网络分析

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇网络分析范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

网络分析范文第1篇

网络分析服务近两年在国内迅速崛起，成为ASP服务的一个重要组成部分。然而，网络监测的有效性和精确性却频频遭到质疑，一些专业网站、电子商务平台运营者抱怨，由于技术和数据分析标准上的滞后，导致ROI测算数据严重失真。很多网站号称能够精确获知用户信息，而且能够拿出各种数据来证明自己的人气，如pv、用户IP量等等，但是，这些数据实际上并不能反映出整个网络传播的质量。

“网络分析服务亟须确立全新的技术标准和指标，有质量的流量比纯粹的高流量更为重要。”国内领先的网络分析服务商99click公司总裁马天云日前在接受记者采访时表示。

目前，对于网络传播效果的测算，应用最普遍的指标就是pv，即网站浏览的数量。大多数免费流量监测软件可以很容易地获得网站的访问数量和访问者来源，然而这种衡量方式得出的结果同真实情况却存在很大的误差，无法辨别访问者的误访、甚至虚假点击，也无法分析不同来源访问者在浏览行为上的差异。99click公司提出了一种以“二跳”指标作为测算标准的方法，所谓“二跳”就是指网民在点击广告链接进入被监测网站后，又点击进入了该网站的某个链接。据马天云介绍，除了“二跳”指标之外，还有转化分析、路径分析等指标，这些都能够更科学地反映出流量的质量，准确地将网络广告的效果测量出来。与普通监测软件不同，99click的测算方法还可以为客户提供网络分析的订制服务，比如应客户需求开发出邮件投放监测、广告活动分析等系统功能，让用户轻松及时地掌握自己在多个网站中投放的广告哪些收益更高、哪些没有必要。据了解，国内最大的电子商务网站当当网最终选择99click，就是因为看中其提供的服务并不仅仅是简单的流量监测，而是一个可以随需而变的全套解决方案。此外，目前国内最大的搜索引擎“百度”也通过99click的标准和技术，为中国移动、海尔、HP、Sony这些大客户提供第三方评测服务。

对于很多以内容服务为核心的网络运营者来说，网页分析功能也是至关重要的。很多网站的自我优化，往往是没有根据也没有目的的，不仅没有提高用户的粘度，相反却引起了用户的逃离。99click网页分析服务可以使用户从真实有效的数据中得知网站访问者的浏览习惯，总结网站内容的成败得失，为网站优化提供可靠依据。目前“车趣网”、“芒果网”等一批新锐电子商务网站均采用了99click的网页分析服务。

对于整个互联网来说，真正促进技术进步的乃是标准的确立，在网络分析服务领域同样如此。互联网的监测服务从初始的流量监测走到今天，必将向质量监测、标准化迈进。作为继ISP、ICP、电子商务之后的互联网应用第四阶段，ASP的崛起必将大力推进互联网的发展，而随着网络分析服务的成熟，互联网这个新媒体将焕发出更诱人的魅力。

网络分析范文第2篇

关键词:无尺度网络;幂次定律;集散节点

中图分类号:TP301.6 文献标识码:A 文章编号:1009-3044(2009)15-3876-02

The Analysis and research of Scale-free Networks

LIU Qing-Feng

(Anyang Institute of Technology, Anyang 455000, China)

Abstract: This paper describes the discovery of scale-free networks and their properties, introduces briefly the significance of scale-free networks for research of science, and point out the challenges it faced.

Key words: scale-free networks; power law; networks hub-node

1 引言

社会也是一个网络,它由友情、家庭和职业关系彼此连结。在更大的尺度上,食物链和生态系统可以看作是由物种所构成的网络。大脑,也是由轴突相连结的神经细胞网络组成的,而细胞本身,又是生化反应相连结的分子网络。科技领域的网络更是随处可见:因特网、电力网和运输系统都是实例。就连在文章中我们用以向你传递思想的语言,也是一种由语法相互串连在一起的文字网络。

尽管网络是如此重要和普遍,但科学家对它的结构和属性却知之不多。在复杂的基因网络中,故障节点是如何相互作用而引发癌症的?在特定的社会和通信系统中,疾病和电脑病毒如何快速传播而导致流行?某些网络即便大部分节点失效,还能维持运行,原因何在?

2 无尺度网络

网络有随机网络和无尺度网络,许多网络包括因特网、人类社会和人体细胞代谢网络等,都是无尺度网络。网民对网站的访问,可以说是独立、自由的,完全取决于网民本人的主观意愿。在做大量统计实验之前,科学家预测,连接数k应当服从泊松分布或正态分布,即每个网站的被访问量差异不会太大,就像人类身高差异不会太大那样。然而,实测结果了这个预测。Barabasi等人设计了一种软件,可以从一个节点跳到另一节点,收集并记录网上的所有连接。在对几十万个节点进行统计之后,发现了令人惊异的结果:当绝大多数网站的连接数很少的情况下,却有极少数网站拥有高于普通网站百倍、千倍甚至万倍的连接数。就像在茫茫人海中突然发现若干身高数百尺巨人那样令人意外。巨人的身高之大,已不能用普通人高度的尺度来度量,于是想出了“无尺度”的用词,形容少数节点连接数大大超出普通节点的现象。

上述实验结果可以用幂次定律表达:出现连接数为k的概率 p(k),反比于k的n次方( P (k ) ～ k-n )。其中,n称为幂数,它是很接近于2的一个常数。

2.1无尺度网络的特性

很多复杂系统拥有共同的重要特性:大部分节点只有少数几个连结,而某些节点却拥有与其他节点的大量连结。这些具有大量连结的节点称为“集散节点”,所拥有的连结可能高达数百、数千甚至数百万。由此看来,这一特性似乎能说明网络是无尺度的。

