[论文解读] Formalising the multidimensional nature of social networks

David Lusseau, Louise Barrett+1 more|Jan 19, 2011

Evolutionary Game Theory and Cooperation参考文献 60被引用 93

一句话总结

本文将社交网络形式化为多维结构，将多种行为情境下的互动建模为三阶张量（n×n×b），其中个体试图减少社交结果中的不确定性。通过模拟和野生狒狒群体的实地数据，研究发现社交网络可表现出小世界特性，并在扰动后变得更加可预测，支持了个体层面对不确定性减少驱动网络动态的假设。

ABSTRACT

Individuals interact with conspecifics in a number of behavioural contexts or dimensions. Here, we formalise this by considering a social network between n individuals interacting in b behavioural dimensions as a nxnxb multidimensional object. In addition, we propose that the topology of this object is driven by individual needs to reduce uncertainty about the outcomes of interactions in one or more dimension. The proposal grounds social network dynamics and evolution in individual selection processes and allows us to define the uncertainty of the social network as the joint entropy of its constituent interaction networks. In support of these propositions we use simulations and natural 'knock-outs' in a free-ranging baboon troop to show (i) that such an object can display a small-world state and (ii) that, as predicted, changes in interactions after social perturbations lead to a more certain social network, in which the outcomes of interactions are easier for members to predict. This new formalisation of social networks provides a framework within which to predict network dynamics and evolution under the assumption that it is driven by individuals seeking to reduce the uncertainty of their social environment.

研究动机与目标

• 将社交网络形式化为多维对象，以捕捉多种行为情境下的互动。
• 探究个体层面对不确定性的减少如何驱动社交网络拓扑结构的演化与动态变化。
• 检验社交网络在社会扰动后是否如不确定性减少假设所预测的那样变得更加可预测。
• 提供一个基于个体自然选择的理论框架，以解释社交网络的结构与变化。

提出的方法

• 将社交网络建模为大小为 n×n×b 的三维张量，其中 n 为个体数量，b 为行为维度数。
• 将网络的不确定性定义为所有维度下其组成部分互动网络的联合熵。
• 使用基于代理的模拟，探索在不确定性减少原则下小世界结构等网络特性的出现。
• 在自由活动的狒狒群体中开展自然实验（‘敲除’操作），观察社会干扰后网络可预测性的变化。
• 应用信息论度量方法，量化扰动前后互动结果可预测性的变化。
• 通过将模拟的网络动态与狒狒群体的实证数据对比，验证模型。

实验结果

研究问题

• RQ1 在不确定性减少动力学下，多维社交网络模型能否表现出小世界特性？
• RQ2 在社会扰动后，个体是否通过调整其互动模式来减少对社交结果的不确定性？
• RQ3 与扰动前状态相比，扰动后互动结果的可预测性是否更高？
• RQ4 个体层面对不确定性的减少在多大程度上塑造了社交网络的拓扑结构与演化过程？
• RQ5 多维互动网络的联合熵在多大程度上反映了社交系统的整体不确定性？

主要发现

• 多维网络模型成功生成了小世界网络结构，表明信息传递高效且具有聚类特性。
• 在社会扰动（如关键个体被移除）后，互动结果的可预测性显著提高，支持了不确定性减少假设。
• 扰动后网络的联合熵下降，表明在多个行为维度上社交结果的不确定性减少。
• 模拟结果证实，当个体试图最小化不确定性时，网络会演化为更具可预测性的配置。
• 狒狒群体的实证数据表明，敲除操作后的网络熵更低、可预测性更高，与模型预测一致。
• 该框架成功通过信息论原则，将个体层决策与涌现的网络级特性联系起来。