复杂网络模型构建及其在知识系统中的应用

摘要

复杂网络作为新兴的对复杂系统进行定量描述的工具，可以对复杂自适应系统进行建模和分析。如果把知识系统中的“要素”和“关系”分别抽象成节点和边，那么可以利用复杂网络理论对知识系统进行建模与分析。知识管理具有高度复杂性以及跨学科的特点，兼有自然与人文科学两种属性。我们从系统科学的角度从整体上对其进行分析。由于知识的高度抽象性，知识的拥有者和知识的载体之间有着错综复杂的联系，构成了各种类型的知识系统。知识系统是以网络的结构形式存在的复杂自适应系统。本文从系统结构与系统功能的角度，对复杂网络理论中的演化机制及若干动力学行为进行了理论研究。并利用复杂网络对某一微观知识系统进行了实证研究，对这一系统中的知识进行表示，分类以及聚类等分析，分别对宏观层次的整体学科发展趋势．中观层次的学科代码调整和微观层次的学科领域知识的发展进行了分析。 首先，分别从拓扑网络和加权网络的角度对无尺度网络的演化机制进行了研究，重点研究了正负匹配度可调的网络演化机制。提出了多步连接的无尺度网络增长模型，正负匹配度可调模型以及自学习双向选择加权网络模型；从宏观角度研究了平均距离约束下的无尺度网络演化模型。通过细致地研究有向无尺度网络中出度和入度的关系，发现入度的度分布指数由出度的平均度决定。 其次，从结构决定功能，功能影响结构的角度，对复杂网络上的鲁棒性、同步能力以及传播行为等动力学性质进行了研究。利用最优化方法，优化某一动力学指标，观察优化过程中和最优状态下网络的结构特性，研究动力学与结构之间的关系。并提出了SI模型中新的传播机制：定向传播机制。并对意见之间的传播进行了研究，发现在考虑人员可移动的情况下，达成共识所需要的阈值比经典模型要低。 最后，把复杂网络理论应用于知识系统模型的构建与分析当中。把某组织知识系统中的知识点抽象成节点，它们之间的关系抽象成边，对这一组织中的知识进行了宏观发展趋势预测。具体为，分别从拓扑网络和加权网络的角度，分析了我国自然科学基础研究申报体系中自1999年到2004年的宏观发展趋势，发现项目关联网络具有平均直径逐年下降，集聚系数逐年上升的特性，并对研究热点等问题进行了分析。我们建立了基于自学习和双向选择机制的小世界网络增长模型，模型的各统计指标与实证结果相吻合。最后，对微观领域的学科知识进行了进一步分析。研究了聚类产生的领域知识的关系，并分析了领域知识内容的客观性。

目录

文摘

英文文摘

声明

第一章绪论

1.1问题的研究背景和意义

1.2复杂网络在知识管理和其它领域的应用

1.2.1复杂网络在知识表示与建模方面的应用

1.2.2科研合作网络与语义网络

1.2.3集团结构的发现算法研究

1.2.4信息检索与导航

1.2.5社会网络中的应用

1.2.6大脑网络研究

1.3复杂网络研究综述

1.3.1复杂网络的结构度量

1.3.2经典的复杂网络模型

1.3.3网络上的动力学行为

1.4知识网络研究综述

1.4.1知识主体之间的网络

1.4.2知识与知识之间的网络

1.4.3多种类型的节点或关系构成的知识网络

1.5本论文的主要工作

第二章复杂网络的演化模型研究

2.1多步连接的无尺度网络增长模型

2.1.1模型的构造

2.1.2模型的统计特性

2.1.3小结

2.2 正负匹配度可调的增长无尺度网络模型

2.2.1模型的构造

2.2.2网络的统计特性

2.2.3小结

2.3自学习双向选择加权网络演化模型

2.3.1模型的构造

2.3.2模型的统计特性

2.3.3小结

2.4带有平均距离和平均度约束的无尺度网络演化模型

2.4.1模型的构造与求解

2.4.2小结

2.5有向网络中出度与入度之间的关系

2.5.1模型的描述

2.5.2入度分布的指数

2.5.3其它统计特性

2.5.4小结

2.6本章小结

第三章复杂网络的动力学优化

3.1优化无尺度网络的鲁棒性

3.1.1随机破坏的优化策略

3.1.2蓄意攻击的优化策略

3.1.3优化无尺度网络对于随机破坏和蓄意攻击的鲁棒性

3.2优化无尺度网络同步能力

3.2.1网络的同步能力

3.2.2禁忌搜索算法介绍

3.2.3数值结果

3.2.4小结

3.3网络拓扑量与同步能力的关系

3.3.1数值结果

3.3.2小结

3.4无尺度网络上的定向传播行为研究

3.4.1模型的构造

3.4.2模拟与分析

3.4.3快速传播策略

3.4.4小结

3.5二维格子上的意见传播

3.5.1模型的构造

3.5.2数值模拟

3.5.3小结

3.6本章小结

第四章复杂网络在某知识网络系统中的应用

4.1项目文本关联网络的拓扑结构分析

4.1.1网络结构特性

4.1.2小结

4.2项目文本关联网络加权网络分析

4.2.1 WRAN的统计特性

4.2.2双向选择模型

4.2.3小结

4.3项目关联网络的宏观知识挖掘

4.3.1申报体系和分类体系的发展趋势分析

4.3.2学科体系发展趋势分析

4.3.3学科领域的交叉分析

4.4基于加权网络的一种中文文本聚类算法

4.4.1预备知识

4.4.2聚类算法

4.4.3集团结构好坏的衡量指标

4.4.4数值实验

4.4.5小结

4.5领域知识的中观层次分析

4.6类模型网络关联分析

4.7本章小结

第五章总结与展望

5.1总结

5.2展望

参考文献

创新点摘要

附录

攻读博士学位期间的研究成果及发表的论文

致谢