
数学、コンピュータサイエンス、ネットワークサイエンスにおいて、ネットワーク理論はグラフ理論の一部です。ネットワークは、頂点または辺が属性を持つグラフとして定義されます。ネットワーク理論は、これらのネットワークを、その(離散的な)構成要素間の 対称関係または非対称関係に基づいて分析します。
ネットワーク理論は、統計物理学、素粒子物理学、コンピュータサイエンス、電気工学、[1] [2] 生物学、[3] 考古学、[4] 言語学、[5] [6] [7] 経済学、金融、オペレーションズリサーチ、気候学、生態学、公衆衛生、[8] [9] [10] 社会学、[11] 心理学、[12]神経科学など、多くの分野に応用されています。[13] [14] [15]ネットワーク理論の応用には、ロジスティックネットワーク、ワールドワイドウェブ、インターネット、遺伝子制御ネットワーク、代謝ネットワーク、ソーシャルネットワーク、認識論ネットワークなどがあります。
ケーニヒスベルクの七つの橋問題に対するオイラーの解法は、ネットワーク理論における最初の真の証明であると考えられています。
ネットワーク最適化
何かを行うための最適な方法を見つけることを含むネットワークの問題は、組み合わせ最適化として研究されます。例としては、ネットワークフロー、最短経路問題、輸送問題、積み替え問題、場所問題、マッチング問題、割り当て問題、梱包問題、ルーティング問題、クリティカルパス分析、プログラム評価およびレビュー技術などがあります。
ネットワーク分析
電気ネットワーク解析
電力システムの分析は、ネットワーク理論を使用して、主に 2 つの観点から行うことができます。
- 電力の側面(送電線インピーダンスなど)に関係なく、抽象的な観点(つまり、グラフはノードとエッジから構成される)。これらの研究のほとんどは、ノード次数分布と媒介分布を使用して電力網の抽象的な構造のみに焦点を当てており、グリッドの脆弱性評価に関する実質的な洞察をもたらします。これらのタイプの研究を通じて、複雑なネットワークの観点からグリッド構造のカテゴリを特定できます(たとえば、シングルスケール、スケールフリー)。この分類は、計画段階またはインフラストラクチャのアップグレード中(新しい送電線の追加など)に電力システムエンジニアが送電システムの適切な冗長性レベルを維持するのに役立つ可能性があります。[1]
- 複雑なネットワーク理論と電力システムの特性の抽象的な理解を融合した重み付きグラフ。[2]
ソーシャルネットワーク分析

ソーシャルネットワーク分析は、社会的実体間の関係の構造を調査します。 [17]これらの実体は多くの場合個人ですが、グループ、組織、国家、ウェブサイト、学術出版物である場合もあります。
1970年代以降、ネットワークの実証的研究は社会科学において中心的な役割を果たしており、ネットワークの研究に使用される数学的・統計的ツールの多くは、社会学で最初に開発されたものである。[18] 他の多くの応用の中でも、ソーシャルネットワーク分析は、イノベーション、ニュース、噂の拡散を理解するために使用されてきている。[19]同様に、病気と健康関連行動 の広がりを調べるためにも使用されてきている。[20]また、市場の研究 にも応用されており、交換関係における信頼の役割や価格設定における社会的メカニズムの役割を調べるために使用されている。[21]政治運動、武装グループ、その他の社会組織 へのリクルートメントを研究するために使用されてきている。 [22]また、科学的意見の相違[23]や学術的名声 を概念化するためにも使用されてきた。 [24] 最近では、ネットワーク分析(およびそれに近いトラフィック分析)が軍事情報において重要な役割を果たすようになり、 [25]階層型とリーダーレス型の両方の反乱ネットワークを発見するために使用されています。[要出典]
生物学的ネットワーク分析
