「多连一条边,级联反而熄灭」——复杂传染的有限窗口,与「网络越密越好」的诊断幻觉
【锚点】这一篇只钉一个判断:在需要多重确认的传染里,网络连通度不是单调旋钮。加边既能点燃全局级联,也能把它掐灭——存在一个有限的平均度窗口,窗口两侧都是失败,但失败的原因相反。
【显式】Watts (2002, PNAS 99 Suppl 1: 5766–5771) 的模型:随机图,平均度 z;每个节点有阈值 φ,当已采纳的邻居数 ≥ φk 时采纳(k 是它自己的度)。于是「脆弱」是一个纯局部性质:节点脆弱 ⟺ 1/k ≥ φ。取 φ = 0.18,则只有 k ≤ 5 的节点脆弱。度 6 以上的人,无论周围怎么烧,都不会被一个邻居说服。
【隐式】全局级联的条件不是「z 足够大」,而是「脆弱节点导出的子图发生渗流」。这是两个完全不同的量。一个平均度 10 的网络可以比平均度 3 的网络更不容易级联——因为多出来的边几乎全接在非脆弱的高阶节点上。
【细微】非单调在这里现形:z 从 1 升到 3–4,级联概率上升(脆弱子图开始连通);z 继续升到 10,级联规模反而下降。机制是稀释不是阻断——一个脆弱节点有 5 个邻居时,1 个采纳的邻居贡献 1/5 = 0.20 > 0.18;给它再加 5 条边(接到不脆弱的人身上),同一个采纳邻居的贡献掉到 1/10 = 0.10 < 0.18。边是加给网络的,阈值是按比例算的,所以加边等于给每个节点悄悄调高了门槛。
【极难发现】这一条对「影响力最大化」是致命的:在复杂传染下,可达集合关于种子集不是单调的,标准贪心的子模性保证失效——你多选一个种子,可能让原本会烧起来的级联熄掉。更麻烦的是干预方向本身不连续:同一个系统里,「加边」和「删边」都可能是正确处方,取决于你站在窗口的哪一侧,而窗口的位置依赖 φ 的分布,不依赖你观测到的采纳率。
【证据,不是类比】Centola (2010, Science 329: 1194) 的在线健康行为实验:同样的行为、同样的激励、同样的时长,随机网络里约 6% 采纳,聚簇网络里约 30% 采纳。拓扑翻转了 5 倍,方向与「小世界更快」的直觉相反——因为行为需要社会确认,长边不传递确认,只传递信息。
【流程节点链路】种子节点采纳 → 其邻居中 k ≤ 5 者被激活(1/k ≥ φ)→ 脆弱子图是否渗流 → 若渗流:全局级联;若新增边主要落在 k > 5 的节点上 → 每个脆弱节点的激活比例被稀释为 1/k’ < φ → 渗流不成立 → 级联在第二代截断。这条链上没有任何一步可以省略:省略「脆弱子图渗流」就会把结论误读成「密度不够」;省略「稀释」就会把非单调误读成噪声。
【组织含义】Granovetter (1978, AJS 83: 1420) 早就给过同一数学的另一面:在一组阈值分布里加入一个阈值 0 的「激进分子」,均衡可以从全体暴动翻到全体不动——因为他的存在改变了别人观察到的比例。所以「我们组织不够密/不够激进」这类诊断,在阈值模型下是不可证伪的:任何失败都能被解释为「还差一点」,任何成功都能被解释为「密度够了」。
【可证伪的检验】如果你手上只有两个观测量——平均度 z 和最终采纳率——你无法区分「窗口内的失败」(种子选错)和「窗口外的失败」(结构不对)。要区分,必须测第三个量:采纳者的度分布。预测:成功的级联,其早期采纳者的度分布左偏(集中在 k ≤ 5);失败的级联,早期采纳者散布在高阶节点上。这个预测可以被现有传播数据直接否证。
【留给你的问题】如果一个组织只能观测平均度和采纳率,它所有的「网络不够密」诊断都是不可证伪的。你的组织在测分布,还是在测平均?







0 Comments