社会网络分析在信息科学中的应用和发展 - 浙商管理学堂 - 浙江博客网

社会网络分析在信息科学中的应用和发展
上一篇 /下一篇  2007-12-14 18:27:59 / 个人分类：学术研究
查看( 408 ) /评论( 2 ) /评分( 5 / 0 )
社会网络分析在信息科学中的应用和发展 [原创 2006-10-14 12:57:12 ] 发表者: 伊凡艾琳达
摘要：社会网络研究提出来以后，逐渐在社会学各领域得到推广利用。在信息科学领域，从上世纪80年代出去开始，逐渐在信息检索、信息行为和信息计量学领域得到推广和应用，对网络知识发掘、科学评价、网络信息行为研究以及知识管理的发展起到了重大的作用。
关键词：社会网络分析、Web分析、B－A理论、网络链接分析
Abstract: Once Social Networks Analysis(SNA) paradigm came out, it has been wide spreading in many fields of social science. As far as information science is concerned, it was gradually applied in information retrieval, information behaviors and informetrics. It signed the significant function to and greatly promoted the development of information excavating to network knowledge, science appraisal, network information behavior. research and knowledge management.
Keywords: Social Networks Analysis, Web analysis, Barabasi-Albert theory, Web highlinks and interlinks.
社会网络研究发端于二三十年代英国人类学的研究。英国人类学家Brown首次使用“社会网络”(Social Networks)概念；1954年，Banns则在对挪威渔村研究时进一步将人类社会是互相交织在一起的社会关系构成的这一个大家并不陌生的隐喻变为系统研究。然而，英国人类学对于社区的研究并没有很好的利用数学工具，美国社会心理学家Moreno创立的社会测量法则为社会网络分析奠定计量分析基础。Moreno在分析人际关系的时候所使用的社交测量法的基本思路至今依然影响着社会网络分析的定量分析发展。计算网络的出现将不同的人、组织和机构通过一组社会关联组织起来，构成朋友、协作或者信息交换的社会关系。Wellman就认为，社会网络分析已经被广泛应用于网络社会关系发掘、支配类型发现（关键因素）以及信息流跟踪，通过社会网络信息来判断和解释信息行为和信息态度。而且作为一种跨学科的研究方法，社会学、心理学、经济学、信息科学、系统科学与计算机科学的共同努力，使得社会网络分析从一种隐喻成为一种现实的研究范式。
一、      社会网络分析的基本概念与方法
社会网络分析（Social Network Analysis ， SNA）方法一般从单一关系的网络着手，研究组织中诸如咨询、信任、友谊、情报、沟通和工作流程等关系的网络，以解释组织内部的决策、沟通、人事变动和组织冲突等问题。Scott认为[1]，在过去三十年，社会网络分析提出了大量概念和方法来观测结构类型、鉴别相互关系的类型、分析网络成员之际的行为结构的内涵以及社会成员之间的社会结构。而这些概念大致分布在两个领域，正如时勘所言，社会网络分析这种方法从诞生伊始，即表现出两种不同的研究取向[2]。一种是整体网络分析，也是网络结构分析，主要研究群体中不同角色的关系结构，引进数学的图论，使用社会关系图来代表小群体间的人际关系，如图论、随机网络、PERT 图、决策树、网络流分析等。之后，引进数学中的矩阵方法研究群体数量较大、图形关系复杂的情形。目前，整体网络分析集中于探讨网络结构随时间的变迁和网络中成员的直接或者间接的联系方式，使用的主要概念有：侧重衡量整体网络结构的簇(clusters)，桥 (bridges)，紧密性，中距性，中心性等；侧重网络中不同角色地位的明星(stars)，联络人(1iaisons)，孤立者(isolates)，结合体(coalitions)，小集团(cliques)等。