近年、公開されている高スループットの生物学的データの爆発的な増加により、分子ネットワークの分析が大きな関心を集めています。[26]この文脈における分析の種類は、ソーシャルネットワーク分析と密接に関連していますが、多くの場合、ネットワーク内のローカルパターンに焦点を当てています。たとえば、ネットワークモチーフは、ネットワーク内で過剰に表現されている小さなサブグラフです。同様に、アクティビティモチーフは、ネットワーク構造を考えると過剰に表現されている、ネットワーク内のノードとエッジの属性のパターンです。食物網などの生物学的システムのパターンをネットワークを使用して分析すると、種間の相互作用の性質と強度を視覚化できます。病気に関する生物学的ネットワークの分析は、ネットワーク医学の分野の発展につながりました。[27] 生物学におけるネットワーク理論の最近の応用例としては、細胞周期の理解への応用[28]や、発達プロセスの定量的フレームワークなどがあります。[29]
物語ネットワーク分析

テキストコーパスの自動解析により、大規模なアクターとその関係ネットワークの抽出が可能になりました。その結果得られた物語ネットワークには数千のノードが含まれる可能性があり、ネットワーク理論のツールを使用して分析され、主要なアクター、主要なコミュニティまたは当事者、およびネットワーク全体の堅牢性や構造的安定性、特定のノードの中心性などの一般的な特性が特定されます。[31]これにより、定量的物語分析によって導入されたアプローチが自動化され、[32]主語-動詞-目的語のトリプレットが、アクションでリンクされたアクターのペア、またはアクター-オブジェクトによって形成されたペアで識別されます。[30]
リンク分析
リンク分析はネットワーク分析のサブセットであり、オブジェクト間の関連性を調査します。例としては、警察の捜査の一環として、容疑者や被害者の住所、ダイヤルした電話番号、特定の期間に参加した金融取引、これらの対象者間の家族関係を調べることが挙げられます。ここでのリンク分析は、個別の情報からは明らかではない、非常に多くの異なるタイプのオブジェクト間の重要な関係と関連性を提供します。コンピューター支援または完全に自動のコンピューターベースのリンク分析は、銀行や保険会社による詐欺検出、通信事業者による通信ネットワーク分析、医療部門による疫学および薬理学、法執行機関の捜査、検索エンジンによる関連性評価(逆にスパマーによるスパムデクシング、企業オーナーによる検索エンジン最適化)、その他多くのオブジェクト間の関係を分析する必要があるあらゆる場所でますます採用されています。リンクは、両方のノードにおける時間的動作の類似性からも導き出されます。例としては、2つの場所(ノード)間のリンクが、例えば両方の場所の降雨量や気温変動の類似性によって決定される気候ネットワークが挙げられる。[33] [34]
ウェブリンク分析
ウェブ検索 ランキングアルゴリズムのいくつかは、リンクベースの中心性指標を使用しています。これには、 GoogleのPageRank、KleinbergのHITSアルゴリズム、CheiRank、TrustRankアルゴリズムが含まれます。リンク分析は、情報科学やコミュニケーション科学でも行われ、ウェブページの集合の構造を理解し、そこから情報を抽出します。たとえば、政治家のウェブサイトやブログ間の相互リンクを分析する場合があります。別の用途としては、他のページでの言及に応じてページを分類することです。[35]
中心性測定
グラフ内のノードとエッジの相対的な重要性に関する情報は、社会学などの分野で広く使用されている中心性指標を通じて取得できます。たとえば、固有ベクトル中心性は、ネットワークに対応する隣接行列の固有ベクトルを使用して、頻繁にアクセスされる傾向があるノードを決定します。正式に確立された中心性の指標には、次数中心性、近接中心性、媒介中心性、固有ベクトル中心性、サブグラフ中心性、およびカッツ中心性があります。分析の目的または目標によって、一般的に、使用する中心性指標の種類が決まります。たとえば、ネットワーク上のダイナミクスや、ノード/リンクの削除に対するネットワークの堅牢性に関心がある場合、ノードの動的重要性[36] が最も関連性の高い中心性指標であることがよくあります。
同類混合と非同類混合
これらの概念は、ネットワーク内のハブのリンクの好みを特徴付けるために使用されます。ハブとは、多数のリンクを持つノードです。ハブの中には、他のハブにリンクする傾向があるものもあれば、ハブへの接続を避け、接続性の低いノードへの接続を好むものもあります。ハブが他のハブに接続する傾向がある場合、そのハブは同類的であると言います。非同類的ハブは、他のハブへの接続を避けます。ハブが予想されるランダムな確率で接続している場合、そのハブは中立的であると言われます。次数相関を定量化する方法は 3 つあります。[37]
