社会群体事件演化的复杂网络视角分析

冯景童 吉林大学

引言:人们在复杂网络拓扑研究领域近年来取得了长足的进展，发现了许多隐藏在网络内部的特征规律。复杂网络已经应用于各个领域和各个方面。将复杂网络理论应用于风险评估,建立了一套具有运行风险快速预警能力、多级运行风险分析能力、全面体现时空间及动静态运行风险能力的主动配电网运行风险评估体系。 通过简要阐述复杂网络理论及相关概念,对复杂网络理论在图书情报领域内的应用研究进行深入分析与归纳总结,以期为该领域及其他领域内复杂网络的构建提供一定的借鉴与参考。利用复杂网络理论分析网络信息生态链演化过程,以期推动网络信息生态链由无序、低效、不稳定的状态向有序、高效、稳定的状态演变,为网络信息生态链的模拟仿真和实证分析提供参考。通过解析微博转发记录来研究影响信息转发的因素或特征,把微博信息转发预测问题抽象为链路预测问题,并提出基于最大熵模型的链路预测算法。将复杂网络应用于大脑活动中，并用复合矩阵代替了相关矩阵。 提出了一种萤火虫同步算法基于多尺度离散相模型。此外还有一些论文将复杂网络应用在其它方面。

1 拓扑数据获取

CAIDA(Cooperative Association for Internet Data Analysis)是一个参与Internet结构探测及数据分析的国际合作机构。图1 (a)为ARK项目IPv4的54个探测节点在全球的分布情况；(b)为IPv6的16个探测节点的分布情况。CAIDA部分数据可在网上获取。表1 为IP级数据格式。

图1 IPv4和IPv6探测节点分布

表1 IP拓扑数据格式

2 拓扑数据分析

根据维基百科介绍，埃及革命爆发于2011年1月25日，日本地震发生在3.月11日，提取1月25日至4月14日的数据，并根据探测周期对数据进行合并。

图2 节点数与边数的演化

图2为埃及革命和日本地震期间的互联网IP拓扑数据。在2011年1月25日之前，节点数除12月31日小幅下降外，其余时间点均呈平缓趋势。埃及革命爆发的时间点节点数和边数均有一个突然下降的过程。而在1月25日爆发之后的节点数和边数总体呈上升趋势，但中间也有小幅度的跳跃过程。

节点数与边数发生突变的时间点在12月31日、1月24日、和3月13日是重合的。除去12月31日之外，另外两个时间点均是本文所筛选的两个社会事件爆发的时间点，这在一定程度说明了社会事件同复杂网络度量特征的波动有密切的关系。综合节点数与边数的因素，分析平均度的演化趋势。

图3 平均度的演化

在图3中，平均度在图中所示时间段内经历的四次较大的幅度的改变，除2月15日的时间点外，其余三个时间点与节点数和边数发生突变的时间点相同。

综上所述，根据各个特征量的离群权重值，埃及革命爆发前后和日本地震期间，互联网拓扑呈现出典型的常态演化和突变演化两种特征，并且突变时间点相同或者相近。验证了关于社会事件爆发阶段，互联网IP级拓扑更易发生突变这一推断。而对于社会事件爆发时间段外的突变现象，有可能是IP分布密集的局部地区的拓扑受到了局部社会事件的影响，或者是其它的原因，对于其准确原因，受限于收集大量数据的难度及时间紧迫性暂时不做研究。根据现有工作可以做出的结论是：影响力广泛的社会事件爆发期间，互联网IP级拓扑更易发生突变现象，在这之外的时间段，拓扑基本呈现常态演化趋势。

3 结束语

本文根据CAIDA提供的数据对埃及革命和日本地震期间的IP拓扑数据从复杂网络的角度进行了分析。得出两者存在某种相关性，而互联网上的搜索行为可以改变动态路由路径，因此联想到作为互联网主体的人类，其搜索行为和习惯会时刻改变着动态路由路径。埃及革命和日本地震都验证了这一推断。