大数据时代下网络群体智能研究

徐聂甜子　中南民族大学

随着互联网与社会网的结合，网络群体智能应运而生，如何使其为人类提供更好的服务，是相关学者急需解决的问题。

一、大数据时代下的网络群体智能

(一)大数据时代下大众深度交互的互联网环境

以互联网2.0为基础的互联网衍生出大量的新模式，对现有互联网秩序造成了巨大冲击，也在一定程度上改变了现有的网络行为方式，对互联网交互信息、知识共享等都产生了积极的促进作用，互联网结构也在此背景下不断演化。进一步提升了大众对信息服务的需求，使得在线搜索无处不在，对网络文化进行了完善，经典的互联网2.0应用包括：微博、社交等。以人为核心，将其与网络进行连接，正在逐步建立起人与人形成沟通的公用计算环境，将这种智能融入进网络当中。

(二)网络群体智能与特点

群体智能可以理解为“集思广益”、“众人拾柴火焰高”等。在传统智能群体集合中出现了如蚁群等社会，以自身经验为基础，将1+1＞2的作用发挥最大功效，使人力在解决难题时更加轻松。在互联网2.0应用中，在交互时，不受时间与空间的阻挠，以互联网为基础，形成了较大规模的群体行为，使群体智能向更深层次发展。在互联网环境下，个体改变环境进而实现交互，这种行为也带动了其他个体进行不同的改变，在宏观上形成了新现象，科学家将这种行为称之为“涌现”。将爱好相同的用户聚集在一起，通过群体智慧涌现出典型实例。

二、网络群体智能研究方法

网络群体智能研究涉及多种学科，包括社会科学、信息科学等，具备一定的前瞻性与现实性。虽然目前网络群体智能研究已取得了一些进展，但主要体现在蜜蜂等社会性昆虫群体智能研究。缺乏完整的群体智能研究，理论基础还有待提高，更多的注重实践，还需要参考已有的研究成果。

(一)网络群体智能研究方法

对于系统科学来说，复杂性科学是目前的新方向，当方法论确具备一定的不确定性与非线性。以思维层面来说，复杂性科学是将还原理论与整体论进行有机的结合，从宏观进行分析，并以此为基础进行综合，进而达到解决问题的目的。以哲学层面来说，复杂性科学是将还原理论与整体论进行有机的结合，并从宏观与微观两方面进行分析，将实践与理论相结合。在复杂性科学中，要始终秉持细处分析与全局着眼的原则，融贯论要以宏观指导为基础，将整体论与还原论进行结合这也是网络群体智能与传统智能的不同之处。在对网络群体智能进行研究时，要以复杂性科学为指导理论，提出网络群体智能的特点，系统分析与仿真分析结合的方式对网络智能群体中出现的问题进行深层次研究。

(二)网络群体智能研究层次与研究框架

目前，将网络群体智能研究分为五个层次，分别是应用评价层、分析解释层、模拟算法层、理论方法层与对象基础层。

应用评价层：对研究成果进行探究，对绩效管理等进行优化，并对应用情况进行分析，为改进方法提供理论依据，完善平台机制，提升信息服务质量。

分析解释层：以研究框架为指导，在基础层获得数据信息，通过模型算法层构建模型算法，对动力学进行分析，研究涌现规律，获得应用的知识，为其应用提供保障。

模拟算法层：以研究框架为指导，对网络群体智能进行建模，实现其可视化、描述的模拟。

理论方法层：科学的理论是研究网络群体智能的关键，根据科学问题的特点，确定研究理论，构建科学的研究框架。对科学成果进行整理，能够对研究起到指导功效。

对象基础层：这层是研究开展的基础，根据不同的科学问题，确定研究对象，包括其中的群体交互环境、个体等；选择适合的载体，包括网络数据、交互平台等。（见图1）

(三)网络群体智能研究方法应用实例

下面以维基百度词条为实力进行说明。turing machine在创建时有600万个历史数据，以数据思想为指导，以上述方法对相邻版本的差异进行分析，确定交互关系，以编辑者为节点，将编辑关系为连边，对群体交互进行表示，构建“turing machine”群体协作交互网络；考虑到时间不同、编辑者不同等，网络具备小世界的特点，使得知识在传播时更加便捷，拓扑中心性能能够从节点属性方面展示出个体在群体中的作用，随着编辑群体不断扩大，交互增多了，个体间的影响逐步提升，原有区域经过连接形成全新的域群体，知识向周围扩散，对促进群体达成共识具备积极影响。

三、结束语

综上所述，本文对大数据时代下网络群体智能进行研究，分析了其特点与研究方法。随刻科技的进步，互联网在未来发展空间会更加广阔，网络群体智能的应用也会越来越广泛。

图1　网络群体智能研究框架示意图