传统方法局限
利用信息论对网络数据进行静态和动态分析
参考论文
[[The static and dynamic analysis of network data using information theory.pdf]]
综述
Leydesdorff（1991）揭示了传统多元分析方法在处理网络数据时的关键局限性，尤其指出：通过静态"切片式"比较多模矩阵的策略难以充分捕捉时间动态特征，而时间序列方法因施加需明确因变量的严格假设，导致其无法系统建模关系数据集中的结构演化过程。
社交网络分析：概述
这篇综述文章全面概述了社交网络分析（SNA）[1]的核心概念、方法和应用，重点探讨了社交网络的表示方法（如静态、时间及演化网络）、节点级（度、介数/接近中心性、特征向量中心性）和网络级度量（密度、聚类系数、平均路径长度等），以及自我网络分析（有效规模、约束等指标）。文章系统总结了链接分析技术（如PageRank算法、时序链接预测）和社区检测方法，强调了SNA在识别关键节点、信息传播和群体结构中的关键作用，并扩展到时间演化网络的分析挑战。通过跨领域应用案例（如推荐系统、欺诈检测和生物网络），文章揭示了SNA在数据挖掘中的实践价值，同时指出了处理动态网络和可扩展性等未来研究方向。
参考论文
[[Social network analysis An overview.pdf]]
文章细读
综述
Tabassum等人（2018）揭示了传统社会网络分析方法在方法论上的固有局限性，尤其强调其过度依赖静态网络表征——这种表征难以充分捕捉时间演化动态及动态演化的结构属性——同时指出在处理具有实时数据吞吐的异构或多模态网络时面临的可扩展性挑战。
微博网络的静态分析与指数随机图建模
该论文结合静态分析与ERGM模型分析微博网络，与传统方法（仅静态分析）形成对比，符合“传统方法局限”的讨论场景。原文明确指出传统静态分析仅描述网络结构特征（如度、介数），而ERGM能捕捉动态依赖关系和复杂结构（如三角闭合效应），间接暴露了传统方法在建模动态性与复杂依赖上的不足。
参考论文
[[Static analysis and exponential random graph modelling for micro-blog network.pdf]]
《爱丽丝梦游仙境》的社交网络分析
这篇论文通过构建《爱丽丝梦游仙境》中基于互动（INR）和观察（OBS）两类社交事件的有向加权网络，揭示了角色在故事中的功能差异：爱丽丝作为核心观察者和互动者在两种网络中均占据最高中心性，白兔和老鼠等角色则通过观察网络凸显其被动叙事作用；同时，研究指出静态网络分析的局限性（如无法反映角色影响力的时间动态变化），并通过动态网络可视化证明角色重要性随情节发展波动，表明结合动态分析能更全面地捕捉文本中社会关系的演变，为文学分析提供了新的量化视角。
参考论文
[[Social Network Analysis of Alice in Wonderland.pdf]]
综述
Agarwal等人（2012）通过《爱丽丝梦游仙境》的案例分析，揭示了传统静态社会网络分析（SNA）在文学研究中的关键局限性，指出静态表征会不成比例地放大偶发性互动（例如老鼠在干燥仪式场景中的短暂中心性），却遮蔽了叙事影响力的时间动态变化（如红皇后在高潮阶段的主导地位），从而导致角色层级结构与叙事动态的系统性失真。
现有方法介绍
一种用于信号转导通路药理分析的静态网络分析工具
贡献者
Tuntun Yuchiha文件历史
社交网络分析（SNA）是一种对社交网络进行研究的方法。它通过对社交网络中的节点（如个人、组织等）和连接（如关系、互动等）进行分析，以了解社交网络的结构、功能和动态。具体来说，社交网络分析可以用于研究社交网络中的信息传播、影响力扩散、社区发现、人际关系等方面。它可以帮助我们更好地理解社交网络中的行为模式和互动规律，为社交网络的管理、营销、公共政策制定等提供决策依据。 ↩︎