[论文解读] Emergence and resilience of social networks: a general theoretical framework

Christopher H. George, Matteo Marsili+1 more|ArXiv.org|Apr 18, 2005

Complex Network Analysis Techniques参考文献 30被引用 15

一句话总结

本文提出了一套基于相互相似性和偏好连接的一般性理论框架，用于解释社会网络的形成机制，揭示了此类反馈如何驱动不连续相变、网络韧性以及稠密与稀疏网络状态的共存——这些特征在现实世界的社会网络与协作网络中均有观测。

ABSTRACT

We introduce and study a general model of social network formation and evolution based on the concept of preferential link formation between similar nodes and increased similarity between connected nodes. The model is studied numerically and analytically for three definitions of similarity. In common with real-world social networks, we find coexistence of high and low connectivity phases and history dependence. We suggest that the positive feedback between linking and similarity which is responsible for the model's behaviour is also an important mechanism in real social networks.

研究动机与目标

• 开发一个一般性理论模型，解释基于相似性与连接形成之间动态相互作用的社会网络的涌现与韧性。
• 研究历史依赖性以及高连通性与低连通性相在社会网络中如何共存的机制。
• 识别一种共同机制——相似性与连接之间的正反馈——该机制在多种社会现象中驱动不连续相变与网络韧性。
• 分析网络从稀疏状态突然跃迁至高度连通状态的条件，并研究其一旦形成后保持鲁棒性的机制。
• 提供一个统一的理论框架，适用于多种社会系统，包括犯罪网络、科研合作网络以及工业研发合作关系。

提出的方法

• 将社交网络演化建模为一个动态过程，其中相似节点之间形成连接，且通过互动使相似性增加，采用共演化机制。
• 使用平均场近似分析稳态度分布 $P(k)$，将网络视为具有生成函数 $\phi(s)$ 的随机图。
• 推导度分布的主方程，其中转移速率 $w(k\rightarrow k\pm1)$ 取决于相似性与网络结构。
• 利用自洽方程求解稳态，纳入巨分量大小 $\gamma$ 与不连接到该分量的概率 $u$。
• 在随机图上应用 Potts 模型，计算两个节点共享相同属性的概率 $\pi(c,\beta)$，并将其与连接形成速率关联。
• 通过图形化求解平衡条件 $\lambda c/2 = \pi(c,\beta)$，识别不同参数区域内稳定与不稳定网络状态。

实验结果

研究问题

• RQ1 什么机制解释了现实社交网络中从稀疏到高度连通网络状态的突然、不连续的相变？
• RQ2 相似性与连接的共演化如何导致韧性——即在条件恶化后稠密网络仍能持续存在？
• RQ3 为何在相似环境条件下有时形成稠密网络，有时形成稀疏网络，表明了均衡状态的共存？
• RQ4 一般性理论框架在多大程度上能够捕捉从犯罪网络到科学合作网络等多样化社交网络的动力学？
• RQ5 历史依赖性在相同外部条件下对社会网络最终状态的形成起何种作用？

主要发现

• 当连接形成速率增加时，该模型表现出从稀疏到稠密网络的不连续相变，且在共存区域内，稠密与稀疏状态均为稳定。
• 系统表现出韧性：一旦形成稠密网络，即使条件恶化，该网络仍能持续存在，这是由于相似性与连接之间的强化反馈所致。
• 在某些参数范围内，稳态度分布存在三种解——其中两个稳定，一个不稳定——解释了稠密与稀疏网络均衡状态的共存。
• 数值模拟证实，平均场近似在远离相变点时能准确捕捉网络行为，尽管其略微高估了共存区域。
• 对于 Potts 模型变体，在高连接破坏速率下（$\lambda > \lambda_2$），平均度 $c$ 仅有一个解；但在较低 $\lambda$ 时，出现两个额外解，且在 $\lambda_1$ 以下存在一个稳定的稠密网络解。
• 该模型通过单一、统一的相似性驱动连接机制，重现了现实网络的关键经验特征，包括突变相变、网络韧性以及网络状态的共存。