无尺度网络具有某些重要特性。例如它们都可以承受意外的故障,但面对协同式攻击却很脆弱。

了解这些特性,可能导致许多领域出现新的应用。例如,电脑科学家可能据此设计出更有效的策略,以保护因特网免受电脑病毒的侵害。

2.2 无尺度网络的存在

过去几年中,研究者在很多不同的系统中都发现了无尺度结构。我们研究万维网的目标是以超连结彼此串连的虚拟网页网络。相比之下,美国加州大学河滨分校的Faloutsos、加拿大多伦多大学的Faloutsos以及美国卡耐基梅隆大学的Faloutsos则是分析因特网的物理结构。这三位电脑科学家兄弟研究了以光纤或其他通信线路连接的路由器,他们发现,这个实体网络的拓扑结构也是无尺性的。

3 无尺度网络的形成原因

无尺度网络的形成主要有两个原因。

3.1 成长性

万维网的页面数量绝对不是恒定的。1990年整个万维网只有一个网页,而到今天它的网页数已经超过了30亿。大部分网络也都具有类似的发展过程。1890年好莱坞只有屈指可数的几位演员,但随着越来越多的人加入这个行业,新人与之演员建立联系,如今这个网络已经超过了50万人。大约30年前,整个因特网只有几个路由器,随着新的路由器与网络原有的路由器相连结,如今路由器的数量已经高达百万。由于现实中的网络具有不断成长的本性,所以老节点获得连结的机会就比较高。

3.2 优先性

此外,并非所有的节点都是平等的。在选择将网页连结到何处时,人们可以从数十亿个网站中进行选择。然而我们大部分人只熟悉整个万维网的一小部分,这一小部分中往往包含那些拥有较多连结的站点,因为这样的站点更容易为人所知。只要连结到这些站点,就等于造就或加强了对它们的偏好。这种“优先连结”的过程,也发生在其他网络。在好莱坞,连结关系较多的影星更容易受到新秀们的重视。而在因特网上,那些连结较多的路由器通常还拥有更大的带宽,因而新用户就更倾向于连结到这些路由器上。在美国的生物技术产业内,象Genzyme这样的知名公司更容易吸引到同盟者,而这又进一步加强了它在未来合作中的吸引力。类似地,被引用较多的科学文献,会吸引更多的研究者去阅读和引用。美国著名的社会学家K・Merton将这种现象称之为“马太效应”。这个词来源于《新约》圣经的内容:“凡有的,还要加给他,叫他有余。”

成长性和优先连结这两种机制,有助于解释集散节点的存在。当新节点出现时,它们更倾向于连结到已经有较多连结的节点,随着时间的推进,这些节点就拥有比其他节点更多的连结数目。这种“富者逾富”的过程,有利于早期节点,它们更有可能成为集散节点。

4 无尺度网络的潜在意义

4.1 运算

具有无尺度结构的计算机网络,例如万维网,对意外故障具有极强的承受能力,但面对蓄意的攻击和破坏却可能不堪一击。 要想在因特网上彻底清除病毒,即使是已知的病毒,也是不可能的。

4.2 医学

对天花等严重疾病的疫苗接种,如果能针对集散节点(即那些与很多人具有连结关系的人)进行,也许可以达到最大的效果,但要找出属于集散节点的人非常困难。

弄清人体细胞内的网络结构,将有助于研究者发现和控制药物的副作用。此外,若能识别出那些与特定疾病有关的集散点分子,就可开发只针对这些集散节点作用的新药物。

4.3 商业

了解公司、产业与经济之间的连结方式,有助于研究人员监控和预防大规模的经济衰退。

研究流行病在无尺度网络中的传播现象,为市场人员传播他们的新产品提供了新方法。

5 无尺度网络面临的挑战

无尺度网络对意外故障具有惊人的强韧性,这一特性本质上源于这些网络的非同质拓扑结构。随机去除的方式所破坏的主要是那些不重要的节点,因为它们的数目远大于集散节点。与那些几乎连结所有节点的集散节点相此。那些不重要的节点只拥有少量的连结。因而去除它们不会对网络拓扑结构产生重大的影响。但是,对集散节点的依赖,也带来了一个严重问题:面对蓄意攻击时,网络可能不堪一击。通过一系列的模拟,我们发现,只要去除少数几个主要集散节点,就可导致因特网溃散成孤立无援的小群路由器。

无尺度网络的这一致命缺陷,引发了这样一个问题:到底有多少集散节点是必不可少的?最近的研究表明,总的来说,只要有5-10%的集散节点同时失效,就足以搞垮系统。我们对因特网的实验显示,一次有组织的协同攻击,只要去除掉若干个集散节点(先去除最大的,再去除次大的,依次类推),就足以造成重大破坏。

6 结束语

为了避免因恶意攻击带来网络的大规模破坏,最有效的办法就是保护好集散节点。不过,要想知道特定的网络系统到底有多容易被破坏掉,还有待进一步的研究。

参考文献:

[1 ]Andrew Y.Wu Michael Garland Jiawei Han. Mining Scale-free Networks using Geodesic Clustering [J].KDD’04 August: 719-724.

[2] Albert R, Barabási A L. Statistical mechanics of complex networks [J]. Rev. Mod. Phys,2002, 74: 47- 97.

[3] Newman M E J. The structure and function of complex network s [J]. Society for Industrial and Applied Mathematics, 2003, 45: 167-256.

[4] 李幼平.无尺度现象引发的思考――文化传播对网络的反作用[EB/OL]. 中国工程物理研究院(传媒投资网2005-3-18)

[5] 无尺度网络[J]. 摘自《科学美国人》中文版2003.7

[6] Yan Gang, ZhouTao, Wang Jie, Fu Zhong-Qian, Wang Bing-Hong. Epidemic spread in weighted scale-free networks [J]. September 13, 2004 .

