42、社交网络中信息搜索策略的实验研究

社交网络中信息搜索策略的实验研究

1. 研究背景与方法

在社交网络的研究中，Watts等人和Kleinberg提出的模型表明，为了使仅使用局部信息的简单搜索策略有效，相识概率需要与个体属性之间的接近程度相关。为了验证这些模型的假设和预测，研究人员进行了一系列实验。

具体方法是，Adamic和Adar将搜索算法应用于从惠普实验室（HP Labs）的电子邮件日志中提取的电子邮件网络。他们定义社交联系人是在大约3个月内与个体双向至少交换6封电子邮件的人，这种双向通信确保了两人之间有交流且相互熟悉。

施加这一约束后，形成了一个包含436人的网络，其中熟人数量的中位数为10，平均值为13。该网络的度分布高度偏斜，具有指数尾部，这与原始的幂律电子邮件度分布不同。原始分布适用于内部和外部节点，且电子邮件量没有阈值。原始网络中的无标度分布是因为有许多外部节点只与组织内的一个人通信，也有一些组织内的人向许多人发送公告，从而具有很高的度。而当施加维护社交联系的更高成本（即至少发送和接收6封电子邮件）时，拥有许多联系人的个体就会减少。

2. 模拟米尔格拉姆实验

研究人员在惠普实验室员工的电子邮件网络上模拟了米尔格拉姆的小世界实验。该网络中任意两个人之间平均有3.1条边分隔，中位数为3。为了确定网络成员是否能够使用简单的贪心算法找到目标，研究人员进行了模拟实验。在这个简单算法中，每个个体只能使用自己的电子邮件联系人信息，而不能使用联系人的联系人信息来转发消息。
实验测试了三种不同的策略：
- 最佳连接策略 ：选择与更多人相识，更有可能认识目标的个体。但在过滤后的惠普网络中，联系人分布不是幂律分布，该策略