再帰ネットワーク
再帰プロットの再帰行列は、無向かつ無重みのネットワークの隣接行列とみなすことができます。これにより、ネットワーク測定による時系列の分析が可能になります。その応用範囲は、体制変化の検出からダイナミクスの特徴付け、同期分析まで多岐にわたります。[38] [39] [40]
空間ネットワーク
多くの現実のネットワークは空間に埋め込まれています。例としては、交通機関やその他のインフラストラクチャネットワーク、脳のニューラルネットワークなどがあります。空間ネットワークのモデルがいくつか開発されています。[41]
広める
複雑ネットワーク内のコンテンツは、保存的拡散と非保存的拡散という2つの主要な方法で拡散します。[42] 保存的拡散では、複雑ネットワークに入るコンテンツの総量は、通過するときに一定のままです。保存的拡散のモデルは、一定量の水が入ったピッチャーが、チューブで接続された一連の漏斗に注がれていることで最もよく表すことができます。ここで、ピッチャーは元のソースを表し、水は拡散されるコンテンツです。漏斗と接続チューブは、それぞれノードとノード間の接続を表します。水が1つの漏斗から別の漏斗に渡されると、以前に水にさらされていた漏斗から水は瞬時に消えます。非保存的拡散では、コンテンツの量は、複雑なネットワークに入り、通過するときに変化します。非保存的拡散のモデルは、チューブで接続された一連の漏斗を流れる、連続的に流れる蛇口で最もよく表すことができます。ここで、元のソースからの水の量は無限です。また、水にさらされた漏斗は、次の漏斗に水が渡されるときも、引き続き水にさらされます。非保存モデルは、ほとんどの感染症、神経興奮、情報や噂などの伝染を説明するのに最適です。
ネットワーク免疫
インターネットやソーシャルネットワークなどの現実的なネットワークを表すスケールフリーネットワークを効率的に免疫化する方法は、広く研究されてきました。そのような戦略の1つは、最大次数のノード、つまり標的型(意図的)攻撃を免疫化することです[43] 。これは、この場合の攻撃確率が比較的高く、免疫化に必要なノードの数が少ないためです。しかし、ほとんどの現実的なネットワークでは、グローバル構造が利用できず、最大次数のノードは不明です。
参照
参考文献
- ^ ab Borchers A, Pieler T (2010年11月). 「アフリカツメガエル胚由来の多能性前駆細胞をプログラミングして特定の組織や臓器を生成する」.遺伝子. 1 (3): 413– 426. doi : 10.3390/en11061381 . PMC 3966229 . PMID 24710095.
- ^ ab Saleh, Mahmoud; Esa, Yusef; Onuorah, Nwabueze; Mohamed, Ahmed A. (2017). 「複雑なネットワークフレームワークを使用した配電システムにおける最適なマイクログリッド配置」。複雑なネットワークフレームワークを使用した配電システムにおける最適なマイクログリッド配置 - IEEE 会議出版物。IEEE。pp . 1036– 1040。doi : 10.1109 / ICRERA.2017.8191215。ISBN 978-1-5386-2095-3. S2CID 44685630 . 2018年6月7日閲覧。
- ^ Habibi I、Emamian ES、Abdi A (2014 年 8 月)。「シグナル伝達ネットワークにおける細胞内コミュニケーションとシグナル伝達エラーの定量分析」。BMC Systems Biology。8 : 89。doi : 10.1186 / s12918-014-0089 - z。PMC 4255782。PMID 25115405。
- ^ Sindbæk S (2007).ネットワークと結節点: ヴァイキング時代初期のスカンジナビアにおける都市の出現 - 古代 81(311) . ケンブリッジ大学出版局. pp. 119– 132.
