您当前的位置：首页 > 汽车点评 >> 大众

摆脱顿巴数的魔咒

2019-03-18 09:14:39

摆脱顿巴数的魔咒

社交是人类的一个最基本的需求。但是，自然给我们人类的大脑，只能让我们维系个左右的好友。超出这个范围，就会有好友慢慢地被淡忘。很多社会群体的平均大小是150，这个数也被称为顿巴数(Dunbar Number)[1]。例如，公元前6000年左右，中东地区新石器时代村落的人数大约在人之间。在罗马共和国时期，罗马军队的一个基本作战单位的人数大约为130。20世纪50年代以来，社会学家了解到，人之间的公司可以基于人际关系运作，一旦超过，就需要各类等级制度和管理结构[2]。

在近代以前，绝大部分人生活在人之间的固定圈子里。圈子里的人之间有着良好的人际关系，而与圈子外的人很少有联系。因此，他们仅仅用大脑就可以管理整个圈子中的社交关系。当然，在这150个人中也有亲疏不同。其中最亲密的，大概包括人，组成一个很小的核心圈。是用临阵对敌其次是稍大一些的圈子，大约人[2]。再次就是整个圈子。

但是，现代社会的流动性改变了这一切。我们随着成长，从一个地方迁移到另一个地方，从一个圈子迁移到另一个圈子。对于大多数人而言，我们在一个地方出生和长大，去一个新的地方求学，认识新的朋友。毕业后，我们再去一个新的地方工作，认识新的同事在每一个阶段，我们都会有好友，也会有密友。但是随着迁移，旧的好友慢慢地被淡忘。Dunbar等人指出，每年我们会遗忘大约15%的好友，而旧时的密友也会从我们社交圈的中心，慢慢地退到圈子的边缘，甚至最终消失[1]。

遗忘旧朋友并不是唯一的问题。当我们到一个新的地方，需要结识新的朋友，融入新的环境，这一过程又变得有些吃力。尽管我们有各种各样的技术手段，但是，面对面的沟通和交流仍然是结识朋友的主要手段。据研究统计，我们每天40%的时间，只用来和5个人打交道。而这5个人，往往还是我们的密友[1]。在现在这样一个快节奏的时代，面对面交流，对于快速地结交好友而言，效率显然有些低下。

我们期望结识新朋友，不忘老朋友。可事实上，我们正处在一种难交新朋友，忘却老朋友的尴尬处境中。现在社交络类的站和软件，正在努力地帮我们改变这种尴尬的处境。通过社交络，我们可以添加相当多的好友，数百个甚至数千个。这似乎解决了我们的问题，但这只是表面现象：实际上，我们还是管不过来。在一个成熟的社交络中，用户的平均好友数仅为。当好友数超过，有些好友几乎就认不出来[1]。这昭示了一个可笑的，但是却不得不让人接受的事实：社交络的确进化到了21世纪，可是我们大脑，并不比几千年前有多大的改观。看起来，顿巴数就像个魔咒。尽管我们做了很多努力，仍然摆脱不了。

可是，为什么我们不直接把我们的生活圈子(包括过去的、当前的、正在进入的)直接地在社交络中列出来呢?那样的话，我们就可以很好地管理和识别我们多年来积攒的好友，有些也许已经淡忘，但是当把他们放回到他们所在的圈子中时，那些忘却的姓名将再度清晰;我们也可以利用圈子中人脉的力量，去寻找失散多年的好友;我们也可以跟旧时的玩伴分享现在的故事，他们也一定很渴望知道我们的近况;当我们进入一个新的环境，只需要加几个好友，圈子就能为我们展示更多的潜在好友，帮助我们快速地融入新的环境是啊，为什么不呢?

