六度空间

1. 你知道吗？其实从一出生，我们就和世界上每个人都有联系，并且不超过六个人！
   这就是六度空间理论，又名六度分隔理论，意思是你至多只要通过六个人就能认识全世界的任意一个人，可以这样算：假设一个人能认识25个人或以上，那经过7次介绍之后(间隔6人)，一个人可以被介绍给25的7次方，等于6103515625人，超过60亿!当然，前提假设是平均每个人能认识25个人或以上，美国科学家早在上世纪60年代就提出了这一理论,据英国《每日邮报》近日报道,美国研究人员通过精密计算进一步发展了这一理论。美国微软公司的研究人员选取了2006年某月通过微软网络发送的300亿条即时信息。计算结果显示,78%的用户可与另一用户通过6.6条信息相连。也就是说,平均通过6.6个人就能把世界上任何两个人联系起来。普通人要想与歌星麦当娜或英国女王取得联系,其实只需要7个熟人而已。研究人员埃里克·霍维茨说,“人们一直将六度分隔理论当作一个民间传说。但没想到事实的确如此。不管是美国总统还是好莱坞明星,只要找到正确的6个人,我们就能联系起来。”
   六度分割通常用来描述一个广阔的社会网络（SN），现在大部分的社会网络服务都提供了搜索功能，即搜索出一个用户到达另外一个用户的最短路径，也就是找出这两个用户之间通过最少的用户的链接。
   一般的SN提供的搜索都是4度的，也就是例如A-B-C-D-E
   称为4度的分隔。提供5度搜索和6度搜索的几乎寥寥无几，当然一方面是5，6度分隔的用户很少，大部分的用户都应该在4度内，另外一个方面是5，6度分隔的搜索在实际计算上也涉及非常大的运算量。
   【SN搜索算法】注：(已下所有都是不去除本身的)
   如果说寻找两个人之间的最小分隔的路径和寻找最短路径可以类比，那么唯一不同的是SN上每个节点的联系可以非常的广阔，不只是上下左右，而是十个甚至上百个联系。这是是一个多维空间内的最短路径的寻找。假设一个用户平均有n个好友，那么粗略估计一个用户的4度好友大约有n×n×n×n＋n×n×n+n×n+n
   ~ n^4，无疑是一个非常恐怖的数目。因此采用传统的递归的方法显然是不大现实的。
   当然，事情并非这么麻烦，有简洁的方法可以加快找到用户之间的最小分隔：不单是从一个用户搜索，而是从两个用户同时搜索，而看两个用户的2度之内的用户是否有相同：
   A-B-C E-D-C
   A和E的处在在两度分隔的用户基本上数目估计都在n的平方。问题变成了比较n^2和n^2之间有没有相同，这个计算的时间等同于2×n^2的排序所需要的时间。
   【SN索引】 那么能否继续加快速度？
   当然可以，可以提前对用户的好友进行索引，对好友的好友进行索引，这样在未来进行关系的搜索时会大大加快： A: {A1} {A2}
   A1为A的好友的集合，A2为A的好友的好友的集合 E: {E1} {E2} 那么 1度分隔为： A 属于｛E1｝，等同于E属于
   {A1} 2度分隔为： A 属于｛E2｝，等同于E属于 {A2}，{A1}{E1}有共同项。 3度分隔为： {A1}
   ｛E2｝有共同项，等同于A属于 {E2} 4度分隔为： {A2} ｛E2｝有共同项 【SN关系的更新】
   当然，发现是一个核心问题，另外一个问题就是更新，因为SN的关系不会是一成不变的，在一个活跃的SN社区里，每天用户之间的关系的更新更是可观。这里只考虑关系添加的例子：
   A: {A1} {A2} E: {E1} {E2} 当A 与 E
   直接建立了好友关系后，应该说整合系统的关系全都变化了，因为这个新的关系一定会导致一些关系的短路，从而导致很多现有的关系的调整。但是因为我们只存储2度分隔以内的关系，也只关心两度分隔以内的关系，因此当发生了一个新的关系后，2度内关系的变化一定是A和E本身或者他们的一度关系的用户，再远的用户将不受这个关系的影响。
   因此首先 所有｛A1｝的元素的二度分隔集合里要加上E，所有｛E1｝的元素的二度分隔集合里要加上A。
   然后是二度的修正。分别加上对方的1度。 {A2} = {A2 + E1} {E2} = {E2 + A1} 最后是一度的修正：A,
   E 的 一度{A1}{E1}需要加入E,A: {A1} = {A1 + E} {E1} = {E1 + A}
   整体操作的量大约在2n次操作，比我们通常认为的要小的多。