[论文解读] Average Distance, Diameter, and Clustering in Social Networks with Homophily

Matthew O. Jackson|ArXiv.org|Oct 15, 2008

Complex Network Analysis Techniques参考文献 13被引用 6

一句话总结

本文提出一种基于节点类型异质链接概率的随机网络模型，以研究同质性对网络结构的影响。尽管同质性增强（即节点更倾向于在同类间连接），平均距离和直径在渐近意义上保持不变，而聚类系数显著增加，表明同质性可塑造网络聚类结构，而不改变小世界特性。

ABSTRACT

I examine a random network model where nodes are categorized by type and linking probabilities can differ across types. I show that as homophily increases (so that the probability to link to other nodes of the same type increases and the probability of linking to nodes of some other types decreases) the average distance and diameter of the network are unchanged, while the average clustering in the network increases.

研究动机与目标

• 理解同质性（对相似个体的偏好）如何影响平均距离、直径和聚类等核心网络结构特性。
• 分析在度序列固定的随机网络中，同质性增强是否会导致路径变长或直径增大。
• 确定同质性是否能在保持平均距离较短的同时生成非平凡的聚类系数。
• 阐明在平均度和连通性保持不变的条件下，同质性在何种情况下会改变网络结构。

提出的方法

• 构建一种随机网络模型，其中节点被划分为 K 种类型，链接概率取决于节点类型。
• 该模型使用度序列 {d₁,…,dₙ} 并为节点分配期望度，不同类型间及同类型内的链接概率由矩阵 H(n) 控制。
• 平均距离定义为所有连通节点对之间最短路径长度的均值，直径定义为最短路径长度的最大值。
• 采用渐近分析推导在不同同质性水平下平均距离和直径的界，假设平均度 → ∞。
• 聚类通过节点邻居中闭合三元组的比例来衡量，所有度数 ≥2 的节点的平均聚类系数被计算。
• 应用集中不等式和概率界（如切尔诺夫不等式）以证明度数和路径长度以高概率集中在期望值附近。

实验结果

研究问题

• RQ1 在度序列固定的随机网络中，增加同质性是否会导致平均距离和直径增加？
• RQ2 同质性较强的网络能否维持与完全随机网络相当的小平均距离和直径？
• RQ3 在何种条件下，同质性可在随机网络中生成非平凡的聚类系数？
• RQ4 是否存在某个阈值或结构条件，使得即使网络规模不断增加，聚类系数仍与零保持有界距离？
• RQ5 同质性如何影响网络的小世界特性，特别是低直径与高聚类共存的特征？

主要发现

• 随着同质性增强（即同类型间链接概率更高，不同类型间链接概率更低），网络的平均距离和直径在渐近意义上保持不变，即使同类型链接的概率远高于不同类型链接的概率。
• 平均距离以高概率（1+o(1)）log(n)/log(𝔼[d(n)]) 成立，与具有相同期望度的均匀随机网络的渐近行为一致。
• 即使在极端情况下，同类型链接的相对概率可无限提高，只要仍存在非零比例的跨类型链接，平均距离和直径也不会增加。
• 同质性显著提高了聚类系数：当群体规模相对于平均度较小时且同质性较强时，平均聚类系数在渐近意义上与零保持有界距离。
• 相比之下，在具有相同期望度的无同质性模型中，聚类系数随 n → ∞ 而趋于零，表明同质性是聚类的关键驱动因素。
• 结果证实，同质性网络即使在强烈隔离的条件下，仍可表现出‘小世界’特征——即低直径与高聚类共存，且不改变路径长度。