网络分析范文第3篇

由于实际的网络较为复杂，是一个由200多个国家和近400个组成的网络，分析起来较为复杂，因此这里以一个假想的组成的简易网络为例，介绍社会网络分析在研究中的应用。如表1所示，这是一个假设的网络。

2构建网络

网络可以使用矩阵、二分图和超图来表示，所有这些表示方法都包含了相同的信息。在表1中，使用的是矩阵表示的网络。矩阵ijAa，叫做从属矩阵。矩阵A是一个行代表行动者，列代表事件的双模关系矩阵。具体地表示为：1j0jijIGOaIGO如果国家i参与了如果国家i未参与网络也可以用二分图来表示，如图1所示，其中的点被分为两个子集，所有的边都是在不同子集的节点对之间的，表示该国家属于某个。二分图的优点是，可以清晰地看到国家之间以及国家和之间的非直接联系。网络还可以用超图来表示，如图2所示。因为从属网络可以用实体子集的集合来描述，所以每个事件描述了它所包含的行动者的子集，每个行动者描述了它所属的事件的子集。用这种方式看待从属网络是超图方法的基础。超图包含一组客体，称为点，以及一个客体子集的集合，称为边。在网络中，一个包含N个国家的点集和M个的边集组成的超图用符号表示为HN,M。通过点和边的转置，就可以得到对偶超图*HM,N。对偶超图里，被描述成点，行动者被描述成边。尽管表示网络的方式有三种，但矩阵是其中最常用的一种方法。这是因为一方面矩阵在进行变换和运算时比较方便，另一方面，二分图和超图都不适用于大规模的社会网络分析，表示起来十分复杂。将图1中的矩阵进行TAA的转化，即得到表2所示的国家之间的社会关系矩阵S，图3是国家之间的社会关系网络图。利用矩阵S对国家的社会关系网络进行分析。当然，这里也可以通过转化TAA得到的社会关系矩阵，本文以分析国家之间的网络关系为例，之间的网络关系可以同理进行分析。

2.1网络性质分析

在网络构建的基础上，可以对网络的性质进行全面的分析。这里结合当前网络研究的热点问题，主要讲述节点的中心性分析和网络的聚类分析。进行中心性分析是为了找出一些在中活跃程度较高、作用比较突出的国家，它们对整个网络产生的影响比较显著。通过聚类分析找出网络结构相类似的国家，根据社会网络分析理论就可以推断这些国家可能在国际事务中会表现出相似的行为，这对揭示对国家、国际关系的影响有重要的意义。（在进行相关数据分析和处理的时候，使用了Ucinet6.0分析软件）。中心性分析社会网络分析中，中心性分析的方法很多，常用的包括点度中心度（Degeecentrality）、接近中心度（closenesscentrality）和中介中心度（Betweennesscentrality）分析。在矩阵S中，国家的点度中心度是该国与其他国家共同参与的数量之和，这个指标揭示了该国与其他国家联系的紧密程度，但是它没有考虑到其他节点的重要程度。国家的接近中心度是通过该国到达其他国家的距离来计算的，这个指标可以用来估计信息或者资源传递到一个给定节点的时间。国家的中介中心度是通过最短路径的数量来计算的，最短路径是指该国作为两国发生联系必须经过的节点，它反映了网络的效能对一个国家依赖程度。不过，接近中心度和中介中心度都没有考虑所有路径的意义。之后，随着研究的深入，又出现了一些测量特定性质的中心度算法。这些中心度算法包括特征向量中心度（eigenvectorcentrality），信息中心度（informationcentrality），流中介中心度，特征向量中心度测量了一个国家吸引网络资源的能力，信息中心度和流中介中心度测量了一个国家在网络中接受信息资源的效率。在实际应用中，应该根据网络分析的实际需要，综合运用多种分析方法。对矩阵S进行六种中心度分析的结果，从中可以看出，美国和法国的点度中心度是最高的，但是法国的接近中心度、中介中心度和信息中心度都比美国高，这是因为法国与更多的国家有直接的联系。在特征向量中心度上，美国比法国拥有更高的中心度，这是因为美国与英国有很强的直接联系。

2.2聚类分析

当两个国家与其他国家之间的联系相同，就称它们在网络结构上等价。事实上，完全等价是非常少见的，因此在位置分析中，可以尝试找出位置相类似的国家。聚类分析的方法主要包括层次聚类分析法（HierachicalCluster）、迭代相关收敛法（ConvergentCorrelations）和多维标度法（Multidimensionalscaling）。这里，以最常用的层次聚类分析法为例进行层次聚类。为了判断两个国家的相似程度，需要对两两国家联系的相似性进行度量，当前的度量方法主要有距离法和相关系数法。在网络中普遍使用的是距离法，在社会关系矩阵S上，应用距离法可以得到一个距离矩阵D。距离矩阵可以通过两种方法进行计算，一种是通过绝对值计算的通过绝对值进行计算，得到的绝对距离矩阵。从中可以看出，虽然法国和俄罗斯同中国联系的紧密程度是相同的，但俄罗斯与中国的距离更近，更易于划分为同一类。这是因为中国和俄罗斯的对外联系十分相似，都只同法国参加了同样的，而法国还与美国和英国参加了同样的。所以在接下来的聚类分析过程中，俄罗斯就更容易同中国划分为一类国家。在得到绝对距离矩阵以后，利用层次聚类法对国家进行分类。首先将每个国家作为一个独立的类，共有5个独立的类。然后增加距离的大小，以此作为分类的参考，直到得到想要的分类结果。通过逐渐减少分类的数量，可以得到表5的分类结果。依据分类结果，认为美国和英国在网络中具有相类似的地位，根据社会网络分析中网络地位和角色的相关理论，可以推断它们会在一些国际问题中表现出相似的行为。

3影响

网络分析范文第4篇

关键词：城市；技术转移；双网络；高校；企业

中图分类号：F204 文献标识码： 文章编号：

Abstract： Using 2008～2012 bilateral data of technology transfer between cities in China， we compare the technology transfer network structure and function of universities and firms through a dual social network analysis. Results illustrate： 1）Universities and firms have different requirements for cities’ resources. 2）The technology output of firms in the network is more than that of universities. 3）The output and input of technology of developed cities is far ahead of backward ones.4）There are cities occupying the critical path of technology transfer to the Midwest in both networks.5）There is a positive correlation between the two networks.