- ^ Paradowski, MB; Jarynowski, A.; Jelińska, M.; Czopek, K. (2021). 「2020年3月米国デンバーで開催されたアメリカ応用言語学会のポスター発表選:短期海外滞在中の第二言語習得にはクラス外の仲間との交流が重要:ソーシャルネットワーク分析の貢献」。言語教育。54 (1): 139– 143。doi : 10.1017/ S0261444820000580。
- ^ Paradowski, MB; Jarynowski, A.; Czopek, K.; Jelińska, M.; et al. (2021). 「ピアインタラクションと第二言語学習:留学と在宅環境におけるソーシャルネットワーク分析の貢献」 Mitchell, Rosamond; Tyne, Henry (eds.)現代ヨーロッパの文脈における言語、モビリティ、留学。ニューヨーク:Routledge。pp. 99– 116。doi : 10.1017 /S0261444820000580。ISBN 978-10-03087-95-3. S2CID 228863564。
- ^ Paradowski, MB; Cierpich-Kozieł, A.; Chen, C.-C.; Ochab, JK (2022). 「留学SLAにおいて、アウトプットがインプットを上回り、対話者が重要になる理由:学習者インタラクションの計算的ソーシャルネットワーク分析」。現代言語ジャーナル。106 (4): 694– 725。doi :10.1111/modl.12811。S2CID 255247273 。
- ^ Harris JK、Luke DA、Zuckerman RB、 Shelton SC (2009 年 6 月)。「受動喫煙研究の 40年: 発見と実施のギャップ」。アメリカ予防医学ジャーナル。36 (6): 538– 548。doi :10.1016/j.amepre.2009.01.039。OCLC 5899755895。PMID 19372026 。
- ^ Varda DM、Forgette R、Banks D、Contractor N (2009)。「災害研究におけるソーシャルネットワークの方法論:カトリーナ後の研究が促した問題と洞察」。人口研究 と政策レビュー。28 (1): 11– 29。doi :10.1007 / s11113-008-9110-9。ISSN 0167-5923。OCLC 5659930640。S2CID 144130904 。
- ^ Sunkersing D、Martin FC、 Sullivan P、Bell D(2022年12月)。「北西ロンドンの地域在住の虚弱者のケアとサポートネットワーク:患者と医療従事者の認識の比較」。BMC Geriatrics。22 (1):953。doi :10.1186 /s12877-022-03561 - y。PMC 9737751。PMID 36494627。
- ^ デッラ ポルタ D、ディアニ M (2010).社会運動 2e: はじめに(第 2 版)。ワイリー=ブラックウェル。ISBN 978-1-4051-0282-7。
- ^ Paradowski, MB; Jelińska, M. (2023). 「オンライン外国語学習におけるL2グリットの予測因子とそれらの複雑な相互作用:動機付け、自己主導型学習、自律性、好奇心、言語的マインドセット」。コンピュータ支援言語学習。37 (8): 2320– 2358。doi : 10.1080/09588221.2023.2192762。
- ^ Bassett DS、Sporns O (2017年2月)。「ネットワーク神経科学」。Nature Neuroscience . 20 (3): 353– 364. doi :10.1038/nn.4502. PMC 5485642 . PMID 28230844.
- ^ Alex Fornito. 「ネットワーク神経科学入門:コネクトームの構築、モデル化、分析方法 - 0800-10:00 | OHBM」。pathlms.com 。2020年3月11日閲覧。
- ^ Saberi M、Khosrowabadi R、Khatibi A、Misic B 、 Jafari G(2021年1月)。「ネガティブリンクのトポロジカルな影響 が安静時の脳ネットワークの安定性に与える影響」。Scientific Reports。11 ( 1 ):2176。Bibcode : 2021NatSR..11.2176S。doi :10.1038/s41598-021-81767-7。PMC 7838299。PMID 33500525。
- ^ グランジャンM (2014). 「La connaissance est un réseau」。レ・カイエ・デュ・ヌメリク。10 (3): 37–54 .土井:10.3166/lcn.10.3.37-54 。2014 年 10 月 15 日に取得。
- ^ Wasserman, Stanleyおよび Katherine Faust。1994 年。「ソーシャル ネットワーク分析: 方法とアプリケーション」。ケンブリッジ: Cambridge University Press。Rainie, Lee およびBarry Wellman、「ネットワーク化: 新しいソーシャル オペレーティング システム」。ケンブリッジ、MA: MIT Press、2012 年。
- ^ ニューマン、MEJネットワーク:入門。オックスフォード大学出版局。2010年
- ^ Al-Taie MZ、Kadry S (2017)。 「ソーシャルネットワークにおける情報の拡散」。グラフとネットワーク分析のための Python。高度な情報と知識処理。pp. 165– 184。doi :10.1007 / 978-3-319-53004-8_8。ISBN 978-3-319-53003-1. PMC 7123536 .
- ^ Luke DA、Harris JK (2007 年 4 月)。「公衆衛生におけるネットワーク分析: 歴史、方法、およびアプリケーション」。Annual Review of Public Health。28 ( 1): 69– 93。doi : 10.1146 /annurev.publhealth.28.021406.144132。PMID 17222078。
- ^ Odabaş M、Holt TJ 、 Breiger RL (2017年10月)。「違法性の瀬戸際にある組織のガバナンス環境としての市場:ソーシャルネットワーク分析からの洞察」。American Behavioral Scientist。61(11):1267–1288。doi : 10.1177 /0002764217734266。hdl : 10150 /631238。S2CID 158776581 。
- ^ Larson JM (2021年5月11日). 「紛争と協力のネットワーク」. Annual Review of Political Science . 24 (1): 89– 107. doi : 10.1146/annurev-polisci-041719-102523 .
