0.4 網絡科學的特性

網絡科學的內涵不僅取決于其研究對象，更多地還取決于其研究方法。本節，我們將討論網絡科學在理解復雜系統時所用方法的特性。

多學科特性

網絡科學為我們提供了一種語言，使多個學科可以借助該語言無障礙地相互交流。實際上，細胞生物學家、腦科學家（圖0-4）和計算機科學家面臨著類似的任務——描繪復雜系統內部的連接模式，從不完整和有噪聲的數據集中抽取信息，理解系統在面臨失效或攻擊時的健壯性。

沒錯，每個學科都會有不同的研究目標、技術手段和學科自身重要的科學挑戰。然而，這些學科探索的很多問題實際上具有共同的性質，這為跨學科的工具和思想的探索提供了土壤。例如，社會網絡領域在20世紀70年代提出的“介數中心度”概念，如今在識別互聯網中的高通信負載節點方面發揮著關鍵作用。與之類似，計算機科學家們為圖劃分問題開發的算法后來被應用于醫藥領域的疾病模塊識別和大規模社會網絡的社區識別。

數據驅動的實證特性

網絡科學的一些關鍵概念都起源于圖論——一個高產的數學分支。網絡科學區別于圖論的地方是它的實證特性——其關注焦點是數據、功能和效用。在隨后的章節中，我們將看到，網絡科學從不滿足于開發描述某個網絡性質的抽象數學工具。我們開發的每個數學工具都必須使用真實數據進行測試，然后我們會依據它在揭示系統性質和行為方面提供的洞察力來判斷其價值。

定量和數學特性

要想對網絡科學的發展有所貢獻，或打算正確使用網絡科學的工具，就必須掌握其背后的數學形式化原理。網絡科學借鑒了圖論中的形式化方法來研究網絡，借鑒了統計物理學的概念化框架來應對隨機性和追求普適的指導原則。另外，網絡科學從工程學中借鑒了包括控制論和信息論在內的概念，用于理解網絡的控制原理；還從統計學那里借鑒了從不完整和有噪聲的數據集中抽取信息的方法。

網絡分析軟件的開發可以使更多領域的人使用網絡科學的分析工具，就連對網絡科學的理論基礎和數學概念不熟悉的人也可以使用。不過，如果打算更深入地了解網絡科學并高效地使用其工具，我們則需要掌握其數學形式化原理。

計算特性

現實中，人們感興趣的網絡往往很大，用以描述它們巨大的數據規模。網絡科學家們在分析這些網絡時通常面臨一系列艱巨的計算挑戰。因此，網絡科學具有很強的計算特性，經常需要從算法、數據庫管理和數據挖掘領域借鑒方法。有許多軟件工具可以解決這些計算問題，幫助具有不同計算技能的研究人員對其感興趣的網絡進行分析。

總之，掌握網絡科學需要熟悉該領域上述每個方面的特性。正是這些特性的組合為我們提供了理解真實網絡性質所需的多方面的工具和視角。