Key words： city； technology transfer； dual network； university； firm

引言

技术转移是企业在现代开放式创新环境下，从外部技术市场引进科技资源、创新资源从而提高自身创新能力的重要途径[1， 2]。然而，由于我国技术市场机制不够完善，技术转移仍是企业提升自主创新能力的重大阻碍。技术转移过程是一个双边关系的形成过程，关系强弱、路径长短等是技术转移结果的体现[3]，它不仅与主体间的技术势差有关，还受主体地理位置的影响，具有典型的地理特征[4]。而跨区域技术转移打破了地理界限和行政隶属关系，将不同地理区域连结成一张庞大的技术转移网络，实现了科技资源在不同区域间的优化配置[5]。此外，由于不同的网络结构会影响网络的知识传递潜力[6]，且主体在网络中所占据的位置不同，其获取资源和信息的便利程度也不同[7]，所以近年来诸多学者运用社会网络分析方法对技术转移的网络关系进行定量分析并以可视化图谱对其结构特征进行直观展示[8-10]，以期从网络的结构和功能层面促进跨区域技术转移。

城市是我国技术转移网络中最重要的组成单位，因此跨区域技术转移必须以创新能力较强的城市为中心[4]，以此来推动全国范围内的技术转移。现有研究大多从国际、省际的层面研究技术转移网络[11， 12]，极少从城市创新合作网络的层面展开。但知识和技术的流动、经济发展和政治制度的交互作用，并不仅仅存在于国际范围内或是省与省之间，更多的是发生在局部的城市之间[13]。在我国，城市不仅是经济竞争的基本单位，同时也是技术创新和科技进步的孵化器，是践行国家政策方针的最终主体。因此，研究城市技术转移网络，能从更为微观和具有实践性的层面为促进技术转移的政策制定提供依据。

高校和企业是城市技术转移网络中最重要的两个主体，而不同主体其要素禀赋特征不同，获取新知识的机会、利用资源的能力、技术转移的动机等也不同，显然其网络结构和功能会有很大差异。但目前，在运用社会网络分析技术转移时，学者普遍从单一网络的视角出发，并没有关注不同的技术让与主体之间的网络差异以及网络的交互作用。

本文以我国城市间技术交易数据（以专利技术许可规模为指标）为基础，利用社会网络分析方法对高校和企业两个不同技术转移主体形成的双网络进行对比研究，旨在比较两张网络的结构特征和功能效率等，以及分析两张网络的相互作用，最终为我国技术转移提出新的政策建议。

本研究首次运用双网络比较法将同一城市放在多张网络中对比分析，在一定程度上弥补了理论研究的不足，且极具现实意义。首先，分析主体间的关系状态能有效揭示技术转移的现状及规律，更能从整体上把握整个技术交易市场的结构模式和空间格局，进而协调和促进跨区域技术转移的进程[14]。其次，跨区域技术转移必须以创新能力较强的城市为中心[4]，所以重点研究我国各省会城市、直辖市及副省级城市之间的技术转移网络能有效带动我国整个技术转移网络系统。最后，基于主体视角对高校和企业两个不同主体形成的网络进行对比分析，找出两者的共性和异性，同时弄清两个网络的相互关系，能以此为区域间技术转移的相关政策制定提供更为具体有效的依据。

1数据与方法

1.1数据来源

专利技术是创新活动的主要成果之一，而专利许可是科学技术向生产力转化的重要途径，是国内外学者衡量技术转移的惯用指标。本文使用国家知识产权局公布的技术许可数据，通过许可合同包含的让与人、受让人、技术标的物等信息匹配技术转移城市。前期数据处理工作经历了三个阶段：第一，经过大量的数据检索、整理及统计，得到2008～2012年的许可数据共84693条；第二，对让与人及受让人地区进行筛选，将区域范围设置为省会城市、直辖市以及副省级城市，共得到数据12288条；第三，将让与人属性限定为高校及企业，共得到数据12233条。即本研究针对高校、企业作为让与人的城市技术转移网络，最终得到了12233个样本作为研究基础，其中高校作为让与人的有2231条，企业作为让与人的有10002条。

1.2研究方法

基于我国36个省会城市、直辖市以及副省级城市之间不同技术转移主体引导的技术转移关系可构建两张区域间技术转移网络。其中，网络节点为36个城市，节点联系分别为各城市之间高校和企业作为让与人的专利许可项数。本文运用社会网络分析方法对这种网络关系进行定量分析并以可视化图谱直观展示两张网络的结构特征，使用的网络测量指标有网络规模、网络密度、节点强度、网络中心性、结构洞、区块特征、核心―边缘模型等[15]。

2高校及企业城市技术转移网络比较研究

为了全面有效地对两张网络进行分析，本文从网络的整体特征、网络中心性及中介行为、网络位置角色及结构特征、网络相互关系等四个方面展开研究。

2.1网络整体特征对比分析

表1的各项指标从一定程度上反映了两个网络整体概况的差异。高校、企业技术转移网络的密度分别是0.227和0.285，网络密度均偏低，即两个网络对行动者的态度、行为产生的积极影响程度较低。而相对来说，企业技术转移网络较高校技术转移网络技术转移活动更为密切和频繁，其网络密度较大，关系数量也较高校技术转移网络多73条，即企业比高校能更加便利地从网络上获取各种资源。从节点的平均距离来看，高校技术转移网络的跨度大于企业技术转移网络，其网络中的城市通过约2个城市能到达其它城市。而从凝聚力指数来看，企业技术转移网络建立在距离基础上的凝聚力要比高校技术转移网络稍强。