这一领域的代表人物是Linton Freeman以及SAI(社会网络调查表)的作者Treadwell等人。另一种是自我中心网络（Egocentric networks，EN）分析，主要关心个体行为受人际网络的影响，进而研究社会团体和人际网络的形成。EN分析目前集中在新经济社会学的研究之中，并且逐渐拓展到社区、社会阶层、流动人口、社会变迁等整个社会学研究领域。在此使用的主要核心概念则主要有：网络的范围，网络的密度以及网络的多元性，强弱联系。可以说，在这一研究领域，有提出嵌入性概念的Granoveter，提出市场网络观的White，提出社会资源理论的Lin Nan以及提出结构空洞理论的Burt。
尽管存在不同的社会网络分析的思路，Wellman仍然认为[3]社会网络分析学者都遵循一些基本的原则：
（1）对行为的解释由个体属性转向限制行为主体的网络特征。这意味着，研究对象和个体属性可能随着主体行为变化而变化，是活的主体。正如CAS（复杂适应系统， Complex Adaptive System）理论最早的倡导者，美国密执根大学的J. Holland 教授首先提出了“适应性造就复杂性”的思路，用“主体”（Active Agent）的概念代替“元素”，从“主体”对于环境的适应性行为出发，对于从微观个体到宏观系统的演化的全过程进行考察，从而开创对“活”的主体构成的系统的行为研究。
（2）社会网络分析关注的是不同行为主体之间的关系而不是将关系还原为其内在属性和本质特征的规则，认为解释行为主体如何采取行为的规则来自于社会关系结构体系中的位置(1ocation)而非动机。
（3）社会结构决定二人关系(dyadic relationships)的运作，即考虑网络中其他关系对于二人关系的存在以及与二人关系的互动。社会网络的存在不仅成为二人关系发展的背景，而且影响到二人关系发展过程中的资源配置。如我们以前在研究网络共享结构时，已经超越二人互借过程的经济关系，而是考虑网络结构对共享过程的影响[4]。
（4）世界是由网络而非群体构成的。网络分析学者认为世界并非由孤立的无数群体组成的，而是由相互关联的网络组成，而群体也是有严格限制与紧密联系的社会网络。比如随机网络和无标度网络概念的提出，使得网络的节点不再只是被动的“元素”，节点能够“择优选择”，传统的随机网络就变成了无标度网络（Scale Free Network），具有明显的新特征的“小世界网络”。 早在20世纪60年代，美国哈佛大学的心理学家Milgram的著名的小世界实验（社会调查）给出的推断是地球上任意两个人之间的平均距离是6，这就是著名的六度分离（six degrees of separation）推断。1998年6月，美国康奈尔（Cornell）大学理论和应用力学系的博士生Watts及其导师Strogatz在Nature杂志上发表了题为《“小世界”网络的群体动力行为》的文章，进一步揭示了复杂网络的小世界特性，并建立了一个小世界网络模型。
（5）网络方法取代和补充个体方法。社会网络分析方法是一种将关系作为基本统计处理单位的研究方法，广泛运用矩阵方法与数学模型处理关系和过程的实现，并通过计算机辅助设计完成相关统计。SPSS、SAS或者RStata等大型统计软件中的线性相关分析、协方差分析等模块，系统动力学研究中的Cellular automata(CA)仿真来模拟系统以及一些相关的网络分析专业软件，比如UCINET、Orgnet、NetMiner、Sociometry Pro、NEGOPY、Blanch、SociometryPlus、SocioMetrica  Suite和Pajek等都具有很强的分析功能。
而米歇尔[5]对种种不同的社会网络概念进行整合，发展出社会网络分析的四个维度和基本构成要素：结构要素，指行为主体之间的关系形式与关系强度；资源要素，指网络中流动的事物，包括能力、知识、财产、性别、宗教、个性等等，行为主体的资源既包括自身所占有的资源，也包括能够接触到的资源；规则要素，指影响行为主体的各种规则；动态要素，指影响到网络形成与变化的各种机会与限制。这些要素的基本分析和网络分析数学方法与工具的引入就构成了相关的理论研究框架。
二、信息科学社会网络分析研究现状
