Аналитические данные социальных сетей

Начальный этап исследований по анализу социальных сетей заключается в построении графов на основе социальной сети и вычисления таких характеристик графа, как степень связности, плотность связей и тому подобное. По количеству и направленности связей определяется центральность и престиж актера в наблюдаемой группе. Первые методы кластеризации актеров базировались на теории сбалансованности и транзитивности связей.
Недостатки этих методов обусловлены тем, что сбалансированных или трансположительных сетей в мире не существует. Кроме того, кластеризация на основе степени сбалансированности или транзистивности может привести к разбиения, которое противоречит априорным сведениям. Второй этап исследований по анализу социальных сетей касался разработки теории структурной эквивалентности и ее обобщения.
Структурная эквивалентность предоставила понятие позиции актера, содержательно интерпретируется в соответствии с предметной области, например, позиция на службе или в иерархии. Объединение в блок всех актеров с одинаковыми позициями, позволяет укрупнить сеть, что значительно упростило ее исследования. В реальных сетях бывает целиком структурно эквивалентных актеров, поэтому возникает проблема не только отнесение актера к определенному блоку, но и определение условий существования связи между группами.
Одним из последних этапов развития теории анализа социальных сетей стали статистические методы от stickeroid, в которых связи между актерами описываются случайными величинами. Статистические модели позволяют определять склонность актеров создавать новые связи, создавать модели подгрупп и оценивать неизвестные атрибуты актеров. Часто используются модели статистической физики по теории просачивания и статистической термодинамики. Ограничения традиционных методов идентификации зависимостей обусловленные требованиями статистической независимости наблюдений, для реальных социальных сетей никогда не выполняется. Кроме того, большая сложность реальных сетей и их вариативность катастрофически увеличивают алгоритмический сложность моделирования.
Также, по традиционных подходов трудно корректно учесть такие принципы особенности социальных сетей как лингвистическую неопределенность в поведении актеров. В результате перспективным инструментом для решения задач идентификации зависимостей в социальных сетях выступает аппарат нечеткой логики. Идея заключается в дополнении традиционных подходов к идентификации в социальных сетях технологиями нечеткой логики. Для формализации поведения актеров перспективным является применение принципов ролевого интеллекта, которые по самому своему происхождению отражают основные закономерности функционирования человека в социальных сетях. Указанные интеллектуальные технологии хорошо зарекомендовали себя при решении задач моделирования сложных систем с аналогичными особенностями.