图1是两个网络的整体网络图，全面展示了两个不同主体引导的所有城市技术转移关系。网络呈现出边缘、半边缘、核心城市三个层次，其中边缘城市的关系数量较少，而核心城市的关系数量最多，且关系线也较粗。进一步过滤掉城市间技术转移频次小于等于10的低强度关系，简化后如图2，网络密度大幅度减小，大部分城市变为了孤立点。

以上研究发现：（1）企业技术转移网络的网络密度、凝聚力指数均高于高校技术转移网络，但整体上两个网络的两项指标均偏低。（2）由于不同技术转移主体对城市的要素禀赋特征要求不同，同一城市在两个网络中所处的位置并不同。（3）专利技术转移强度极低，大部分城市的技术转移频次均低于10。在引入关系强度后，两个网络仅分别保留了原图中3.8%、21.7%的关系。

2.2网络中心性及中介行为对比分析

各城市在两个网络中表现出来的中心性特征差异明显，其中图3和图4中的出度、入度分别表示技术输出和技术吸纳。从技术输出看，企业技术转移网络中各城市的技术输出普遍领先于高校技术转移网络，反映了我国高校技术转化率低，同时也说明具有技术资源优势并不一定会引起技术转移，技术转移在很大程度上还受技术交易意愿的影响。企业迫于盈利的压力，会最大程度地利用自身资源，但高校没有此方面的压力，技术交易意愿不强。在高校技术转移网络中，起到技术输出中心作用的城市依次是上海、北京、天津、杭州、西安、南京、广州等高等教育较为发达的地区，具有强大的技术产出能力支撑。而在企业技术转移网络中发挥技术输出中心作用的城市是拥有绝对地理、经济优势的京沪粤江浙等地区。例如深圳在高校技术转移网络中出度并不大，但是由于其在经济发展、创新环境、地理区位等各方面都有其他城市无法比拟的优势，其技术输出在企业技术转移网络中跃居第一，其后依次是北京、上海、南京、西安等。高校、企业技术转移网络的出度中心势分别为11.174%和10.081%，技术输出均集中在少数城市。从技术吸纳看，深圳、宁波、上海、北京、广州、南京、杭州等城市在两个网络中均居于中心地位，说明不论技术让与人是谁，技术吸纳能力强的城市均能发挥自身优势。高校、企业技术转移网络的入度中心势分别为11.965%和5.902%，反映了高校技术转移网络的技术吸纳集中在少数城市，而企业技术转移网络的技术吸纳比较分散。

区域经济发展不平衡和科技资源分布不均是导致我国各大城市技术输出和吸纳不均衡的首要因素。理论上，存在经济势差和技术势差会促使技术从发达地区流向落后地区。但图3、图4均显示中西部欠发达地区在两个网络中的出度、入度均处于边缘地位，而发达地区同时是技术输出和吸纳中心。形成这样的状况主要是由于我国目前经济和科技资源分布过度倾斜，导致欠发达地区技术吸收能力缺失。因此，均衡分布科技资源，促进欠发达地区的技术吸收是缓解欠发达地区在创新网络中边缘化的有效途径。

中间中心度测量了一个城市在多大程度上充当着其他城市之间沟通的桥梁，一个城市的中间中心度越高，该城市拥有的资源优势就越多，对其他城市的控制能力也越强。图5显示，高校、企业技术转移网络中各城市的中间中心度差异很大，例如广州和长沙在高校技术转移网络中的中间中心度位居前列，仅次于北京和上海，但是其在企业技术转移网络中却表现平平，反映了这两个城市在高校技术向中西部转移的进程中发挥了极其重要的中介作用，是高校技术西进的重要桥梁，但在企业技术转移中却并未发挥很好的传递作用。相反，深圳在企业技术转移网络中却极大程度地充当着众多城市之间的中间人。

除了北京、上海、天津等发达城市，杭州、武汉、重庆、成都等城市在两个网络中的中间中心度也较高，说明这些城市在两个网络中均处于技术资源和信息流通的关键位置，控制着技术向中西部转移的关键路径，是我国促进技术转移进程应该重点培育的城市。技术转移具有一定的辐射范围，因此靠近发达城市的地区应该能更加便利的接受技术并向其他地区转移，进而形成全方位的技术辐射和扩散圈。但是靠近北京、天津的沈阳并未能发挥技术转移的过渡作用而向东部的长春、哈尔滨辐射技术，此外，石家庄、合肥等也占据着优越的地理位置，但是在技术向中西部转移的过程中都未能发挥积极的传递作用。高校、企业技术转移网络的中间中心势分别为10.82%和14.66%，企业技术转移网络的中间中心势较高，说明该网络中各个小团体过度依赖于几个中心城市的传递作用。

2.3网络位置角色及结构特征对比分析

利用CONCOR法分析得出高校、企业技术转移网络的分块结果如图6所示。两个网络均分为五个区块，但各区块包含的成员及区块之间的关系并不相同。在高校技术转移网络中，第1区块包含了北京、宁波、广州、上海、天津、深圳、南京等城市，属于输出倾向型区块，大量地向剩余的四个区块输出技术，同时也从第2、3、4个区块吸纳技术以维持其核心地位。同时，第1区块的块内密度很大，其内部成员间的联系极其紧密。第2区块包含的成员高校资源丰富，但却属于输入倾向型区块，没有很好地向第3、4区块输出技术。第5区块是典型的边缘型、输入型区块。在以企业为主体的城市技术转移网络中，第1区块包含了贵阳、呼和浩特等经济发展程度相对较低的城市，而天津、成都、武汉、杭州等城市却分布在其他区块，这说明贵阳、呼和浩特虽然技术转移强度不大，但是其与核心城市联系紧密，与经济发达城市具有网络结构对等性。高校、企业技术转移网络的块模型R平方值分别为0.325、0.172，说明高校技术转移网络的区块特征强于企业技术转移网络，而企业技术转移网络中结构相似的节点较高校技术转移网络多，个体行动者的发展也更平衡。