社会网络分析方法从社会家庭领域诞生后，通过定量分析的演化，逐渐在各领域得到推广和利用。1978年，由Barry Wellman 提出并组织了INSNA 组织，即International Network for Social Network Analysis. 由多学科研究者组成专门的国际学会。1982年，Knoke 和 Kuklinski撰写出版第一部网络分析教材《网络分析》，极大推动网络分析概念和理论的发展。1988年，Wellman 和 Berkowitz的《社会结构：基于网络的方法》，1991年Scott的《社会网络分析手册》和1994年Wasserman和 Faust的《社会网络分析方法和应用》相继出版。1997年的《管理科学杂志》，1998年的《管理与组织的国际研究》、《组织科学》、《组织研究》、《战略管理杂志》等都针对网络问题进行了专题讨论。欧洲1998年设立了“欧洲管理与组织结构转型”的专门研究项目，加拿大多伦多大学的Wellman等专家近年来则对计算机网络支持的社会网络（CSSN）情有独钟。总之，社会网络分析理论逐步成熟，并逐渐从社会学、心理学应用领域扩展到医学、系统网络科学和计算机科学。
分析社会方法文摘数据库(Sociological Abstracts Database ，SA)，Medline Advanced医学数据库 和 PsycINFO三大数据库1963－2000年关于社会网络分析的主题，一共检索1601篇文章。而通过计量分析表明，从1981年以后，关于社会网络分析的论文出现了显著增长，1984年以后的文献数量符合文献自然增长定律。从1984年以后的交叉研究主题看，20世纪90年代初期的交叉主题主要集中在社会科学和家庭关系研究领域，而90年代后期的交叉主题主要集中在健康和医疗，尤其是传染病传播机制。而在信息科学领域，最早是Nance及其合作者[6]在1972年对消息传播结构进行分析，利用可获取性和灵活性对信息网络进行分析。在引用的分析中，也能够通过社会网络分析找出有影响力的或者核心文章。比如Evelien Otte和Ronald Rousseau在上述关于SNA的合著网络分析中[7]，涉及133位合作作者，其中57位作者构成一个核心网络（核心簇），Ronald S. Burt是社会关系最显著的论文作者（17篇），不同于传统文献计量分析的Barry Wellman（34篇）。而且合作者之间和好的文章之间往往相互引用，找到好的综述文章是很有对称性(即好的文章引用好的文章，也被好的文章引用)，这种对称性已经由Mizruchi等使用[8]，Logan 和 Pao 则通过社会网络分析寻找特定领域的核心作者和知识网络结构[9] [10]。IR领域中，对学术著作之间的引用、共同引用以及学术刊物的影响力的深刻研究也是一项重要的研究内容[11]。例如Garton 等 [12] 在1996年将社会网络分析方法用于研究信息在网络关联中的流动，用户访问和获取信息资源的途径以及信息联盟和联盟分裂，Peter Busch和Debbie Richards研究[13] 组织知识管理活动中社会网络分析的应用，Yolum P. 和 Singh研究[14]在网络代理服务中知识检索准确度和频度的问题，Wenger. E.则一直致力于社会信息网络在学习和创新过程中的利用与研究[15]。而Newman等人则通过著者之间的社会关系网络分析，提出学术声誉的评估模型。C. Haythornthwaite和B. Wellman [16]通过对合著者之间的联系方式（关联密度）和社会距离的考察，研究团队工作和友谊在科学生产中的作用和地位，也分析了学术团队和学派的形成过程。伦敦Facetation2003年的报告[17]也指出，信息检索和文献计量是SNA目前在图书情报科学的主要应用领域，但是根据Simmel， Milgram和Granovetter的理论，社会网络分析可能在LIS 的三个领域得到发展: 社会知识网络嵌入、社会网络的互联性和信息传播管制以及网络关联桥的研究。Evelien Otte和Ronald Rousseau则是更进一步指出[18]，在情报学领域，信息学家对出版物研究、引证和同被引网络、合作关系和其它社会互作用形式通过互联网都构成无标度的社会网络，而在所有这些研究中社会网络分析都具有广泛应用。
