ACM通信

在线人际网络高度集中，少数节点占据了大部分连接。传统观点认为，这是所谓的“优先依恋”的产物。在Barabasi和Albert的[1]公式中，添加到任何网络的新节点(连接器)将更倾向于优先连接到现有的节点，以已经有大量连接的节点为目标。原因很简单，尤其是在社交网络中。每个人都喜欢赢家。这个想法在人与人在线网络领域得到了深入的探索。

然而，对于优先依附，可能还有另一种补充的解释:交易成本。连接到高度连接的节点的价值不仅在于该节点为您提供了什么:访问或可见性。通过连接到一个已经紧密连接的节点，您可以更便宜、更快、更全面地了解整个网络。从观察高度中心的节点中获得的知识降低了与其他较远节点交互的成本。总而言之，中心化带来了更高效的通信和控制，从而降低了交易成本，最终增加了每个节点可以花在核心非通信任务上的有用工作量[2]。

让我们简化一下。任何社会和协作系统(所有网络都是为了支持这样的系统而建立的)都要求其成员将有用的工作至少分为两种类型的活动。首先，有网络的核心活动。其次，有一些活动可以帮助用户监视网络的状态。后一种活动帮助用户决定他们的优先事项:何时以及如何参与核心活动，他们工作的性质，要做或要避免的事情，等等。

当然，连接器和整个网络都将受益于最大限度地将时间花在核心活动上，并将时间花在监视活动上，后者只产生交易成本。高度分散的网络比集中式网络对连接器施加了更高的交易和通信成本。网络越去中心化，通信和交易成本就越低。网络越集中，普通节点的平均交易成本越低。

这很容易证明。想象一下，我们有一个鱼网网络，除了边缘的节点外，每个节点都由相同数量的其他节点连接。在经典的拓扑结构中，每个节点将连接到其他四个节点。它们又会与其他三个相连，以此类推。任何节点都需要在通信和监视方面投入一定数量的有用工作:整个网络如何运行，需要做什么，由谁来做，等等。由于所有连接器都需要通过它们的邻居来完成这一点，而且网络越广泛，每个节点就需要花费越多的时间来监视自己和其他节点。需要的映像越全面，或者通信的影响越深远，所有连接器之间的通信、请求、接收和发送更多信息的时间就越多。沟通需要时间和有用的工作。这不仅会影响直接请求信息的节点，还会影响信息流经过的所有节点。由于去中心化的网络是水桶队列，每一个比特信息到达目的地，都需要许多人来处理。 Communication requests will increasingly burden the networks. With increases in network size, transaction costs increase to the point where all nodes need to spend their entire useful work merely on monitoring the network status. For large-enough networks, the available aggregated work of the connectors might not cover the communication needs of the system as a whole. Such networks waste all their members' useful work in transaction costs. To work at all, they need to break up into subnetworks until sufficient useful work is liberated from the realm of communication and redirected to core activities.

现在，想象一个高度集中的网络，有数量有限的高度连接的节点和许多其他依赖于它们的节点，作为中继，直到一个连接到普通连接器(节点)。这种分层网络给每个平均节点施加了最小的交易成本。中心节点通过其大量的入站连接，几乎不需要花费任何成本就能接收到大量关于网络的信息。处理成本并非微不足道，但是如果将信息传递到超连接器的中继节点自己进行一些处理，则处理成本会显著降低。在对信息进行最终处理和整理后，最中心的节点通过其中继从属节点将信息以离散和蒸馏的批量分散。相同的蒸馏数据以一种类似广播的模型发送到许多节点:一对多。终端连接器的事务成本变得最小，因为它们只需要花费有用的工作在短时间和不频繁的突发中请求和使用信息。

从这个角度来看，优先连接对连接器很有意义。优先连接到控制大量信息的节点可以降低交易成本。此外，集中化速度更快的网络可以增长得更快、更大，呈现出进化优势，并更快地吸引更多的新节点。此外，不集中的网络很快就会崩溃，在交易成本的压力下分裂成更小的网络。当然，即使是成功的网络也会遇到增长的绝对限制，因为即使是超中心化也无法跟上不断增长的聚合交易成本。

通过交易成本来解释优先依恋的想法相对容易通过模拟(我们正在进行一些实验)和人类协作网络的实证研究(我们也在进行这方面的研究，使用维基百科的联合编辑网络作为试验场)来验证。

顺便说一句，我在2018年3月与阿尔贝·拉兹洛·巴拉巴斯他是偏好依附理论的提出者，研究了交易成本在偏好依附产生无标度网络中的作用和重要性。他告诉我，到目前为止，他的注意力还不太集中在这个方法上，只有一些经济学家[3][4]研究了这个问题的空间方面，其中交易成本被解释为运输成本。是时候进行一些研究来验证这个想法了!我们可能会有所发现。如果你有关于这个问题的建议、想法或论文的引用，请告诉我。

[1] Barabási, a.l。Albert, R.(1999)。随机网络中尺度的出现。科学，286(5439), 509 - 512。

[2]马泰，s.a.和布里特，b.c.(2017)。社交媒体的结构分化:弹性、熵和“1%效应”(第1版)。施普林格出版公司

[3]博施马，R.和弗伦肯，K.(2010)。创新网络的空间演化。接近性视角。进化经济地理学手册, 120 - 135。

[4]赫肖，E. J. S.和威尔逊，M. M. J.(2013)。供应链网络理论的复杂网络方法。国际经营与生产管理杂志，33(4), 442 - 469。https://doi.org/10.1108/01443571311307343

[5] Kunegis, J.， Blattner, M.和Moser, C.(2013)。在线网络中的偏好依附:测量与解释。在第五届ACM网络科学年会论文集(页205 - 214)。美国纽约:ACM。https://doi.org/10.1145/2464464.2464514

索林·亚当·马泰他是普渡大学研究副院长和传播学教授，同时也是普渡大学部队行动领先的研究团队，利用大数据、模拟和映射方法研究技术和社会系统之间的关系。