采用UCINET中的核心―边缘模型对网络的核心边缘结构进行分析，得到如下结果。表2分别列出了两个网络中的核心城市，边缘部分由其余城市组成，表3是两个网络核心边缘结构的密度矩阵。高校技术转移网络的核心部分由北京、广州、杭州、南京、上海、深圳、天津等7个城市组成，核心部分各城市间密度为6.286，而边缘部分各城市间密度仅为0.231，核心到边缘和边缘到核心的密度相差不大，分别为1.291和1.015。企业技术转移网络的核心部分由北京、南京、宁波、上海、深圳等5个城市组成，核心部分各城市间网络密度高达30.15，而边缘部分仅为0.771，核心到边缘的密度为6.026，是边缘到核心3.787的约两倍，说明网络呈现出明显的核心―边缘结构，技术转移高度集中于5个核心成员之间，且边缘部分主要依赖于从核心部分吸纳技术，相互之间交流不多。

2.4两个网络相互关系分析

QAP（二次指派程序）是一种测量关系之间关系的分析方法。本文用QAP方法检验以高校为主体的城市技术转移和以企业为主体的城市技术转移之间的相互关系，检验结果如表4所示，相关系数0.391，显著性0，说明我国城市之间的高校技术转移和企业技术转移是正相关的，并且在统计意义上这种相关关系是显著的。即两张城市技术转移网络虽然以高校、企业两个不同的主体引导，但两张网络是正向相关的，各自的关系能相互促进，高校技术转移关系强的城市之间企业技术转移关系也趋向于发生，反之亦然。

3结论及政策建议

跨区域技术转移是区域间资源优化配置的有效途径，是各地区保持和提升创新能力的必经之路。本文以城市技术转移网络为研究对象，并将其区分为以高校为主体的城市技术转移网络和以企业为主体的城市技术转移网络，首次运用双网络比较法将同一城市放在两张网络中进行对比研究。通过对比分析两张网络的整体特征、网络中心性及中介行为、网络位置角色及结构特征、网络相互关系等，得出以下主要结论：（1）从网络的整体特征规律来看，两个网络的网络密度、技术转移强度均较低，且由于高校、企业两个主体对城市的要素禀赋特征要求不同，同一城市在两个网络中所处的位置并不同。（2）从技术输出和输入度来看，企业技术转移网络中各城市的技术输出普遍领先于高校技术转移网络，反映了我国高校技术转化率低；同时，两张网络中发达地区的技术输出与吸纳均遥遥领先于落后地区，处于绝对中心地位。（3）从中间中心度来看，各城市在两个网络中的中间中心度差异很大，即同一城市在不同网络中的中介行为强度不同；但也存在如北京、上海、杭州等在两个网络中均处于技术资源和信息流通关键位置的城市，控制着技术向中西部转移的关键路径。（4）从网络位置和结构特征来看，两个网络均分为五个区块，但各区块包含的成员以及区块之间的关系差异很大，且高校技术转移网络的区块特征强于企业技术转移网络，而后者较前者呈现出更明显的核心―边缘结构。（5）两个网络的技术转移关系是正向相关的，能相互促进。

针对以上研究结论，本文提出如下建议：（1）根据不同技术转移主体对城市要素禀赋特征的不同要求，有针对性地制定适合不同主体的政策，增强城市间技术转移关系的强度。（2）增强高校的技术转移意愿，降低我国高校技术的闲置率。（3）在科学技术和创新资源向中西部转移的过程中，选择武汉、西安等作为技术向中西部过渡和渗透的中介城市重点培养，形成关键路径，从而打破经济发达地区与中西部落后地区技术势差过大而技术转移效率低下的局面。（4）发挥发达城市周边城市的中介作用，把技术辐射源由点变为圈。（5）对在两个网络中中心度均较高的城市给予更多的政策关注和支持，以此充分发挥两个网络的相互促进作用。

参考文献

[1]Bozeman B， Rimes H， Youtie J. The evolving state-of-the-art in technology transfer research： Revisiting the contingent effectiveness model[J]. Research Policy，2015，44（1）：34-49.

[2]李艳丽，赵大丽，高伟.市场化改革、知识转移与区域创新能力研究[J].软科学，2012，26（4）：28-32.

[3]Luo S， Du Y， Liu P， et al. A study on coevolutionary dynamics of knowledge diffusion and social network structure[J]. Expert Systems with Applications，2015，42（7）：3619-33.

[4]司尚奇，冯锋.我国跨区域技术转移联盟研究――基于38个城市合作网络分析[J].科学学研究，2010，28（8）：1165-70.

[5]Shin S K， Kook W. Can knowledge be more accessible in a virtual network？： Collective dynamics of knowledge transfer in a virtual knowledge organization network[J]. Decision Support Systems，2014，59（0）：180-9.

[6]赵良杰，姜晨，鲁皓.复杂社会网络结构、局部网络效应与创新扩散研究[J].软科学，2011，25（8）：6-9.

[7]Gonzalez-Brambila C N， Veloso F M， Krackhardt D. The impact of network embeddedness on research output[J]. Research Policy，2013，42（9）：1555-67.

[8]Dong J Q， Yang C-H. Information technology and organizational learning in knowledge alliances and networks： Evidence from U.S. pharmaceutical industry[J]. Information & Management，2015，52（1）：111-22.