在国内研究中，社会网络分析最早由社会学和心理学领域引入，尤其是对计算机网络支持的社会网络(Computer Supported Social Networks，简称为CSSN)的研究。此外，在计算机领域和管理科学领域都出现了关于结构洞理论和社会网络分析的探索性应用研究成果。最早是包昌火、谢新洲和申宁在2003年《情报学报》上发表《人际网络分析》一文，利用社会网络分析方法分析了EN（Egocentric networks）网络[19]，随后相继出现了基于结构洞理论的个人人际网络分析系统研究[20]、小世界理论在组织结构和组织管理中的应用[21]，同时在团队建设和企业集群中也有部分文献涉及。
社会网络分析的理论进一步讨论关于自由市场经济、地理、企业互作用和运输网络，并被应用于系统网络设计和规划。因而，当前对“中心度”、网络数据的信度和效度、“结构洞理论”以及小世界网络、“社会影响模型”以及“系统动力学模型”（Dynamic Model）等广泛应用于社会网络分析，直接地影响在Web网络和其它网络结构的理论研究范式。
三、社会网络分析在信息科学领域的典型应用
社会网络理论涉及到连通度、图中的距离等等网络属性，也涉及到诸如流行病传播、间谍行为、引用标引等等不同的应用，尤其在依靠知识背景的知识发现（backstory）和知识群体研究中应用广泛。
1.Web社会网络分析
从1996年开始，产生了很多社会网络分析在Web上的应用例子，目的是为了找出对用户查询的最权威的回答页面，是将页面生成和链接当作“主体”对象，通过链接簇或者核心节点标明网络中的核心资源。其中，典型的研究成果包括Google的网络链接排序、搜索引擎主题搜索、页面信息嵌入和过滤等。
Google的PageRank算法就是一种基于随机网络的检索策略。假设读者在Web上作无目的浏览，其以1－p的概率沿本页面的一个链接继续访问，以p的概率输入一个随机的网址，这样不同的网页就有不同的访问率。最终，那些入链很多的流行网页可能经常被访问，形成访问的核心网页簇。而这些网页之间也能因此通过链接构建合理的信息结构，这种流行度的度量称为PageRank。Google按如下递归定义PageRank：
这里à表示链接指向，N是Web图的总结点数，OutDegree(u)为页面u的出度。式子中的p值分布与用户信息素质（技能）、网络基础设施（连通率）和网页内容的商业价值（是否因收费的人为中断）相关。Google搜索引擎通过模拟这种网页上的走动来估计每个网页的流行度，即PageRank。给定一个关键词查询，匹配的网页会按照这种得分排序，利用信息推荐的方式达到与搜索引擎相近的搜索速度，而准确性能够通过回溯方式得到修正和提高。
超链引导的主题搜索(Hyperlink Induced Topic Search， HITS)[22]稍有不同，它不需要在网上爬行或者预先处理，但是它依赖于某个搜索引擎。HITS的查询传送给一个搜索引擎，返回符合查询要求的Web子图(即多个相关Web页面)。引用这些网页和被这些网页引用的网页也被包含进来形成扩展图。在这个扩展图中，每个节点u有初始化为1的两个值(hub/authority)：hu 和au，HITS进行迭代计算：
；
即某个页面v的a值为所有指向它的页面的h值之和；某个页面u的h值为它指向的所有页面的a值之和。当迭代过程结束时， 和 要规范化为1。a和h的值分别衡量了网页作为权威节点(authority)和中心节点(hub，一个指向多个权威节点的目录节点)的程度。这种扩展图的构建依赖查询，要对每个查询的搜索结果进行分析后才产生扩展图，所以HITS的速度比Google要慢。Dean和Henzinger使用上述技术的变形[23]，在Web上仅基于link分析查找相似的网页，通过连接情况服务器(connectivity server)预先得出网络的部分Web图来获取Web图，从而加快处理速度。IBM也利用类似技术提供反向服务器的存储访问功能。
基于链接的流行度中文本信息嵌入则是通过扩展图扩展过程中的规则，在运行HITS时，篡改扩展边的权重，从而改变主体扩展图的最终路径，即导致主题的交叉错合(contamination)或者漂移(drift)。在精度检索和网络评估重，为了去掉这种交叉错合的现象，针对具体主题词的查询，可以认为锚文本(anchor text)附近包含主题词文字的那些超链具有比其他边更高的权重。自动资源编辑(Automatic Resource Compilation， ARC)[24]和Clever系统[25]采用这种方法计算边的权重，查询结果可以获得显著的提高。
