擺脫頓巴數(shù)的魔咒

　　社交是人類的一個(gè)最基本的需求。但是,，自然給我們?nèi)祟惖拇竽X,，只能讓我們維系150-200個(gè)左右的好友。超出這個(gè)范圍，就會有好友慢慢地被淡忘。很多社會群體的平均大小是150，這個(gè)數(shù)也被稱為頓巴數(shù)（Dunbar Number）[1],。例如，公元前6000年左右，中東地區(qū)新石器時(shí)代村落的人數(shù)大約在120-150人之間,。在羅馬共和國時(shí)期,，羅馬軍隊(duì)的一個(gè)基本作戰(zhàn)單位的人數(shù)大約為130。20世紀(jì)50年代以來,，社會學(xué)家了解到,，150-200人之間的公司可以基于人際關(guān)系運(yùn)作，一旦超過,，就需要各類等級制度和管理結(jié)構(gòu)[2],。

　　在近代以前，絕大部分人生活在150-200人之間的固定圈子里,。圈子里的人之間有著良好的人際關(guān)系,，而與圈子外的人很少有聯(lián)系。因此,，他們僅僅用大腦就可以管理整個(gè)圈子中的社交關(guān)系,。當(dāng)然，在這150個(gè)人中也有親疏不同,。其中最親密的,，大概包括3-5人,，組成一個(gè)很小的核心圈,。其次是稍大一些的圈子，大約30-50人[2],。再次就是整個(gè)圈子,。

　　但是，現(xiàn)代社會的流動(dòng)性改變了這一切,。我們隨著成長,，從一個(gè)地方遷移到另一個(gè)地方，從一個(gè)圈子遷移到另一個(gè)圈子,。對于大多數(shù)人而言,，我們在一個(gè)地方出生和長大，去一個(gè)新的地方求學(xué),，認(rèn)識新的朋友,。畢業(yè)后，我們再去一個(gè)新的地方工作,，認(rèn)識新的同事……在每一個(gè)階段,，我們都會有好友，也會有密友,。但是隨著遷移,，舊的好友慢慢地被淡忘。Dunbar等人指出,，每年我們會遺忘大約15%的好友,，而舊時(shí)的密友也會從我們社交圈的中心,，慢慢地退到圈子的邊緣，甚至最終消失[1],。

　　遺忘舊朋友并不是唯一的問題,。當(dāng)我們到一個(gè)新的地方，需要結(jié)識新的朋友,，融入新的環(huán)境,，這一過程又變得有些吃力。盡管我們有各種各樣的技術(shù)手段,，但是,，面對面的溝通和交流仍然是結(jié)識朋友的主要手段。據(jù)研究統(tǒng)計(jì),，我們每天40%的時(shí)間,，只用來和5個(gè)人打交道。而這5個(gè)人,，往往還是我們的密友[1],。在現(xiàn)在這樣一個(gè)快節(jié)奏的時(shí)代，面對面交流,，對于快速地結(jié)交好友而言,，效率顯然有些低下。

　　我們期望“結(jié)識新朋友,，不忘老朋友”,。可事實(shí)上,，我們正處在一種“難交新朋友,，忘卻老朋友”的尷尬處境中。現(xiàn)在社交網(wǎng)絡(luò)類的網(wǎng)站和軟件,，正在努力地幫我們改變這種尷尬的處境,。通過社交網(wǎng)絡(luò)，我們可以添加相當(dāng)多的好友,，數(shù)百個(gè)甚至數(shù)千個(gè),。這似乎解決了我們的問題，但這只是表面現(xiàn)象：實(shí)際上,，我們還是管不過來,。在一個(gè)成熟的社交網(wǎng)絡(luò)中，用戶的平均好友數(shù)僅為120-130,。當(dāng)好友數(shù)超過150-200,，有些好友幾乎就認(rèn)不出來[1]。這昭示了一個(gè)可笑的，但是卻不得不讓人接受的事實(shí)：社交網(wǎng)絡(luò)的確進(jìn)化到了21世紀(jì),，可是我們大腦,，并不比幾千年前有多大的改觀?？雌饋?，頓巴數(shù)就像個(gè)魔咒。盡管我們做了很多努力,，仍然擺脫不了,。

　　可是，為什么我們不直接把我們的生活圈子（包括過去的,、當(dāng)前的,、正在進(jìn)入的）直接地在社交網(wǎng)絡(luò)中列出來呢？那樣的話,，我們就可以很好地管理和識別我們多年來積攢的好友,，有些也許已經(jīng)淡忘，但是當(dāng)把他們放回到他們所在的圈子中時(shí),，那些忘卻的姓名將再度清晰,；我們也可以利用圈子中人脈的力量，去尋找失散多年的好友,；我們也可以跟舊時(shí)的玩伴分享現(xiàn)在的故事,，他們也一定很渴望知道我們的近況；當(dāng)我們進(jìn)入一個(gè)新的環(huán)境,，只需要加幾個(gè)QQ好友,，圈子就能為我們展示更多的潛在好友,，幫助我們快速地融入新的環(huán)境……是啊,，為什么不呢？