[9]Nam Y， Barnett G A. Globalization of technology： Network analysis of global patents and trademarks[J]. Technological Forecasting and Social Change，2011，78（8）：1471-85.

[10]温芳芳.基于专利许可关系网络的技术转移现状及规律研究[J].情报科学，2014，32（11）：24-9.

[11]Cantner U， Rake B. International research networks in pharmaceuticals： Structure and dynamics [J]. Research Policy，2014，43（2）：333-48.

[12]赵尚梅，史宏梅，杜华东.基于网络模型的跨地区技术转移的研究[J].研究与发展管理，2013，25（5）：54-61.

[13]Guan J， Zhang J， Yan Y. The impact of multilevel networks on innovation[J]. Research Policy，2015，44（3）： 545-59.

网络分析范文第5篇

[关键词]社会网络分析　科技网群　uclnet中心性　派系

[分类号]D63 C931.6

1　研究背景

世界各国都高度重视政府信息化的建设，政府信息化发展程度已成为世界各国和城市竞争力发展水平的重要标志之一。政府网站作为电子政务的基础和电子政务发展程度的主要标志，不仅是宣传政府形象的窗口，也是政府信息、服务于社会的主要渠道，更是实现社会公众与政府沟通互动的载体。

自1999年我国开展“政府上网”工程以来，政府网站建设发展迅速，中央部委政府网站的普及率已经达到100％，省市政府网站普及率达到100％，地市级政府网站普及率达到99.1％。各级各类政府网站服务框架已经形成，电子政务还延伸到社区和农村。从总体上看，我国电子政务已进入全方位、多层次推进的新阶段。根据CNNIC的最新统计报告，截至2011年1月，我国域名总数约为866万个。其中，中国国家顶级域名“CN”为435万个，占50.2％，而以“GOV CN”结尾的域名数已达5.2万个，占CN域名数的比例为1.2％，比2010年同期增长3％。

科技部的门户网站建设，起源于2002年国家科技攻关计划重点项目“科技电子政务系统关键技术及应用系统的研究”，它作为其中的一个课题，经过多年的分步实施，现在已经初步形成了较为完善的科技部门户网站维护体系，在管理体制、系统应用、人员培训等方面已经形成了一定的工作基础。

2011年，在由中国软件评测中心、人民网、腾讯网共同开展的2010年中国政府网站绩效评估结果中，科技部门户网站在所有被测评的政府部委网站中位列第9位，如表1所示：

近年来，对政府网站的研究逐渐成为专家学者关注的一个新领域。人们不应仅仅把目光停留在政府机构是否建立了网站以及从政府网站中可获得的信息和服务的多少，而是更应当关注政府网站将其信息资源和服务传递给用户的方式以及在整个社会中，政府网站的影响力。

2　政务网站评价指标与方法

在政务网站综合评价方法方面，国内外很多学者都开展了积极的探索。总体而言，可以分为三类：①基于网站构建和栏目内容的评价，突出各类网站的内容组织和构架；②基于政府网站服务对象的评价，很多时候会与专家测评相互结合；③基于关系影响力的网站链接分析测度。

2.1　基于网站功能和栏目内容的评价

政务网站作为实现电子政务的窗口，在政务信息、检索导航、栏目组织、网上办公、公众服务等方而扮演着重要角色，因此各类网站评价指标大多围绕此部分内容进行了重点设计。如埃森哲咨询公司在其的全球政务年度报告中，“服务成熟度”指标被赋予了70％的权重“；国内中国软件评测中心为了满足服务型政府建设需求，提出的政府网站绩效评估指标体系中，在信息公开、在线办事和公众参与三方面设计的指标权重也占到了75％；同时国内从事政务网站测评的国脉互联网站测评体系，在信息服务、网上办事和沟通互动方而也设计了很高的权重。此外，刘兴宇等应用层次分析法对政府网站进行了综合测评，针对政府网站的层次性特点，从网站内容、网站功能和网站建设等几个方面的若干指标进行评价。

2.2　基于政府网站服务对象的评价测度

用户是政务网站的受众，在2010年的中国政府网站绩效评估中，发现用户不满意率由2009年的87.9％下降为84.2％，其满意程度直接关系到各类政务网站的服务效果。为此Schriver和Sweeney。等通过从目标用户群中选择若干潜在用户，对其调查米获取相关数据和结论；王熠等提出了基于Web日志分析的电子政务网站综合评价方法，综合了用户问卷和专家评分的优势，同时通过Web日志分析、统计，对用户服务效果、用户行为进行了测评。

2.3　基于关系影响力的网站链接分析测度

一个网页拥有的反向链接越多，就越有可能是高质量网页，同理，一个网站的反向链接越多，其网络影响力也就越高，不然也不会有更多人愿意为其做链接。因此，在其他因数相同的条件下，反向链接越多的网站排名更靠前=从网站链接分析，以“关系”的视角，对政务网站进行评价，开辟了不同于传统网站评价的新思路。如沙勇忠等运用了链接分析法和网络影响因子测度方法，对我国12个省级政府网站的影响力进行了评价；同时将链接分析结果和网络影响因子测度结果与各省市自治区信息化水平测度结果进行了比较。

此外，韦彦提出了一个基于模糊认知图的电子政务网站评价方法；马溪骏等提出了基于信息熵与未确知测度的电子政务网站评价研究；王熠提出了基于云模型的电子政务网站评价系统模型。

总之，各类电子政务网站评价指标或方法以电子政务网站系统为评价对象，已经从最初的单项指标、一维视角向多因素、多维度方向发展，以便得到更科学的评价结果；同时，多数侧重于电子政务产出评估，而忽视了电子政务影响的评估。为此，本文拟从社会网络分析的角度，对科技子网站进行影响力分析，以找出其中的核心站点，为下一步扩大各科技网站的影响力提供参考。

