首页 / 小说书库 / 万物皆计算:科学奇才的探索之旅 / 正文
点评
第13章 Facebook世界里的数据科学

值得一提的是,如果我们观察Facebook用户的好友数量分布,它非常符合规模指数为-2.8的幂律分布[1]。这是许多网络的常见形式,可以理解为“优先连接”效应的结果,即随着网络的发展,已经具有连接的节点更易于获得更多的连接,从而形成具有幂律特征的无标度网络。

让我们更详细地看一下单个用户的社交网络。我在Facebook上不够活跃,所以我的社交网络不那么有趣。但是我15岁的女儿凯瑟琳很乐于让我展示她的社交网络:

凯瑟琳的每一个Facebook好友就是一个点,他们之间的连接显示了好友关系。(其中没有凯瑟琳自己的点,因为她与其他每个点都相连。)该网络布局展示了好友的聚类或“社群”[使用Wolfram语言的FindGraphCommunities(求图中社群)函数生成]。令人惊奇的是,这个网络在很大程度上“讲了一个故事”,每个聚类对应着凯瑟琳生活或过往的一部分。

这是来自我们的数据捐赠者的一系列网络:

毫无疑问,每个网络都讲述了不同的故事。但我们仍然可以生成整体的统计数据。例如,下页上图展示了好友聚类数量随用户年龄变化的情况(如果我们有更多数据,数据干扰会更小)。

在13岁时,人们通常会有大约3个好友聚类(可能是学校、家庭和社区)。随着年龄的增长,他们进入不同的学校、找到工作等,会积累更多的聚类。这个数字在大约30岁时达到最大,不过这很大程度上可能是因为Facebook存在的时间有限。

典型的聚类规模如何?最大的聚类通常大约有100个好友。下图展示了最大聚类的规模随用户年龄变化的情况:

下图展示了最大聚类相对规模占整个社交网络的比例(相对规模)随用户年龄变化的情况:

那么,网络的其他一些属性如何呢?是否存在某种网络结构的“周期表”?或者类似很久以前我为元胞自动机设计的分类方案?

第一步是找到每个网络的某种标志性摘要,我们可以通过查看聚类的整体连通性来实现,同时忽略它们的子结构。因此,对于凯瑟琳(她恰好提出了这个想法),她的社交网络可以简化为以下“聚类图”:

对前面展示的数据捐赠者的社交网络,我们做同样的处理,得到以下结果:

在制作这些图表时,我们保证每个聚类中至少有两位好友。但为了得到更好的整体视图,我们可以删除所有人数不到总好友数10%的聚类。这样,凯瑟琳的好友聚类图变成了这样:

现在,我们可以统计出所有数据捐赠者的社交网络中不同类型结构的相对数量。

我们也可以看到每种结构的占比随用户年龄变化而变化的情况:

我们可以从中得到什么结论?最常见的结构由两个或三个主要聚类组成,并且聚类之间都有连接。但也有一些结构中的主要聚类之间完全没有连接,这可能反映了某人生活的某些特征,这些特征因地理或生活内容原因完全不相关联。

对于每个人来说,他们的好友聚类图背后都有不同的故事。有人可能认为,这意味着永远不会有一个关于这些事物的通用理论。在某种程度上,这就像试图找到人类历史的通用理论,或者生物进化的通用理论。但Facebook世界的有趣之处在于,它为我们提供了更多数据,从而可能形成通用理论。

我们不仅可以观察好友聚类图或者好友网络之类的东西,还可以深入挖掘。例如,我们可以分析人们在Facebook上的发文,对他们谈论的话题进行分类(这用到了Wolfram语言编写的自然语言分类器,它是用一些大型语料库训练而来的):

每个主题中都有一些高频出现的特定词语:

▲图中以词云形式展示了各个主题下的高频词语,字号越大则出现频率越高。各主题下词云中个别典型关键词如下:

▲2 指在健身时使用5磅的哑铃完成10次动作。5磅约等于2.27千克。——编者注

我们可以分析每个主题的流行度随用户年龄变化的情况:

这些发现令人震惊,它们告诉了我们人们典型兴趣的演变。随着年龄增长,人们谈论“电子游戏”的次数越来越少,而谈论“政治”和“天气”的次数越来越多。男性通常比女性更多地谈论“体育”和“技术”,而且令我有些惊讶的是,他们也谈论很多“电影”“电视”和“音乐”。女性更多地谈论“宠物+动物”“家人+好友”“婚恋”,在达到生育年龄后,她们还更多地谈论“健康”。人们谈论“学校”的高峰(不出所料)在20岁左右。人们在青少年时期对“特殊场合”(主要是生日)的谈论兴趣逐渐减少,但之后又逐渐增加。人们在20多岁时对谈论“职业+金钱”的兴趣越来越大,等等。

其中一些模式是令人失望的老一套。不同年龄段的人们各有各的不同,了解了这种多样性,我们对大部分内容就都不会感到惊讶。但对我来说,令人惊奇的是,我们能够从图中看到这些以定量的方式呈现出来的细节——这可以看作人们一生中思考范畴变化的特征。

当然,这些图片都是基于细致匿名化处理的聚合数据生成的。但如果观察个体,我们将看到许多其他有趣的事情。例如,就个人而言,我非常好奇地分析了自己近25年的电子邮件档案,然后通过与整体人群的对比来预测自己的一些情况。

本章共 4 页 (每页约 2000 字) · 当前第 3 页 单页阅读全部 →
1 2 3 4
跳到
上一章
目录
下一章
纠错
加书签
详情
加书架
打赏
投票
自动滚动
设置
夜间

评论 0条

加载中...

设置

阅读主题
正文字体
字体大小
18
页面宽度
滚动速度
5
语音朗读
翻页模式
💎

余额不足

您的水晶或能量余额不足,请充值后再试。

立即前往充值

🎫 投月票

1 张月票 = 1.00 水晶。感谢支持!

🎁 打赏作品

打赏将直接扣除水晶余额,鼓励作者创作。