笔记：复杂网络的关键技术及应用

点击查看原网页，下面写的是个人总结

1.复杂网络与图

复杂网络与图是同一种事物，由节点和连边构成。图是数学领域的研究内容，“图论”的算法是普适性的，侧重于理论。复杂网络侧重于工程，是将“图论”的理论带入到现实的生活生产中，结合图算法理论、应用场景以及科学技术等方面能力，帮助观察和理解真实的客观世界。

2. 复杂性

哲学思想还原论认为万事万物都有更基本的元素构成，通过研究更基本的元素可以理解复杂的整体，这个思想已经取得了许多成果，比较突出的有基因工程等。 不过，有时从简单的元素入手却不能理解复杂的整体，比如一只蚂蚁与蚁群的行为，说明现实世界系统具有“复杂性”，而复杂性背后是网络关联。

具有自组织、自相似、吸引子、小世界、无标度中部分或全部性质的网络称为复杂网络。（钱学森）

复杂网络主要有以下几个特点： 　　第1，结构复杂，不用解释太多，自然界就是复杂的，抽象出来的网络也是复杂的。 　　第2，网络进化，世界在发展，代表它的网络也是在变化，网络中会不断地产生新的节点，也会产生新的关系，同样，也会在消失着一些节点和关系。今天我们是朋友，明天你们和他们也会成为朋友。 　　第3，连接多样，连接边不是只代表一种类别的关系，只要能代表事物和事物之间关系的都可以描述成边，只要是属于我们所要研究范畴的。你和她是朋友关系，也可能还存在着同事关系。 　　第4，动力学复杂性，它代表一种动态的特性，事物之间的影响是可以传播的，一个事物发生了改变，可能会影响与它有关联的其它事物的改变，并将这种改变传播出去，把这种传播变成可计算化，正是动力学所要研究的方向。 　　第5，多重复杂性结合，正是多种事物相互关联和互相影响，体现出它的变化复杂性和未知性，未来发展趋势，并非一个简单的线性公式所能解释的。 　　第6，节点的多样性，和连接多样性一样，网络中的节点可以代表任何事物，只要是属于我们所要研究的范畴。

3. 实现技术

数据结构：矩阵结构与关系型数据库结构，矩阵结构效率更高（NoSQL数据库），关系型结构信息更完善。Neo4j图查询数据库，适合中小规模的图。

大数据：分布式存储与分布式处理。为实现分布式需切分网络，常用切分有三种：

按点切，切度值大的节点；

按边切，切弱连接；

随机切，结构不明显的网络可用，不太实用。

可行方案：基于Hadoop+Spark技术，把算法转换为分布式计算，在集群上运行。

大规模图查询展现：InfiniteGraph、OrientDB、InfoGrid和HypergraphDB等

4. 应用

社团检测：潜在客户挖掘、关联群体风险分析等；

网络中心性分析：网页排名（PageRank），供应链核心企业识别，信息传播枢纽节点识别等；

网络传播预测：流行病传播，金融风险传播，舆论传播；

网络关系渗透：节点之间的关系（三度影响）；

关联交易分析及投融资黑洞：虚假交易，担保圈分析等。