cs224w-第2课：网络属性和随机图模型 之 真实世界的网络属性

上一篇博客中提到了网络属性的定义和计算方式，这一篇我们根据定义计算出真实世界的网络属性值（以MSN为例）。

1. MSN Messenger 1个月的活动数据

数据量	行为
245M	用户登录
180M	用户参与对话
>1.3B	对话次数
>255B	对话信息条数

其中： M 代表 百万次，B 代表 十亿次
以用户之间至少有一条信息交换构图，可得一幅有180M个节点、1.3B条边的复杂图。

2. 网络属性

2.1 Degree Distribution

取两次对数得下图：

我的理解: 由图上可知，极少数人和超过1000个人进行了沟通，大多数人（超过99%）一个月内沟通的人数在0-100的数量范围内。

2.2 Clustering

我的理解: MSN中平均集聚系数0.11，我感觉是不太高的，但是这个数字多少可能不具备太多含义，更多比较得可能是对比效果，结合具体的不同网络背景的对比效果。比如微信网络和微博网络。

2.3 Connected components

我的理解: 最大的连通子图包含了99.9%的节点，说明绝大多数人是一个团体，保持着相互联系。另外左边斜线，说明存在大量子图的节点数目集中在0-50的数量上，并且他们与社会大众并无联系。说明MSN一个月的沟通图是一个很多子网络不连通的复杂网络。

2.4 Diameter of WCC

我的理解: MSN网络中节点之间的平均路径长度为6.6，90%的节点之间通过8跳可以到达。哈哈哈，之前是谁说通过6个人可以找到世界上任何一个人来着，那肯定不是通过一个月的MSN找到的。

2.5 小结 MSN: key network properties

属性	值
Degree distribution	$Heavily,skewed;avg.degree=14.4$
Path length	$6.6$
Clustering coefficient	$0.11$
Connected components	$giantcomponent$

说明：
（1）节点度数分布严重倾斜，平均节点度数为14.4，即MSN中平均每个人一个月和14.4个人保持联系
（2）giant component，复杂网络中很多网络不连通

2.6 Another example：PPI Network

PPI Network：蛋白互作网络。

3 学习来源

感谢斯坦福CS224w 2019秋季！