第三章 研究方法及系統架構
3.3 系統架構
3.3.4 Community Evolution Tracking
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 3.13: 職務共同異動網路範例(經濟部,操作職等 12-15,1990 年,30 天內職務共同異動, 移除 20 個關連)
Community Identification 模組之輸入參數說明如下：
分群群組數：利用 Edge Betweenness 分群的停止條件，每個回合檢查分群結果，是 否符合預期之分群群組數為條件，若符合則分群停止，若不符合則將移除的關連數 加 1，繼續做分群動作；若參數值過大，將造成群組數過多，一般政府部門中，群 組數過多，也無法得出較合理的結果，我們將此參數設定為 3 做為本研究之實驗參 數。
3.3.4 Community Evolution Tracking
Community Evolution Tracking 模組主要是找出群組事件，將事件與群組以網路方式 呈現，計算政治群組指標。
找出群組事件方法，我們是先找出所有可能發生的事件後，再利用事件優先權判斷
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
合理的事件。首先，先比對兩兩連續的時間區間內各群組的群組成員相似度，相似度的 比較條件為為官員姓名，依據各事件的公式，找出所有可能發生的事件，其中 Merge 有 可能為 N 個群組 Merge 成一個群組，Split 有可能為一個群組 Split 成 2 個以上的群組，
再利用各群組的交集、聯集及成員人數的變化狀況，判斷是否達到事件門檻值 k，以找 出所有符合的事件，接下來再利用事件優先權判斷合理的事件，並將各群組在各個時間 區間的事件發生結果串連起來，用以表示一個群組從形成到消失的過程，結果如表 3.4，
其中各事件後面接的文字，如(S1,0)表示時間區間代碼和群組代碼。
表 3.4 是經濟部操作職等 12-15 之官員在 30 天內職務共同異動之結果，Δt 設定為 2 年，實驗資料為 20 年，共有 10 個時期(S1-S10)，其中各群組中，生命週期最長的群 組跨了 5 個時期(S6,4-->S10,1)，有 6 個群組有形成後就消失的狀況。
表 3.4:政治群組事件範例(經濟部,時間區間 2 年,30 天內職務共同異動,操作職等 12-15)
FORM(S1,0)-->DISSOLVE
FORM(S2,0)-->SPLIT(S3,0)-->MERGE(S4,1)-->DISSOLVE FORM(S2,0)-->SPLIT(S3,1)-->DISSOLVE
FORM(S2,0)-->SPLIT(S3,3)-->MERGE(S4,1)-->DISSOLVE FORM(S2,0)-->SPLIT(S3,7)-->MERGE(S4,1)-->DISSOLVE FORM(S2,0)-->SPLIT(S3,8)-->MERGE(S4,1)-->DISSOLVE FORM(S4,0)-->SPLIT(S5,0)-->DISSOLVE
FORM(S4,0)-->SPLIT(S5,7)-->DISSOLVE FORM(S5,3)-->DISSOLVE
FORM(S5,5)-->DISSOLVE FORM(S6,3)-->DISSOLVE
FORM(S6,4)-->SPLIT(S7,0)-->EXPAND(S8,5)-->MERGE(S9,3)-->MERGE(S10,1)-->
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
DISSOLVE
FORM(S6,4)-->SPLIT(S7,1)-->DISSOLVE FORM(S7,2)-->DISSOLVE
FORM(S8,1)-->MERGE(S9,3)-->MERGE(S10,1)-->DISSOLVE FORM(S8,3)-->MERGE(S9,3)-->MERGE(S10,1)-->DISSOLVE FORM(S9,6)-->MERGE(S10,1)-->DISSOLVE
FORM(S10,2)-->DISSOLVE
利用文字如表 3.4 的呈現方式，無法清楚表示各個群組間 Merge 和 Split 的現象，
我們利用社會網路分析的呈現方式，將分群結果也用網路的方式呈現，以說明政治群組 與政治事件的關連性，每個節點代表群組，節點的大小以群組人數取 log 為計算依據，
節點內的數字表示該群組的人數，兩個節點之間的關連，則表示政治事件(Expand、Shrink、
Merge、Split 和 Continue)，其中 Dissolve 及 Form 是在政治群組事件圖中不顯示。
表 3.4 的結果用政治群組事件圖顯示(圖 3.14)，在圖中我們可以清楚看到每個群組 隨著時間變化的狀況，利用顏色區分不同的群組發展，如節點紅色的群組，從 S2 時期 開始，形成一個 33 人的群組，在 S3 時期 Split 成 5 個不到 10 人的小群組，在 S4 時期 這 5 個小群組又 Merge 成一個 26 人的群組，之後則消失，而生命週期最長的群組，從 S6 到 S10，跨了 5 個時期，在這 5 個時期之中也曾經歷多次的 Split 和 Merge 事件。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 3.14:政治群組事件圖範例(經濟部,操作職等 12-15,時間區間 2 年,30 天內職務共同異 動)
Community Evolution Tracking 模組之輸入參數說明如下：
事件門檻值(k 值)：在本系統之動態網路分析模組中利用比較兩兩連續的時間區 間中的群組成員的變化，是否大於事件門檻值，以找出符合的事件，事件門檻 值之設定可針對部門、時間區間及事件做不同的設定。若 k 值設定過高，將造 成事件不易出現，因此我們分析政府官員異動資料庫之資料後，發現每個官員 異動職務的時間間隔差距很大，有可能 3 個月，也有可能 10 年，因此我們為了 讓事件容易被找出，本研究將 k 值設定為 20%。
本系統利用 JUNG 提供之 Software Library 做為社會網路分析工具的基礎架構，以 JAVA 語言實作政治權力觀察之工具，共有三個子模組：Network Construction、Community Identification、Community Evolution Tracking，分別實現圖 3.2 觀察動態網路環境下的政 治權力變化的流程之三步驟，從建置網路、找出政治群組到觀察政治群組事件和計算政 治群組指標。