- ^ Leng RI (2018年5月24日). 「冠動脈性心疾患(CHD)の二次予防における脂肪制限食の有効性に関する証拠の伝播のネットワーク分析:レビューにおける選択的引用」. PLOS ONE . 13 (5): e0197716. Bibcode :2018PLoSO..1397716L. doi : 10.1371 /journal.pone.0197716 . PMC 5968408. PMID 29795624.
- ^ Burris V (2004年4月). 「学術カースト制度:博士号交換ネットワークにおける名声階層」. American Sociological Review . 69 (2): 239– 264. doi :10.1177/000312240406900205. S2CID 143724478. 2021年9月22日閲覧。
- ^ Roberts N、Everton SF。「ダークネットワークに対抗するための戦略」(PDF)。Journal of Social Structure。12。2021年9月22日閲覧。
- ^ Habibi I、Emamian ES、Abdi A (2014-10-07). 「分子ネットワークにおける高度な障害診断方法」. PLOS ONE . 9 (10): e108830. Bibcode :2014PLoSO...9j8830H. doi : 10.1371/journal.pone.0108830 . PMC 4188586. PMID 25290670 .
- ^ Barabási AL、 Gulbahce N、 Loscalzo J (2011 年 1 月)。「ネットワーク医療:ヒト疾患に対するネットワークベースのアプローチ」。Nature Reviews 。遺伝学。12 (1): 56– 68。doi :10.1038/nrg2918。PMC 3140052。PMID 21164525 。
- ^ Jailkhani N、Ravichandran S、Hegde SR、Siddiqui Z、Mande SC、Rao KV (2011 年 12月)。「主要な調節要素の描写により、ミトゲン活性化シグナル伝達ネットワークの脆弱性ポイントが特定される」。 ゲノム研究。21 (12): 2067– 2081。doi :10.1101 / gr.116145.110。PMC 3227097。PMID 21865350。
- ^ Jackson MD、Duran-Nebreda S、 Bassel GW(2017年10月)。「多細胞発達を定量化する ネットワークベースのアプローチ」。Journal of the Royal Society、Interface。14(135):20170484。doi : 10.1098/rsif.2017.0484。PMC 5665831。PMID 29021161。
- ^ ab Sudhahar, Saatviga; Veltri, Giuseppe A; Cristianini, Nello (2015). 「ビッグデータとネットワーク分析を使用した米国大統領選挙の自動分析」. Big Data & Society . 2 (1): 205395171557291. doi :10.1177/2053951715572916. hdl : 2381/31767 .
- ^ 大規模コーパスの物語コンテンツのネットワーク分析; S Sudhahar、G De Fazio、R Franzosi、N Cristianini; Natural Language Engineering、1–32、2013
- ^ 定量的物語分析、ロベルト・フランゾージ、エモリー大学 © 2010
- ^ Tsonis AA、 Swanson KL、 Roebber PJ (2006)。「ネットワークは気候とどう関係するのか?」 アメリカ気象学会誌。87 (5): 585– 595。Bibcode :2006BAMS...87..585T。doi : 10.1175/BAMS-87-5-585。ISSN 0003-0007。
- ^ ボーア人 N、ブックハーゲン B、バルボーサ HM、マルワン N、クルス J、マレンゴ JA (2014 年 10 月)。 「複雑なネットワークアプローチに基づく中央アンデス東部における極端な洪水の予測」。ネイチャーコミュニケーションズ。5 : 5199。Bibcode :2014NatCo...5.5199B。土井: 10.1038/ncomms6199。PMID 25310906。S2CID 3032237 。
- ^ Attardi G、Di Marco S、Salvi D (1998)。「コンテキストによる分類」(PDF)。Journal of Universal Computer Science。4 ( 9): 719– 736。
- ^ Restrepo JG、Ott E 、 Hunt BR (2006年9 月)。「ネットワーク ノードとリンクの動的重要性の特徴付け」。Physical Review Letters。97 ( 9): 094102。arXiv : cond-mat/0606122。Bibcode : 2006PhRvL..97i4102R。doi : 10.1103 /PhysRevLett.97.094102。PMID 17026366。S2CID 18365246 。
- ^ MEJ Newman (2003). 「ネットワークにおける混合パターン」. Physical Review E. 67 ( 2): 026126. arXiv :cond-mat/0209450. Bibcode :2003PhRvE..67b6126N. doi :10.1103/PhysRevE.67.026126. PMID 12636767. S2CID 15186389.
