中国科技信息2024年第9期�CHINASCIENCEANDTECHNOLOGYINFORMATIONMay.2024-80-◎三星推荐现实生活中的很多复杂系统均可建立网络分析模型，如：交通网络、社交网络、计算机网络、流行病传播网络等，因这些网络具有高复杂性，复杂网络的概念应运而生。随着大数据时代的到来，复杂网络的分析方法配合数据挖掘模型已经在工业和科研界大放异彩。数据网络结构的复杂性随着数据规模的扩张而增加，构建合适的网络模型往往成为解决问题的关键。因此，当许多研究者在构建复杂网络分析模型时，将从数据收集、清理到模型验证进行全面考虑，包括怎样获得高质量的网络结构数据？如何提升数据网络分析的质量和效率？如何将不完整的网络结构数据分析推广到整个网络？本文回顾了复杂网络的基本性质，常用算法，及模型的构建等。清晰地展现了国内外复杂网络研究领域的成果，各类模型的构建方式与应用场景，和不同算法的优缺点比较等内容。体现了复杂网络在大数据时代的作用与不可替代的价值。复杂网络的研究现状18世纪欧洲数学家莱昂哈德�欧拉（LeonhardEuler）用一种桥梁和河流网络的可视化表示方法解决了现在著名的哥尼斯堡（Königsberg）七桥问题，并发明了图论，为后续的网络分析提供了数学基础。在1959年和1968年期间，数学家PaulErdos和AlfredRenyi发表了关于随机图（RandomGraph）的论文，在原先的图论研究中融入了组合数学和概率论。1998年，美国康奈尔大学的watts及其导师在Nature杂志上发表论文“CollectiveDynamicof‘Small-World’Networks”以简化的传染性疾病传播模型解释了动力系统中小世界联通的意义。美国圣母大学的Barabasi等人于1999年在Science杂志上发表“EmergenceofScalinginRandomNetworks”解释了无标度网络的性质，并通过建立模型展示无标度网络特性的产生原因和应用场景。美国康奈尔大学的博士生Watts及其导师Strogatz教授于1998年在Nature杂志上发表的《“小世界”网络的集体动力学》（CollectiveDynamicof‘Small-World’Networks），以及美国圣母大学的Barabasi教授及他的博士学生Albert于1999年10月在Science杂志上发表的题为《随机网络中的标度涌现》（EmergenceofScalinginRandomNetworks）的文章，分别解释什么是复杂网络的小世界特征和无标度性质，并通过建立模型阐述这些特性的产生缘由与实际应用场景。行业曲线开放度创新度生态度互交度持续度可替代度影响力可实现度行业关联度真实度大数据时代下的复杂网络研究与应用齐昱星...