Bharat和Henzinger发明了另一种结合文本内容的方法[26]，可以避免生成的图交叉错，即使用向量空间的方法对每个页面建模的外层过滤(Outlier filtering)方法。在图扩张时，与HITS做法不同的是，他们并不包括离初步查询结果很远的全部节点。他们除去了如下条件的图扩张的节点：这些节点对应的term向量对于从搜索引擎中直接检索到的相关文档来说是“外层的”。网页中的关键词分布状态可以帮助Bharat和Henzinger算法有效地除去邻居中的外层，使连接情况服务器提高系统速度，还提出了一些启发式算法来减少查询时间。
综合看来，通过网络链接分析，ARC， Clever和外层过滤的效果好于HITS。以前在信息科学领域的马太效应通常形容文本信息资源的汇集，目前机器生成的Web资源发现也出现类似的资源聚集效应，不仅证明少量网站集中大量优质信息资源，而且集中大部分的优质链接。因而，也可以利用这一特征，利用在Web上的主题分布有一定的短范围局域性发现资源。比如google.scholar的检索机制，将读者检索论文和这篇文章对应的引用论文以及引用了读者感兴趣论文的文章整合起来，将这篇论文作为一个合适的hub节点发现感兴趣的论文集合。将找到好的hub的能力和判断一个给定网页是否与给定主题相关的能力综合起来，可以设计一个crawler，由一个文本或超文本分类器引导，能迅速在网络上找出与选定几个主题相关的网页。另一个选择是使用增强的学习技术[27]，记忆和累积已发现的资源。
2.网络计量分析B－A理论
最早公布的有关无标度网络的例证可能是普赖斯(Price)的科学论文引文网络[28]，通过文章之间的内在联系建立文献对象之间的链接网络关系。此网络中，普赖斯用幂为2.5到3的一个值表明文献的集中利用关系，而且此网络的顶点出度(每篇论文中引用的目录条目数)也服从幂率分布。
Barabasi和Albert提出[29]，类似的幂指分布结果可以应用到所有或至少很多其他网络中，包括社会网络。在这样的网络中，极少量的大顶点对于保持整个网络的同步稳定性具有至关重要的作用。这就是Barabasi和Albert提出的与普赖斯(Price)类似的关于Web网增长的生长模型[30]。按照B—A模型理论，利用“顶点增加”和“连接倾向”可以定义论文的第一次引用和Web网的第一次连接，进而通过顶点和边的扩展描述无标度网络的形成。
B—A模型理论的典型应用是合著关系分析。在合著网络分析中，因为通常的情况下合作者都是彼此熟悉的同事或朋友，是人际EN网络，适合采用社会网络分析(SNA)方法进行分析。利用引文和著者数据库，顶点是论文的作者，用一条边表示两个作者的合著关系，从而生成合著网络。通过对生物医药、物理、高能物理、计算机科学、数学以及物理学的实证研究，Newman在对SCI中四个数据库的研究中发现[31]，在科学中也存在着6度分离，即所研究的合著网络都符合小世界特性，科学家之间的距离与网络中的总人数的对数成比例，一对科学家之间的典型距离是6。Kretschmer的研究则表明[32]，随着合著网络图中边的密度增加，大多数科学家通过网络连接在一起，即存在若干个由顶点和边构成的组，而在某些学科其中最大的一个组顶点数占总数的比例可高达80％到90％。不管是否合著，任意一个作者都可能纳入这样一个关联的网络，只有少数作者是孤立的。Kretschmer还发现作者生产力和文献合著网络的最短距离的相关性，把作者生产力分为4个级别，生产力最高的作者（>=8篇）中有76％属于上述合著的最大关联组，而低生产力的作者中只有28％属于最大的组，其余的都分散在中型或小型的组中。这说明高生产力的作者相对于低生产力作者在知识传播中具有更高的影响。一般说来，不同级别的作者的平均距离是不同的。与低产量作者相比，高产作者与数据库中所有作者之间的平均距离较短，即信息能较快地传递到高产作者。高产作者与更多作者都有关联，这与低产作者经常属于小的或非常小的组有关。
Grossman的研究中[33]也出现了作者簇，只是最大的组包含的顶点数占总顶点数的比例不同：Kretschmer认为最大的组占作者总人数的40％；而Grossman认为这一比例达到62％，这可能是由于学科发展的阶段不同，所取数据的覆盖范围以及时间区间不同引起的。
此外，Newman的研究还表明，介数高的作者和平均距离低[1]的作者是网络中信息的集疏地，并能控制信息流向，是衡量学者学术影响力的比较恰当的指标。介数最高的人在学科中的轴心地位要远远高于处于第二位的人，第二位的人的地位要远远高于第三位，并依此类推。虽然目前国外对这些幂分布进行了实证研究，并从信息流动关系解释了其必然性，但是关于学科差异还需要进一步的研究。