- ^ Marwan N, Donges JF, Zou Y, Donner RV, Kurths J (2009). 「時系列の再帰分析のための複雑ネットワークアプローチ」. Physics Letters A. 373 ( 46): 4246– 4254. arXiv : 0907.3368 . Bibcode :2009PhLA..373.4246M. doi :10.1016/j.physleta.2009.09.042. ISSN 0375-9601. S2CID 7761398.
- ^ Donner RV, Heitzig J, Donges JF, Zou Y, Marwan N, Kurths J (2011). 「カオスダイナミクスの幾何学 - 複雑ネットワークの観点」. European Physical Journal B . 84 (4): 653– 672. arXiv : 1102.1853 . Bibcode :2011EPJB...84..653D. doi :10.1140/epjb/e2011-10899-1. ISSN 1434-6036. S2CID 18979395.
- ^ Feldhoff JH、Donner RV、 Donges JF、Marwan N、Kurths J ( 2013)。「複雑な同期シナリオの幾何学的特徴」。Europhysics Letters。102 ( 3): 30007。arXiv : 1301.0806。Bibcode : 2013EL .... 10230007F。doi : 10.1209 /0295-5075/102/30007。ISSN 1286-4854。S2CID 119118006 。
- ^ Waxman BM (1988). 「マルチポイント接続のルーティング」. IEEE Journal on Selected Areas in Communications . 6 (9): 1617– 1622. doi :10.1109/49.12889.
- ^ Newman M、Barabási AL、Watts DJ編 (2006)。ネットワークの構造とダイナミクス。プリンストン、ニュージャージー:プリンストン大学出版局。
- ^ Callaway DS、Newman ME、Strogatz SH 、 Watts DJ (2000 年 12 月)。「ネットワークの堅牢性と脆弱性: ランダム グラフ上のパーコレーション」。Physical Review Letters。85 ( 25 ) : 5468– 5471。arXiv : cond -mat/0007300。Bibcode : 2000PhRvL..85.5468C。doi : 10.1103/PhysRevLett.85.5468。PMID 11136023。S2CID 2325768。
書籍
- Dorogovtsev SN、Mendes JR (2003)。ネットワークの進化: 生物学的ネットワークからインターネットと WWW へ。オックスフォード大学出版局。ISBN 978-0-19-851590-6。
- Caldarelli G (2007)。スケールフリーネットワーク。オックスフォード大学出版局。ISBN 978-0-19-921151-7。
- Barrat A、Barthelemy M、Vespignani A (2008)。複雑ネットワーク上の動的プロセス。ケンブリッジ大学出版局。ISBN 978-0-521-87950-7。
- Estrada E (2011).複雑ネットワークの構造: 理論と応用. オックスフォード大学出版局. ISBN 978-0-199-59175-6。
- Soramaki K、Cook S (2016)。ネットワーク理論と金融リスク。リスクブックス。ISBN 978-1-78272-219-9。
- Latora V、Nicosia V、Russo G (2017)。複雑ネットワーク:原理、方法、アプリケーション。ケンブリッジ大学出版局。ISBN 978-1-107-10318-4。
外部リンク
- netwiki ネットワーク理論に特化した科学的なウィキ
- 新しいネットワーク理論 「新しいネットワーク理論」に関する国際会議
- ネットワーク ワークベンチ: 大規模ネットワーク分析、モデリング、視覚化ツールキット
- 大規模ネットワークの最適化doi:10.13140/RG.2.2.20183.06565/6
- コンピュータネットワークのネットワーク分析
- 組織ネットワークのネットワーク分析
- テロリストネットワークのネットワーク分析
- 疾病発生のネットワーク分析
- リンク分析: 情報科学アプローチ (書籍)
- コネクテッド:6度のパワー(ドキュメンタリー)
- 複雑ネットワークに関する短期コース
- Albert-László Barabasi による複雑なネットワーク分析に関するコース
- 金融ネットワーク理論ジャーナル
- オペレーションズ・リサーチおよび経営科学研究所 (INFORMS) によるオペレーションズ・リサーチにおけるネットワーク理論
