Knowledge acquisition: A Complex networks approach

یافته های شبکه های پیچیده ای برای ارائه یک دیدگاه مناسب از دانش است. در این زمینه، فرایند کشف را می توان از لحاظ یک فرآیند پویا مانند عوامل در حال حرکت در یک فضای دانش مدل سازی کرد. مطالعات اخیر نشان می دهد دینامیک واقع گرایانه ای که می تواند تحت تأثیر مشاهدات عوامل یا حافظه آنها قرار گیرد. با این حال، در این مطالعه به جای برخورد با این دو مفهوم به طور جداگانه، ما یک مدل پیاده روی تصادفی چندگانه برای کسب دانش را پیشنهاد می کنیم که هر دو این جنبه ها را در هم می آمیزد. به طور خاص، ما راهکار اصلاحی اجتناب از حقیقت را اصلاح کردیم تا نوع پرواز تصادفی را ترکیب کنیم. چنین پروازهایی به زمینه هایی از دیدگاه ناشی از عوامل مختلف بستگی دارد و تلاش برای مدل سازی نفوذ بین محققان است. چارچوب پیشنهادی با توجه به مجموعه ای از مدل های شبکه و دو شبکه دنیای واقعی، که از ویکیپدیا (مقالاتی از زیست شناسی و ریاضیات) تولید شده است، و یکی دیگر از وب علم شامل تنها بخش شبکه های پیچیده است. نتایج به صورت جهانی و منطقه ای مورد تجزیه و تحلیل قرار گرفتند. در تجزیه و تحلیل جهانی، ما دریافتیم که بیشتر پارامترهای دینامیکی به طور قابل توجهی فرایند کشف را تحت تاثیر قرار نمی دهند. با این حال، تجزیه و تحلیل محلی نشان داد تفاوت قابل توجهی در عملکرد، بسته به توپولوژی محلی. به طور خاص، پویایی که در هسته شبکه صورت می گیرد، تمایل به افزایش دانش را افزایش می دهد. انتخاب پارامترهای کنترل پویایی، تأثیر کمی بر عملکرد شبکه های دانش در نظر گرفته شده داشت، حتی در مقیاس محلی.