3.网络链接行为和动机研究
社会网络分析广泛应用于知识“主体”和知识结点的链接网络分析，不仅学者是“知识结点”，网站和网页也是网络知识结点。因而，在社会网络分析方法论中，检索者（Page Developers，PDs）的检索过程（不依赖于搜索引擎的“网络漫步”行为）就是由检索者的知识结点和网络知识结点构成的社会网络，网络检索的过程就是基于网络链接（网络知识结点和网络知识结点之间的路径）与行为动机（检索者知识结点与网络知识结点的路径）的社会网络分析。
关于网络环境下作者链接行为的认识和理解，以及网络终端用户检索查询行为的统计分析研究在国外兴起于上个世纪的九十年代中期。1996年，Larson[34]开始关注网络链接的知识结构与构成，其试图通过图形可视化网络知识的超链接组织，并与书目文献组织方法的树型结构作出对比。1999年， Kleinberg发现[35]网络链接图谱的生成，尤其是网络环境下权威信息资源的组织，与传统信息资源组织的典型不同在于“嵌入”行为，Ingwersen则[36]通过对“嵌入”链接与被链接权重的规范化，设计并提出了网络影响因子，被世界同行所广泛接受。随后，以Thelwall为首的国外学者，开始关注权威网络信息资源的组织和发现，以权威网站为中心，利用链接关系自动发现关联程度大（网络影响因子大）的相关网络资源，主要在学术领域建立了一些智能的网络挖掘工具[37] [38]，并对英国大学网站进行超链接分析实证研究[39] [40]。
而关注检索者与网络资源交互的行为研究则要源自于Cockburn和Jones早期将用户作为浏览标签（browsing notation）的理论观点[41]。Hill 和 Hannafin则关注检索者（Searcher）的检索行动[42]，关注对同一课题的检索路径（searching trail）是否具有稳定性、可重复性和可继承性，从而评价检索工具和检索策略，这是国外对用户参与的交互知识网络的代表研究之一。Pharo则在检索过程中用户行动的研究中，大量采用图论的相关理论知识[43] [44] [45]，构建了基于图形展示与可视化的全程检索战略观点。最终，Card等学者提出了网络行为图（Web Behavior. Graphs）的概念[46]，奠定了基于检索过程的社会网络分析基础。近年，在网络行为研究领域，主要是以Thelwall、Kretschmer和Newman为代表，以实验研究和数据实证为基础，提出大量网络行为参考模型和网络社会分析结论。比如在Thelwall指导下，Hyo Kim对个人研究者超链接行为的研究，David Wilkinson对学术网站互链接网络的实证分析，Cothey对英国206个大学生进行了10个月网络信息查寻行为的研究[47]，对URLs 的事务日志分析5,431个用户信息搜寻的行为，为网络信息资源的建设和规划提出定量化决策依据，都证明权威网络资源在网络自发链接和生成过程中满足社会簇聚合。当然，Wellman在CSSN领域对计算网络社会结构和网络资源分布的研究也功不可没。
4.知识管理和组织学习研究
在知识管理领域，对隐性知识管理和组织学习过程的关注，成为管理学界和教育学界应用社会网络分析的主要动机，实践社区（Cops）、知识地图、可视化、相关性语义网络，甚至概念地图研究的兴起都与社会网络分析的基本理念密不可分。
社会网络是在组织行为、心理学和通信领域，集中研究网络结构中代表个体的结点及其动态关联的动态网络数学模型，是一种创建团队和组织内知识传递和维护的重要资源[48]。个体同时参加一定数量的社会网络，并通过交流关联和个人知识、技能的相似性与关联性，构成知识网络。的确，知识网络可被定义为[49]，用网络链接描述共有的或相关的知识社会网络的一种特殊情况，如果社会网络代表“谁知道谁”，知识网络则代表“谁知道什么” 。Valdis Krebs就认为，社会网络分析是映射（mapping）和测量（measuring）在信息和知识流程中人、小组、组织、计算机或其它主体之间的关系或流程。
