[论文解读] Some Considerations on Six Degrees of Separation from A Theoretical Point of View

Norihito Toyota|ArXiv.org|Mar 17, 2008

Theoretical and Computational Physics参考文献 11被引用 3

一句话总结

本文利用Watts-Strogatz小世界网络模型，从理论上探讨了米尔格拉姆‘六度分隔’理论的基础，表明聚类系数仅使可触及个体数量减少百分之几，因此当个体拥有数十个连接时，六度分隔成为自然结果。研究引入传播系数模型以量化信息传播，揭示高连通性与适度聚类可使信息在大规模网络中快速扩散。

ABSTRACT

In this article we discuss six degrees of separation, which has been proposed by Milgram, from a theoretical point of view. Simply if one has $k$ friends, the number $N$ of indirect friends goes up to $\sim k^d$ in $d$ degrees of separation. So it would easily come up to population of whole world. That, however, is unacceptable. Mainly because of nonzero clustering coefficient $C$, $N$ does not become $\sim k^d$. In this article, we first discuss relations between six degrees of separation and the clustering coefficient in the small world network proposed by Watt and Strogatz\cite{Watt1},\cite{Watt2}. Especially, conditions that $(N)>$ (population of U.S.A or of the whole world) arises in the WS model is explored by theoretical and numerical points of view. Secondly we introduce an index that represents velocity of propagation to the number of friends and obtain an analytical formula for it as a function of $C$, $K$, which is an average degree over all nodes, and some parameter $P$ concerned with network topology. Finally the index is calculated numerically to study the relation between $C$, $K$ and $P$ and $N$.

研究动机与目标

• 从理论上检验为何在树状网络中可达个体数量呈指数增长的情况下，六度分隔仍不令人意外。
• 分析聚类系数C对小世界网络中信息扩散的影响，特别是Watts-Strogatz模型中的影响。
• 在同质性假设下，建立并应用传播系数模型，以量化网络各代之间的信息传播。
• 评估同质性假设在真实网络（如Mixi和Bacon游戏）中的有效性，识别由于网络有限大小和无标度结构带来的局限性。
• 识别使信息在六度分隔内快速传播至大规模人群的关键参数（C, K, p）。

提出的方法

• 在小p条件下，使用Watts-Strogatz模型中聚类系数C(p) = (3K−6)/(4K−2) × (1−p)^3和平均路径长度L(p) = (2n/K) × F(nKp/2)的解析表达式。
• 通过数值分析识别参数区域(p, K)，使得L ≈ 6±1且网络规模达到约10^9人。
• 基于同质性假设，引入传播系数模型，定义信息传播速度的度量，作为C、K和拓扑参数P的函数。
• 推导传播系数的解析公式，并在不同网络拓扑中进行数值验证。
• 分析Mixi社交网络和Bacon游戏（演员网络）的实证数据，估算聚类系数并检验模型假设。
• 采用基于代际的分析（G_i）追踪各网络层级中的新节点和传播系数，识别与同质性假设的偏差。

实验结果

研究问题

• RQ1 在小世界网络中，聚类系数在多大程度上减少了通过六度分隔可触及的个体数量？
• RQ2 在Watts-Strogatz模型中，平均度K与重连概率p的何种组合可使信息在六步内传播至约10^9人？
• RQ3 传播系数模型如何量化具有非均匀聚类的网络中的信息扩散速度？
• RQ4 同质性假设在真实网络（如Mixi和演员网络）中对聚类和度分布的适用性如何？
• RQ5 有限大小效应和无标度结构在多大程度上扭曲了传播系数和聚类系数的估计？

主要发现

• 与树状结构相比，聚类系数仅使可触及个体数量减少百分之几，因此六度分隔成为自然结果。
• 当K ≈ 20–30时，即使在低重连概率下，信息在Watts-Strogatz模型中也能在6±1步内触及约10^9人。
• 传播系数模型成功量化了信息传播速度，并识别出C、K和P为影响扩散速度的关键参数。
• 对Mixi和Bacon游戏的实证分析表明，各代的聚类系数C_i并非恒定，违反了同质性假设。
• 有限大小效应和无标度结构在某些情况下导致聚类系数估计为负值，表明同质性模型存在局限性。
• 传播系数在高度连接的枢纽节点（如凯文·贝肯）的第一代达到峰值，表明信息初始传播迅速，但该模型在极端连通性枢纽节点处失效。