3　基于社会网络分析的科技网站评价

3.1　数据准备

本文中涉及到的数据主要通过SocSeiBot软件对科技部门户网站科技网群栏目内的地方科技子站的页面进行链接下载，共采集站点48个，其中科技厅、科委站点31个，计划单列市科技局站点16个，科技部门户网1个。其中河南、新疆、广西、吉林、陕西、深圳、沈阳7地的科技厅(局)网站因网站服务器设置或其他网络问题，没有收集到相关页面，无法进行互链分析，故主要对其他41个科技厅(局)网站进行评价分析。

本文在利用SocSciBot软件进行分析时，对网站页面数上限设定为15000，因此表2中所列的网站页面数并不是网站的实际页面数，而是随机从中抓取的网页页面数，如北京、宁夏、厦门、辽宁等地的网站均达到了页而抓取上限。此外，表中的出链(Outlink)数作为网站里任何页面指向其他网站里任何页面的链接数，也间接反应了科技网群中各网站同其他网站的页面链接情况。

为了更为清晰地反映科技网群中各类网站的相互影响情况，本义对科技网群进行了巾心性分析、核心一边缘分析和聚类派系分析，试图从结构关系的角度探究科技网群内部之间的联系。48个科技厅(局)网站互链情况见表2(囚上海与河南科技厅网站无法访问，此处仪列出46个)。

3.2　中心性分析

“中心性”是社会网络分析的重要研究方向之一，它直接反应了个人或组织在社会网中具有什么样的权利，或者具有怎样的地位，是对个体权利的量化分析。如果某点具有最高的度数，则它可能拥有最大的权利。通过将科技网群的网站互连数据形成链接矩阵，利用ucinet软件计算各站点的中心度，发现科技网群的平均密度为0.1419，整个网群的平均中心度为11.208，大于平均中心度的网站总共有10个，因此，在整个科技网群中，这10个网站拥有最强的影响力，见表3。

同时，为了测量各个站点之间的关系在整个科技网群中拥有怎样的控制优势，笔者将科技网群中的各个站点作为分析“点”，相互之间的关系作为“线”，分析整个科技网群“线”的中间中心度，通过测算，发现科技部门户网站与武汉科技厅网站的中间中心度为113，在科技网群中居于首位；而在地方各科技网站中，武汉与沈阳之间的为40，浙江与杭州的为39，它们在地方科技网站之间的关联中，具有明显的控制优势。网站之间的互链关系可视化如图1所示：

3.3　核心一边缘分析

核心一边缘结构是一种理想的结构模式，它把行和列分为两类，在主对角线上左上方象限的是核心，是密度高的块，主对角线上的右下方象限是边缘，是密度低的块。主要研究目的是查看科技网群站点所组成的网络中，哪些节点处于核心地位，哪些节点处于边缘地位。通过对科技网群进行核心一边缘分析，笔者发现，科技部门户网站、北京、江苏、江西、安徽、山西、河北、湖北、广东、杭州、内蒙、黑龙江、河南、山东、厦门共15个网站是整个科技网群的核心，其他网站则具有网站群中的边缘地位。此外，主对角线的拟合优度测度值为0.614，体现出较好的拟合情况。具体结果如图2所示：

3.4　聚类派系分析

当网络中某些行动者之间的关系特别紧密，以至于结合成一个次级团体时，这样的团体在社会网络分析中被称为凝聚子群。派系就是凝聚子群的一种表现形式，它指的是至少包含3个点的最大完备子图。为了搞清楚科技网群中各成员之间的关系特点，哪些网站之间的关系更为紧密，笔者首先对科技网群矩阵进行强成分分析，结果发现成分分析对整个科技网群内部结构揭示程度不足，于是在对网群矩阵进行对称化处理后，进行了派系分析，结果得到了5个派系。同时，从网站互惠性角度而言，科技部门户、安徽、黑龙江、内蒙、哈尔滨、大连、宁波、杭州、武汉、江苏和南京科技厅(局)网站相互之间拥有较强的互惠关系，而其他网站在互惠性方面，则不隶属于任何派系，是孤立者。毫无疑问，科技部门户在整个科技网群中居于重要地位。具体结果如表4、图3所示。

上面的中心性分析、核心一边缘分析以及派系分析，揭示了网站内部之间的互链情况，了解了哪些网站居于核心地位，哪些网站联系的比较紧密，哪些在互惠性方面表现较好，基本反映了科技网群中各个网站之间的内在结构。

4　推进科技网群建设的思考与启示

伴随着各级各类政府网站的建设，其评价衡量标准也在发生着变化，以往内容导向性的相关标准指标正在转向服务导向性标准指标，如以往用与业务相关信息的多与少进行评价，现在则走向内容的好与坏、对公众服务能力的强与弱、各级各类业务之间的协调支撑等方面。总之，对政府网站的要求有了质的变化。基于社会网络分析的结构视角，结合未来政务网站的发展要求，笔者认为可以从以下几方面推动科技网群的建设工作：

加强科技网站自身的内容维护，提供更多高质量的内容，在科技网站互相链接时，要做好链接规范，做到指向明确，从而在一定程度上增加网站网页的出链和入链数，提高科技网站的点度中心度，进而提升网站的网络影响因子，扩大其影响力。

打造政务服务通道，防止在科技网群中被边缘化。科技网群内的科技网站要通过提供各类规范化、专业化、个性化的信息服务，满足科技人员、管理人员、社会公众的需求。一方面可以通过整合业务协作系统，提高网站功能；另一方面可以优化栏目内容设置，对各类资源进行有效的处理和组织，最终形成服务个性化、资源标准化、栏目动态化的网站应用，提升科技部科技网群的整体网站形象。