就知识管理而言， 社会网络分析通过个体之间的关系映射来识别知识流程，弄清谁从何处寻求和获取信息和知识，谁能与他们分享信息和知识。在正式组织关系图中，可能依靠组织结构能够明确，信息的上行报告和下行传达，却无法揭示同层次或跨层次的知识交流。社会网络分析图可以显示各种关系和知识流向图，不拘一格，通过可视化手段，大大促进组织内知识创新和共享。因而， 社会网络有时形象地称为“组织内部的X-射线”，是组织结构框架下真正的网络。Cross等人就认为[50]，一旦能可视化社会关系和知识流程，就能评估和测量社会关系。社会网络分析的结果可能被使用在个体、部门或组织层次鉴别具有核心作用的组织和个人，如领导者，关键知识持有者，专家等；识别孤立的个人和团队；发现信息瓶颈；挖掘知识流改进；加快在组织和功能之间的跨边界的知识和信息流动；改进通用信息交流渠道的效率；指明最具有影响力的知识流嵌入；增加信息网络重要性的认识。
一般认为，辨认和识别实践社区（COPs）是处理隐性知识共享的最佳方案。一般通过组织设计和静态链接分析可以构建高效组织——学习型组织，组织内部具有共同愿景，相似的学习方式，具有知识共享基础。但是，静态链接分析是在应用过程中，一般通过员工合作次数来揭示， 与动态网络社区比较，在保护知识共享过程中的个人隐私层面也稍逊一筹。因而，社会网络分析通过非正规的网页和文章的互引关联、个人交流（email、BBS、博客、网上交流及电话交流）来辨认和识别实践社区，是国外比较受推崇的学习和管理方式。Garton 等 [51] 在1996年将社会网络分析方法用于研究信息在网络关联中的流动，认为虚拟实践社区（COPs）能在局部改变用户访问和获取信息资源的途径，影响企业信息团体的形成和分裂。IBM公司就专门研究[52]，利用社会网络分析组建实践社区，改变企业知识分享、交流、团队信任和安全感的战略目标、技术手段和社会支持。
知识地图是知识目录的总览，是用于定位知识的知识管理设施，能将散落的知识汇整起来，予以有效地管理与维护，让人们能够充分地存取、分享、再使用这些知识。它包括两个方面的内容: 一是通过知识资源调查所获取的知识资源目录; 二是目录内各款目之间的关系。因而，知识地图是组织和序化的知识网络，其功能主要是实现知识共享和重用，也使得计算机对信息和对语言的理解上升到语义层次，在一些涉及信息互操作、知识理解等方面的领域具有很大应用前景。例如，知识地图使得传统的基于关键词的检索，上升到语义检索的高度。目前，知识地图应用在信息检索中的著名项目包括(Onto)2Agent，Ontobroker等。(Onto)2Agent的目的是为了帮助用户检索到所需要的WWW上已有的知识地图， Ontobroker面向的是WWW上的网页资源，目的是为用户检索到所需要的网页。
四、结论和展望
著名学者M.E.J. Newman 在题为“为何社会网络不同于其他网络”的文章中指出，社会网络与非社会网络的两点不同：在大多数社会网络中，相邻节点的度之间是正相关的（分类组合），而在大多数非社会网络住是负相关的（反分类组合）；社会网络具有高度的聚簇性和网络连通性。正是社会大量存在的簇聚性，提供了海量资源利用和发现的“省力法则”：在核心簇中搜寻资源。而且，社会网络分析提出定量分析的指标，如中心度、弱相关结构、子群体结构、连通度等，虽然还不能完全用于定量分析，但已经大大提高了社会评估准确度。因而，广泛应用于集体体育项目运动员管理、IT产业中的技术扩散、流行疾病传播、 基于Email系统的经理人员风险管理、区域经济中创新源发现和政策支持、企业中创新领袖（go-to people）的识别、博客管理和基于博客的知识发现、教授声誉分析、医学专家会诊、新的组织结构设计和部门办公室的安排、大学科研实力评估和基金支持、网上公共资源发现和获取等。
结合图书情报学科的发展，信息资源分布和利用网络就是典型的无标度网络，具有典型的小世界特征，利用信息资源利用的社会属性，对优化信息资源组织（如Facetation报告所指出的应用前景），并且完善信息资源开发利用的评估具有十分重要的借鉴作用。
--------------------------------------------------------------------------------
[1]平均距离是一个顶点到网络中所有其他顶点的最短路径的平均值，而介数是某一顶点出发的最短路径的条数。
--------------------------------------------------------------------------------
[1]. Scott, J., (1991) Social Network Analysis: A handbook Sage Publications London U.K.
