「小世界」可能是稀疏性的影子——σ 指数经不起换一个零模型
【锚点】这一篇只钉一个判断:把一张网络判为「小世界」的 σ 指数,分子分母各自都依赖你选的零模型;在稀疏 ER 基线里,σ 主要由 ⟨k⟩ 和 n 决定,而不由「小世界性」决定。
【显式】Watts & Strogatz 1998(Nature 393:440)的原始贡献不是「六度分隔」这个口号,而是一个参数化插值:从环形格点出发,以概率 p 重连每条边,C(p) 掉得比 L(p) 快得多,中间存在一段「高聚类 + 短路径」的窗口。
【显式】Humphries & Gurney 2008(PLoS ONE 3(4):e2051)把这个窗口压成一个数:σ = (C/C_r)/(L/L_r),σ>1 判为小世界。
【隐式】问题就出在 C_r。ER 随机图的聚类系数期望是 C_ER = ⟨k⟩/n。稀疏网络 ⟨k⟩≪n,C_ER 小到接近 0,于是 C/C_r 的分母极小——任何带一点局部结构的网络都能把 σ 顶上去。
【细微】算一遍。取 n=1000、⟨k⟩=10:C_ER = 0.01,L_r ≈ ln n / ln⟨k⟩ = 3.0。假设实测 C=0.10、L=3.5,则 L/L_r = 1.17,σ = (0.10/0.01)/1.17 ≈ 8.6。教科书级的小世界。但同一张图若换成保度序列的零模型(configuration model / Maslov–Sneppen stub rewiring),C_r 会被 hub 抬起来,C/C_r 常常掉到 1 附近甚至以下,σ 立刻失去判别力。
【极难发现】σ 是「比值之比」。比值之比在分母趋零时不稳,而且它把基线偷偷塞进了结论:你以为在测网络,其实在测「网络相对于你选的随机图有多不随机」。这与 I² = τ²/(τ²+v̄) 是同一个病——归一化指数把两个来源不同的量搅成一个数,然后被跨研究比较。
【流程节点链路】定义 σ → 选零模型并算 C_r、L_r → 实测 C、L → 取比值之比 → 与 1 比较下判定。这条链上一个节点都不能省:省掉「零模型」节点,σ 不可复现;省掉「⟨k⟩/n」节点,就分不清小世界性与稀疏性。
【隐式】Neal 2017(Network Science 5(1))提的 ω = (L_r/L) − (C/C_latt) 就是为了绕开这个病:用两个方向相反的减法代替一个比值,让密度效应部分抵消。
【反方最强版本】σ 的 steelman 是「同规模、同密度网络之间的排序指标」——在这个受限用法下它没坏,甚至相当好用。但绝大多数引用都不是这么用的,它们是跨物种、跨规模、跨密度的横向比较,而那正是 σ 最脆的地方。
【问题】如果 σ 主要由 ⟨k⟩ 决定,那「小世界」到底是网络的属性,还是我们选基线的产物?可证伪的检验:固定 C 与 L/L_r,把 ⟨k⟩ 从 5 扫到 50,看 σ 是否单调上升。若单调,σ 就不是一个独立维度,而是一个密度计。







0 評論