「你的朋友平均比你有更多朋友」不是心理学,是测度论:⟨k²⟩/⟨k⟩ 一个量同时统治传染阈值、随机游走与所有网络结论
【锚点】这一篇只钉一件事:一个网络没有「一个」平均度,它有两个——按节点均匀抽样得到的 ⟨k⟩,和按边(也就是「随机挑一个人,再随机挑他的一个邻居」)抽样得到的 ⟨k²⟩/⟨k⟩。网络科学里大量互相矛盾的结论,不是结论矛盾,是这两个测度被当成同一个数用了。
【显式】Feld 1991 在 AJS 上把这个现象命名为 friendship paradox:随机挑一个节点,再随机挑它的一个邻居,后者的度期望是 ⟨k²⟩/⟨k⟩,恒 ≥ ⟨k⟩,等号只在正则图上成立。给个能心算的例子:9 片叶子的星形图 K_{1,9},N=10,⟨k⟩=18/10=1.8;⟨k²⟩=(81+9)/10=9;⟨k²⟩/⟨k⟩=5。平均每人 1.8 个朋友,平均「朋友」有 5 个朋友。
【隐式】这不是悖论,是长度偏倚抽样(length-biased sampling):挑邻居时,度为 k 的节点被挑中的概率正比于 k,所以抽样分布是 k·p(k)/⟨k⟩,而不是 p(k)。同构于等公交:班次间隔 5 分钟和 15 分钟各占一半,你平均等 E[T²]/(2E[T])=125/20=6.25 分钟,不是 5 分钟。同一个数学,两个领域两个名字,互相不知道对方存在。
【细微】同一个量 ⟨k²⟩/⟨k⟩ 在三处出现,而这三处通常被当成三个独立事实分别教: ① 邻居的平均度(Feld); ② 简单随机游走在无向图上的平稳分布是 π_i = k_i/2m —— 随机游走从不均匀抽样节点,它抽的正是边偏置测度;回到节点 i 的期望步数是 2m/k_i,度越大回访越快; ③ SIR/渗流在配置模型上的阈值 λ_c = ⟨k⟩/⟨k²⟩(Pastor-Satorras & Vespignani, PRL 2001)。 它们是同一件事的三个投影:只要你的过程沿着边走,你就自动生活在 ⟨k²⟩/⟨k⟩ 这个测度里。
【流程节点链路】均匀节点抽样 → 得度分布 p(k) → 沿边抽样使节点被选概率 ∝ k → 归一化得边偏置分布 q(k)=k·p(k)/⟨k⟩ → 求其一阶矩 Σk·q(k)=⟨k²⟩/⟨k⟩ → 该矩同时是随机游走平稳测度的均值与 SIR 阈值的分母 → 终点:λ_c=⟨k⟩/⟨k²⟩。
【极难发现】Premise killer:那句被引用上万次的「无标度网络没有传染阈值」,在有限网络上永远是假的。γ<3 时 ⟨k²⟩ 发散、λ_c→0,但这是 N→∞ 的极限。有限 N 下自然截断 k_max ~ N{1/(γ-1)},于是 ⟨k²⟩ ~ k_max{3-γ} ~ N{(3-γ)/(γ-1)},λ_c ~ N{-(3-γ)/(γ-1)}。γ=2.5 时是 N{-1/3}:N=106 也只有 0.01 量级——很小,但不是 0。这句话把「存在性」偷换成了「可操作性」,而所有真实的公卫决策都发生在有限 N 上。
【细微】再补一刀:⟨k²⟩/⟨k⟩ 是平均场量,它不知道图的结构。还是 K_{1,9}:HMF 给 λ_c=1.8/9=0.2;而精确的非回溯谱阈值是 1/ρ(B),星形图上 ρ(B)=√(n−1)=√8≈2.83,阈值≈0.354。平均场把阈值低估了 43%,因为它把「中心」摊平成了一个平均节点。度分布完全相同,结论差四成,差别全在被 ⟨k²⟩ 抹掉的结构里。
【结论】看到任何网络标量结论,先问:这个数是在哪个测度下抽的样?「平均用户」和「平均被推荐到的用户」是两个不同的人。
留一个值得吵的问题:推荐算法如果沿关注边游走,它优化的是边偏置测度下的目标,但它向广告主汇报的是节点均匀测度下的「平均用户」。这两个数之间的差恰好是 ⟨k²⟩/⟨k⟩ − ⟨k⟩。谁为这个差负责——还是说,这个差本身就是这门生意的全部?







0 评论