[2]. 阳志平,时勘. 社会网络分析在社会心理学中的应用.社会心理研究.2002,3
[3]. Wellman,B．(1988)．Structural analysis：From method and metaphor to theory and substance．In Wdlman and Berkowitz(eds．)Social structures：Network approach. Cambridge：Cambridge University Press．转引自：Joseph Galaskiewicz, Social Network Analysis ：Concepts, Methodology, and Directions for the 1990s .
[4]. 马费成主持,网络计算环境下信息资源共享效率研究报告.2005,12；另见：裴雷,信息资源共享的实现过程研究.武汉大学硕士学位论文,2005
[5]. Michael．(1997)．Social networks and economic sociology：A proposed research agenda for a more complete social sciences, American Journal of Economics and Sociology,56(3)．
[6]. R.E. Nance, R.R. Korfhage and U.N. Bhat, Information networks : definitions and message transfer models, Journal of the American Society for Information Scienc e23 (1972).
[7]. Evelien Otte, Ronald Rousseau.Social network analysis: a powerful strategy, also for the information sciences, Journal of Information Science, Vol. 28, No. 6, 441-453 (2002),DOI: 10.1177/016555150202800601
[8]. M. S. Mizruchi, P. Mariolis, M. Schwartz, and B. Mintz. Techniques for disaggregating centrality scores in social networks. In N. B. Tuma, editor, Sociological Methodology, pages 26--48. Jossey-Bass, San Francisco, 1986.
[9]. E. Logan and M.L. Pao, Analytic and empirical measures of key authors in schistosomiasis, Proceedings of the American Society for Information Science 27 (1990).
[10].  E. Logan and M.L. Pao, Identification of key authors in a collaborative network, Proceedings of the American Society for Information Science 28 (1991).
[11]. R. Larson. Bibliometrics of the world wide web: An exploratory analysis of the intellectual structure of cyberspace. In Annual Meeting of the American Society for Information Science, 1996. Online at http: //sherlock.berkeley.edu/asis96/asis96.html.
[12]. Laura Garton,Barry Wellman, Janet Salaff, Dimitrina Dimitrova, Milena Gulia, Caroline Haythornthwaite. COMPUTER NETWORKS AS SOCIAL NETWORKS: Collaborative Work, Telework, and Virtual Community.Annual Review of Sociology, August 1996, Vol. 22, Pages 213-238 (doi: 10.1146/annurev.soc.22.1.213)
[13].Peter Busch, Debbie Richards. Applying social network analysis to Knowledge management. Department of Computing, Macquarie University
[14]. Yolum, P. and Singh, M. P., Dynamic Communities in Referral Networks, Web Intelligence and Agent System, 2003, 1(2).
[15]. Wenger.E., Communities of Practice, a brief introduction, 2004,http://www.ewenger.com/theory/index.htm
[16]. C. Haythornthwaite and B. Wellman, Work, friendship, and media use for information exchange in a networked organization, Journal of the American Society for Information Science 49 (1998).
[17]. Bridging the Gaps of Information Communities: Applying Social Network Analysis concepts to LIS  London ON, 24/01/2004
[18]. Evelien Otte, Ronald Rousseau. Social network analysis: a powerful strategy, also for the information sciences, Journal of Information Science, Vol. 28, No. 6, 441-453 (2002),DOI: 10.1177/016555150202800601
[19].包昌火,谢新洲,申宁.人际网络分析.情报学报.2003,6
[20].胡蓉,邓小昭.基于结构洞理论的个人人际网络分析系统研究.情报学报.2005,8
[21].刘则渊,尹丽春,徐大伟.试论复杂网络分析方法在合作研究中的应用.科技管理研究.2005,11