な変化を意味します。動的埋め込みは、異なる時点での埋め込み間の変動が、潜在空間における無意味な変化ではなく、システムの実際の変化を正確に表している場合に、アライメントが取れているとみなされます。動的埋め込みの安定性とアライメントの問題は、潜在空間内の時間的変化に依存する様々なタスクにおいて非常に重要です。これらのタスクには、将来のメタデータ予測、時間的進化、動的可視化、平均埋め込みの取得などが含まれます。

メタネットワークとは、マルチモード、マルチリンク、マルチレベルのネットワークです。マルチモードとは、ノードの種類が複数あることを意味します。例えば、人や場所といったノードが存在します。マルチリンクとは、リンクの種類が複数あることを意味します。例えば、友情やアドバイスといったリンクが存在します。マルチレベルとは、一部のノードが他のノードのメンバーである可能性があることを意味します。例えば、人や組織で構成されるネットワークでは、リンクの一つとして、誰がどの組織のメンバーであるかという関係が存在します。

研究者によって使用するモードは異なりますが、共通のモードは、誰が、何を、いつ、どこで、なぜ、どのように行うかを反映しています。メタネットワークの簡単な例としては、人、タスク、リソースを含む PCANS 定式化があります。^{[ 7 ]}より詳細な定式化では、人、タスク、リソース、知識、組織を考慮します。^{[ 8 ]} ORA ツールは、メタネットワーク分析をサポートするために開発されました。^{[ 9 ]}

• ネットワーク内およびネットワーク間における変化を評価・特定するための指標と統計を開発する。
• ネットワークの変化、進化、適応、衰退を研究するためのシミュレーションの開発と検証。コンピュータシミュレーションと組織研究を参照。
• ネットワークの変化、進化、適応、衰退の理論の開発と検証^{[ 10 ]}
• ネットワーク生成と進化の形式モデルの開発と検証
• ネットワークの変化を全体的、あるいはノードレベルまたはグループレベルで視覚化する技術の開発
• ネットワークで時間とともに観察される差異が、単にリンクとノードの分布からの異なるサンプルによるものなのか、それともリンクとノードの基となる分布の時間的変化によるものなのかを判別するための統計的手法を開発する。
• ネットワークの制御プロセスを時間とともに開発する
• ネットワーク内のリンク分布を時間とともに変化させるアルゴリズムの開発
• ネットワーク内のグループを時系列で追跡するアルゴリズムの開発
• テキストなどの様々なデータソースからネットワークを抽出または特定するためのツールの開発
• ネットワークの経時的な変化に関する統計的に有効な測定方法を開発する
• 様々な種類の欠損データ下におけるネットワーク指標の堅牢性の検証
• マルチモード・マルチリンク・マルチタイム期間ネットワークの実証研究
• 確率的時間変動現象としてのネットワークの検証
• 既存ネットワークの変化を予測する
• 一連のネットワークに基づいて、時間経過に伴う経路を特定する
• 一連のネットワークにおけるノードの重要度の変化の特定、その他マルチモード・マルチリンク・マルチタイム期間ネットワークに関連する事項
• 時間ネットワーク上のランダムウォークの研究^{[ 11 ]}
• 動的ネットワークにおける接触シーケンスの構造的特性を定量化することで、動的プロセスに影響を与える^{[ 12 ]}
• ^{秘密活動[ 13 ]}およびダークネットワーク^{[ 14 ]}の評価
• 引用分析^{[ 15 ]}
• ソーシャルメディア分析^{[ 16 ]}
• 公衆衛生システムの評価^{[ 17 ]}
• 病院の安全性の結果の分析^{[ 18 ]}
• ニュースデータからの民族暴力の構造の評価^{[ 19 ]}
• テロ集団の評価^{[ 20 ]}
• オンラインにおける社会的相互作用の衰退^{[ 21 ]}
• 学校における教室での相互作用のモデリング^{[ 22 ]}

• グラフ力学系
• 国際ソーシャルネットワーク分析ネットワーク
• キャスリーン・M・カーリー
• ネットワークダイナミクス
• ネットワーク科学
• 逐次動的システムios 13.3 deca mield(8)

• Kathleen M. Carley、2003、「動的ネットワーク分析」、『動的ソーシャルネットワークモデリングと分析：ワークショップ概要と論文』、Ronald Breiger、Kathleen Carley、Philippa Pattison 編、米国国家研究評議会人間要因委員会、米国国家研究評議会、 133～145 ページ、ワシントン DC。
• キャスリーン・M・カーリー、2002年、「未来のスマートエージェントと組織」、リア・リーヴロウとソニア・リビングストン編『ニューメディアハンドブック』第12章、 206～220ページ、サウザンドオークス、カリフォルニア州、セージ出版。
• Kathleen M. Carley、Jana Diesner、Jeffrey Reminga、Maksim Tsvetovat、2008、「相互運用可能な動的ネットワーク分析ツールキットに向けて」、DSS特別号「国土安全保障のためのサイバーインフラストラクチャ：情報共有、データマイニング、コラボレーションシステムの進歩」、Decision Support Systems 43(4):1324-1347 (論文20)）
• テリル・L・フランツ、キャスリーン・M・カーリー。2009年、「最も中心的な行為者に関する知見の信頼性推定に向けて」。米国イリノイ州シカゴ、8月7日～11日、経営学会年次大会。（セージ出版／RM部門最優秀学生論文賞受賞）
• ペッター・ホルム、ヤリ・サラマキ、2011 年、「時間ネットワーク」。https://arxiv.org/abs/1108.1780
• C. Aggarwal、K. Subbian、2014、「進化的ネットワーク分析：概説」。ACM Computing Surveys、47(1)。（pdf）

• ラドクリフ大学動的ネットワークに関する探究型セミナー
• 社会・組織システムの計算分析センター（CASOS）