|
引言： 从“点”到“面”——网络整体结构的重要性上一期我们聚焦节点层面的中心度指标，回答“谁最重要”。 本期转向网络层面的整体结构指标，回答三个关键问题： 关系总体稀疏还是稠密？ → 密度 节点是否倾向于抱团？ → 聚类系数 信息能否快速跨越全网？ → 小世界特性
这些指标共同刻画网络的连通性、模块化与传播效率，是组织诊断、传播预测、社区发现的基础。
一、密度（Density）
1. 概念网络中实际存在的连边数占理论最大可能连边数的比例。
衡量关系的“饱和度”。
其中 ( |E| ) 为边数，( n ) 为节点数。
3. 取值范围与解读 密度值 | 网络类型 | 典型特征 | 接近 0 | 稀疏网络 | 关系稀少，信息孤岛 | 0.1–0.3 | 现实社会网络 | 多数组织、社交平台 | 接近 1 | 完全图 | 所有节点互连，极端稠密 |
3. 局限- 规模敏感：大网络天然密度低
- 不反映结构异质性：高密度网络可能存在孤立子图。
二、聚类系数（Clustering Coefficient）
1. 概念节点的邻居之间相互连接的程度。反映“朋友的朋友也是朋友”的三角闭合倾向。 2. 测量方法 3.解读- 高聚类：存在紧密小团体，信任传递快，但易形成信息茧房。
- 低聚类：关系松散，创新跨界容易，但协作成本高。
三、小世界特性（Small-World Property）
1. 概念高聚类系数 + 低平均路径长度 的网络结构。兼具局部紧密与全局高效。 2. 测量指标 - ( C, L )：真实网络值
Crand, Lrand ：同规模同密度的随机网络
判断标准：σ>1→ 小世界网络 四、三指标联合诊断框架 密度 | 聚类系数 | 路径长度 | 网络诊断 | 高 | 高 | 高 | 封闭小团体（如家族企业） | 高 | 高 | 低 | 高效协作组织（如谷歌早期） | 低 | 高 | 低 | 典型小世界（如科研合作网） | 低 | 低 | 低 | 稀疏随机网（如陌生人社交） |
四、总结
密度、聚类系数、小世界特性构成网络结构的“三棱镜”： - 密度看总体活跃度
- 聚类看局部凝聚力
- 小世界看全局传播力
参考文献 - Watts, D. J., & Strogatz, S. H. (1998). Collective dynamics of ‘small-world’ networks. Nature.
- Barrat, A., & Weigt, M. (2000). On the properties of small-world networks. European Physical Journal B.
- Newman, M. E. J. (2010). Networks: An Introduction. Oxford University Press
| 
发表于 2025-11-3 14:12:42