　　QQ圈子,，就這么誕生了,。

理念到實(shí)現(xiàn)的距離

　　理念到實(shí)現(xiàn)的距離，是一個(gè)合適的技術(shù)方案,。QQ圈子的計(jì)算思想很簡單：第一步,，找到可能的圈友；第二步,，分圈,。

　　尋找可能的圈友，相對來說比較簡單,。眾所周知,，QQ使用的賬號是QQ號碼。正是QQ號碼，天然地成為了尋找好友的障礙——因?yàn)槲覀儾⒉恢浪麄兊?/SPAN>QQ號碼是多少,。但是,，我們相信，如果他們有QQ號碼,，總會有人知道,。而這些人，就藏在我們的好友列表中,。換句話說,，那些失散多年的好友，很有可能就藏在我們的好友的好友（下文稱為潛在好友）中,。經(jīng)過長期的數(shù)據(jù)分析和評估,，我們最后做了個(gè)簡單而又有效的設(shè)定，那就是把我們的圈友限定在好友和與我們關(guān)系緊密的潛在好友中,?；谶@個(gè)圈友列表，我們又設(shè)計(jì)了一套嚴(yán)謹(jǐn)?shù)那逑?、篩選和過濾算法,。設(shè)計(jì)這些清洗、篩選和過濾算法的目的,，一是為了保護(hù)隱私,，二是為了提高推送的準(zhǔn)確度。

　　分圈是最關(guān)鍵,，也是最難的步驟,。在真實(shí)的社交網(wǎng)絡(luò)中，同一個(gè)圈子的人彼此熟識,，而不同圈子的人之間,，卻鮮有交情。映射到QQ的賬號體系中,，這就等價(jià)于,，同一個(gè)圈子的人互相加為好友，而不同圈子的人則彼此為“陌生人”,。這一從現(xiàn)實(shí)生活中得來的經(jīng)驗(yàn),，是我們整個(gè)分圈算法的基本假設(shè)。

　　其實(shí),，基于這一假設(shè)的分圈算法并不罕見,。學(xué)術(shù)界對與社交網(wǎng)絡(luò)的分圈算法早有研究，其中較為流行的是Newman等人提出的分圈算法[3, 4],。我們在初期也嘗試了Newman等人的方法,，卻發(fā)現(xiàn)這個(gè)算法比較消耗計(jì)算能力,，而分出來的效果，遠(yuǎn)遠(yuǎn)達(dá)不到我們的要求,。我們還嘗試了文獻(xiàn)中的另外一些方法,，如Raghavan 等人[5]的一種隨機(jī)擴(kuò)散算法等。Raghavan 等人的算法大幅度地減少了運(yùn)算量,，可惜分出來的效果,，仍然達(dá)不到我們的要求。我們想要展示的圈子,，要更好一些,，更準(zhǔn)確一些。

　　最后我們決定自己開發(fā)一套算法,。經(jīng)過長時(shí)間的嘗試和實(shí)驗(yàn),，我們設(shè)計(jì)了一種“找朋友”算法。如同已有的社交網(wǎng)絡(luò)分圈算法,，“找朋友”算法只使用了QQ號碼之間是否為好友這一最簡單而直接的數(shù)據(jù),。這一算法的計(jì)算相對簡單，效果卻優(yōu)于我們嘗試過的所有方法,。在算法里,，每個(gè)圈子都在通過“找朋友”讓自己變得更好。這里“好”的標(biāo)準(zhǔn),，也就是讓圈子內(nèi)的好友聯(lián)系盡可能地緊密,，而與圈子外的好友則盡可能地沒有聯(lián)系。

新的開始

　　我們所做的一切,，都是為了幫助我們有限的大腦來應(yīng)對現(xiàn)在多變的社交環(huán)境。QQ圈子將會是一個(gè)智能的平臺,。這個(gè)平臺可以輔助我們做很多瑣碎的,，有時(shí)也很困難的事情：譬如分組，備注,，尋找好友,。這個(gè)平臺可以集成好友的通信方式，也能集成好友的消息動(dòng)態(tài),，省去我們到處檢索和瀏覽的精力,。這個(gè)平臺可以幫助我們維系現(xiàn)有關(guān)系，重拾失散的好友,，也能幫助我們探索更多好友,，拓展我們的社交網(wǎng)絡(luò)。這個(gè)平臺能幫助我們盤活我們的社會資本,，為我們的生活帶來更多的精彩,！

　　QQ圈子，將是一個(gè)嶄新的開始,！

參考文獻(xiàn)：

1.             Dunbar,R., You’ve Got to Have (150) Friends.The New York Times, The Opinion Pages, 2010.

2.             Dunbar,R., How Many Friends Does One Person Need?:Dunbar's 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 networks.Physical review E, 2007. 76(3): p.036106.

6.             Adamic,L., The small world web. Research andAdvanced Technology for Digital Libraries, 1999: p. 852-852.

7.             Collins,J.J. and C.C. Chow, It’s a small world. Nature, 1998. 393(6684): p. 409-410.