圈子，就这么诞生了。

理念到实现的距离

理念到实现的距离，是一个合适的技术方案。圈子的计算思想很简单：第一步，找到可能的圈友;第二步，分圈。

寻找可能的圈友，相对来说比较简单。众所周知，使用的账号是号码。正是号码，天然地成为了寻找好友的障碍因为我们并不知道他们的号码是多少。但是，我们相信，如果他们有号码，总会有人知道。而这些人，就藏在我们的好友列表中。换句话说，那些失散多年的好友，很有可能就藏在我们的好友的好友(下文称为潜在好友)中。经过长期的数据分析和评估，我们最后做了个简单而又有效的设定，那就是把我们的圈友限定在好友和与我们关系紧密的潜在好友中。基于这个圈友列表，我们又设计了一套严谨的清洗、筛选和过滤算法。设计这些清洗、筛选和过滤算法的目的，一是为了变得无奈保护隐私，二是为了提高推送的准确度。

分圈是最关键，也是最难的步骤。在真实的社交络中，同一个圈子的人彼此熟识，而不同圈子的人之间，却鲜有交情。映射到的账号体系中，这就等价于，同一个圈子的人互相加为好友，而不同圈子的人则彼此为陌生人。这一从现实生活中得来的经验，是我们整个分圈算法的基本假设。

其实，基于这一假设的分圈算法并不罕见。学术界对与社交络的分圈算法早有研究，其中较为流行的是Newman等人提出的分圈算法[3, 4]。我们在初期也尝试了Newman等人的方法，却发现这个算法比较消耗计算能力，而分出来的效果，远远达不到我们的要求。我们还尝试了文献中的另外一些方法，如Raghavan 等人[5]的一种随机扩散算法等。Raghavan 等人的算法大幅度地减少了运算量，可惜分出来的效果，仍然达不到我们的要求。我们想要展示的圈子，要更好一些，更准确一些。

最后我们决定自己开发一套算法。经过长时间的尝试和实验，我们设计了一种找朋友算法。如同已有的社交络分圈算法，找朋友算法只使用了号码之间是否为好友这一最简单而直接的数据。这一算法的计算相对简单，效果却优于我们尝试过的所有方法。在算法里，每个圈子都在通过找朋友让自己变得更好。这里好的标准，也就是让圈子内的好友联系尽可能地紧密，而与圈子外的好友则尽可能地没有联系。

为了能让大家更好地识别圈子和圈友，我们还设计了特别的算法，尝试为圈子和圈友提供参考名称。在算法设计的过程中，我们花了相当多的时间和精力去保护隐私。例如，在一个圈子里，只有大部分圈子成员对某一个圈子成员都使用严格相同的备注名，这个备注名才会被聚合出来。而且这个备注名也仅仅只展现给这个圈子中的核心成员。所有的名称也都经过了非常严格和全面的脏词、敏感词等的过滤。此外，我们还基于小世界络的理论[6, 7]精心设计了圈友的排序。我们还做了智能备注这样的功能，如果你愿意，可以快速地将圈子上的备注名复制到的好友列表中

新的开始

我们所做的一切，都是为了帮助我们有限的大脑来应对现在多变的社交环境。圈子将会是一个智能的平台。这个平台可以辅助我们做很多琐碎的，有时也很困难的事情：譬如分组，备注，寻找好友。这个平台可以集成好友的通信方式，也能集成好友的消息动态，省去我们到处检索和浏览的精力。这个平台可以帮助我们维系现有关系，重拾失散的好友，也能帮助我们探索更多好友，拓展我们的社交络。这个平台能帮助我们盘活我们的社会资本，为我们的生活带来更多的精彩!

圈子，将是一个崭新的开始!

参考文献：

1. Dunbar,R., Youve Got to Have (150) e New York Times, The Opinion Pages, 2010.

2. Dunbar,R., How Many Friends Does One Person Need?:Dunbars Number and Other Evolutionary Quirks. 2010: Harvard Univ Pr.

3. Newman,M.E.J., Modularity and communitystructure in networks. Proceedings of the National Academy of Sciences,2006. 103(23): p. 8577.

4. Newman,M.E.J. and M. Girvan, Finding andevaluating community structure in networks. Physical review E, 2004. 69(2): p. 026113.

5. Raghavan,U.N., R. Albert, and S. Kumara, Nearlinear time algorithm to detect community structures in large-scale ysical review E, 2007. 76(3): p.036106.

6. Adamic,L., The small world web. Research andAdvanced Technology for Digital Libraries, 1999: p. .

7. Collins,J.J. and C.C. Chow, Its a small world. Nature,

1998. 393(6684): p. .人在烟霞泉石间

肌肉酸痛吃什么药
血糖高的危害
高血压饮食与中医调养

TAG：