摘 要：本文探究了复杂网络领域作者合著网络各个时期的各项指标与各个时期之间的不同。通过分析复杂网络科研的萌芽期、成长期和发展期中的度、平均最短路径、平均集聚系数、度中心节点，使用复杂网络的方法借助JAVA、Python、MATLAB等语言和Excel、Gephi等软件对三个时期的作者合著网络进行处理，分析复杂网络领域作者合著各时期情况的联系和不同。研究表明复杂网络领域发展各个时期的作者合著网络具有小世界效应和无标度特性，与已有的国外类似研究不同，随着时间变化，我国复杂领域领域科研人员的合作越来越广，多人合作现象越来越明显。
目录
摘 要 1
关键词 1
Abstract 1
Key words 1
一、引言 2
二、复杂网络方法综述 2
（一）复杂网络理论 2
（二）复杂网络在情报学的应用 2
三、研究方法、数据来源和网络构建 3
（一）研究方法 3
（二）研究指标和网络特性 3
1、度 3
2、平均最短路径 3
3、集聚系数 3
4、小世界特性 3
5、无标度特性 3
（三）数据来源 4
（四）网络构建 4
四、利用复杂网络方法对期刊论文各时期进行分析 4
（一）宏观统计 5
（二）各个时期复杂网络研究领域科研合著网络描述性统计 6
（三）复杂网络研究领域各阶段科研合著网络的静态特征 6
1．科研合著网络的平均度 6
2．科研合著网络的度分布 7
3．科研合著网络的平均集聚系数和平均最短路径 9
4．科研合著网络的度中心节点 11
五、结论与不足 12
（一）结论 12
（二）存在的不足 13
致谢 13
参考文献 14
表1：缺失内容统计表 4
表2：各个时期（萌芽期、成长期、发展期）的节点/边描述性统计 5
表3：各个时期（萌芽期、成长期、发展期）的平均度 5
表
 *景先生毕设|www.jxszl.com +Q: 3 5 1 9 1 6 0 7 2 
4：各个时期（萌芽期、成长期、发展期）的度分布拟合直线参数 9
表5：各个时期（萌芽期、成长期、发展期）的平均集聚系数和随机网平均集聚系数 10
表6：各个时期（萌芽期、成长期、发展期）的平均集聚系数和随机网平均集聚系数 11
表7：各个时期（萌芽期、成长期、发展期）的度中心节点（截取前5位） 12
表8：周涛在各个时期（萌芽期、成长期、发展期）的发文数和合作者统计 13
图1：1991至今论文数年增长量 5
图2：1991至今作者数年增长量 5
图3：19912007年度分布及其拟合直线（双对数坐标轴） 7
图4：20082010年度分布及其拟合直线（双对数坐标轴） 8
图5：20112015年度分布及其拟合直线（双对数坐标轴） 8
图6：总度分布及其拟合直线（双对数坐标轴） 9
图7：国外复杂网络研究领域四阶段科研合著网络双对数坐标度分布 10
图8：国外复杂网络研究领域四阶段科研合著网络的平均集聚系数 11
图9：许丹，李翔，汪小帆三人构成三角形示例 12
附录1：自制JAVA程序（作者，部分） 15
附录2：宏观累积量（论文数量、作者数量）统计表 16
附录3：自制JAVA程序（年份，部分） 17
附录4：自制Python程序（部分） 18
复杂网络领域科研合著网络演化研究
引言
引言
2000年,当代最富有影响力的思想家史蒂芬•霍金(Stephen Hawking)指出:我相信,下一个世纪将是复杂科学的世纪。(I think the next century will be the century of complexity)。复杂网络可以为各类研究提供了一种新视角和新方法。在情报学领域里，以作者之间的合作关系为研究对象，分析科研论文作者之间连接结构关系的问题，一直是研究的热点。由于复杂网络具有很强的跨学科性,自然也成为了图书情报领域的一大研究方法。从20世纪末开始，复杂网络的研究就已经引起了情报学领域的高度重视。作者合著网络是描述科研人员合作关系的网络，通常把每个科研人员作为网络中的一个节点），如果两个科研人员之间共同发表过一篇科研论文，这两个顶点之间就连接一条边[1]。本文以复杂网络领域科研人员之间的合作关系为研究对象，基于复杂网络理论，将1991至今发表在CNKI上的关键词为复杂网络的论文对其发表年份划分为三个时期，分别建立了作者合著网络，来分析科研人员之间的合作方式。
复杂网络方法综述
（一）复杂网络理论
对于复杂网络的实际研究可以追溯到图论研究。经过几百年的发展，图论的研究已经车载斗量，博大精深。目前普遍认为[23]图论是从18世纪瑞士数学家对著名的“七桥问题”开始，他于1873年发表的关于七桥问题的抽象和论证思想。
20世纪50年代末，Erdos和Renyi提出了一种完全随机的网络模型——随机网络（ER随机网络），它指在由N个节点构成的图中以概率p随机连接任意两个节点而成的网络，即两个节点之间连边与否不再是确定的事，而是由概率p决定。在由N个节点构成的图中，可以存在条边，从中随机连接M条边所构成的网络。如果选择M=p，这两种构造随机网络模型的方法就可以联系起来。规则网络和随机网络是两种极端的情况，对于大量真实的网络系统而言，它们既不是规则网络也不是随机网络，而是介于两者之间。因此，1998年，Watts和Strogatz提出了WS网络模型[4]，通过以概率p切断规则网络中原始的边并选择新的端点重新连接构造出一种介于规则网络和随机网络之间的网络——小世界网络。1999年，Barabasi和Albert提出了BA网络模型[5]，在网络的构造中引入了增长性和择优连接性：增长性指网络中不断有新的节点加入进来；择优连接性则指新的节点进来后优先选择网络中度数大的节点进行连接。BA网络是无标度网络模型，其节点度服从幂律分布。
（二）复杂网络在情报学的应用
早在研究之初，复杂网络的研究范畴就已涉及图书情报领域，复杂网络的小世界特性，无标度特性已经用于论文引用网络、科学家合著网络。
作者合著网络是近年来得到较多关注的社会网络，但目前人们关于这类网络动态演化规律的研究还有待深入[6]。科研人员之间的合著关系形成了一个结构复杂的网络，在复杂网络中该类网络的节点之间连接的复杂性、网络演化特性以及网络的动力学行为等问题，一直是近几年研究比较多的问题，也是研究人员利用实证数据研究复杂网络比较多的领域。

原文链接：http://www.jxszl.com/jsj/xxaq/44659.html