这项新研究首次使用统计物理学来证实1940年代的社会平衡理论
- 以前的研究试图根据著名理论对社交网络进行建模，但结果仍然存在争议
- 新模型同时考虑了两个关键部分：不是每个人都认识社交网络中的其他人，有些人比其他人更友好
- 在这两个约束下，大规模社交网络始终与社会平衡理论保持一致
- 该模型在探索政治两极分化、神经网络、药物相互作用等方面具有广泛的应用
- 伊利诺伊州埃文斯顿——大多数人都听说过一句名言：“敌人的敌人就是我的朋友。
现在，西北大学的研究人员已经使用统计物理学来证实这个著名公理的基础理论。
在1940年代，奥地利心理学家弗里茨·海德（Fritz Heider）引入了社会平衡理论，该理论解释了人类如何天生努力在社交圈中寻找和谐。根据该理论，四条规则——敌人的敌人是朋友，朋友的朋友是朋友，敌人的朋友是敌人，最后，朋友的敌人是敌人——导致平衡的关系。
尽管无数研究试图使用网络科学和数学来证实这一理论，但由于网络偏离了完全平衡的关系，他们的努力还不够。因此，真正的问题是，根据适当的网络模型，社交网络是否比预期的更平衡。大多数网络模型过于简化，无法完全捕捉影响社会平衡的人际关系的复杂性，因此在观察到的与网络模型期望的偏差是否符合社会平衡理论方面产生了不一致的结果。
然而，西北大学团队成功地整合了使海德的社会框架发挥作用的两个关键部分。在现实生活中，并不是每个人都认识对方，有些人比其他人更积极。研究人员早就知道每个因素都会影响社会关系，但现有的模型一次只能解释一个因素。通过同时结合这两个约束条件，研究人员得出的网络模型终于在海德首次提出该理论约80年后证实了这一著名理论。
这个有用的新框架可以帮助研究人员更好地理解社会动态，包括政治两极分化和国际关系，以及任何包含积极和消极相互作用的混合系统，如神经网络或药物组合。
“我们一直认为这种社会直觉有效，但我们不知道它为什么有效，”该研究的资深作者、西北大学的伊斯特万·科瓦奇（IstvánKovács）说。“我们所需要的只是弄清楚数学。如果你翻阅文献，就会发现有很多关于该理论的研究，但它们之间没有达成一致。几十年来，我们一直犯错。原因是因为现实生活很复杂。我们意识到，我们需要同时考虑这两个限制因素：谁认识谁，有些人只是比其他人更友好。
“我们最终可以得出结论，社交网络与80年前形成的期望一致，”该研究的第一作者Bingjie Hao补充道。“我们的研究结果对未来的使用也有广泛的应用。我们的数学允许我们结合对系统中不同实体的连接和偏好的约束。这对于模拟社交网络以外的其他系统很有用。
科瓦奇是西北大学温伯格艺术与科学学院的物理和天文学助理教授。郝是实验室的博士后研究员。
什么是社会平衡理论？
海德的社会平衡理论使用三人一组，坚持人类努力建立舒适、和谐的关系的假设。在平衡的关系中，所有人都喜欢对方。或者，如果一个人不喜欢两个人，这两个人就是朋友。当三个人都不喜欢对方，或者一个人喜欢两个互相不喜欢的人时，就会出现不平衡的关系，从而导致焦虑和紧张。通过研究这些令人沮丧的系统，意大利理论物理学家乔治·帕里西（Giorgio Parisi）获得了2021年诺贝尔物理学奖，他与气候建模者真锅淑郎（Syukuro Manabe）和克劳斯·哈塞尔曼（Klaus Hasselmann）分享了该奖项。
“这似乎非常符合社会直觉，”科瓦奇说。“你可以看到这将如何导致极端的两极分化，我们今天在政治两极分化方面确实看到了这种情况。如果你喜欢的每个人都不喜欢你不喜欢的人，那么这会导致双方互相憎恨。
然而，收集大规模数据一直具有挑战性，其中不仅列出了朋友，还列出了敌人。随着 2000 年代初大数据的出现，研究人员试图看看来自社交网络的这些签名数据是否可以证实海德的理论。在生成网络来测试海德规则时，个人充当节点。连接节点的边表示个体之间的关系。
如果节点不是好友，则它们之间的边被分配一个负（或敌对）值。如果节点是好友节点，则边将标有正（或友好）值。在以前的模型中，边被随机分配正值或负值，而不考虑这两个约束。这些研究都没有准确地捕捉到社交网络的现实。
在约束中取得成功
为了探索这个问题，Kovács和Hao求助于四个大规模的、公开的签名网络数据集，这些数据集以前由社会科学家策划，包括来自（1）社交新闻网站Slashdot上的用户评分评论的数据;（2）国会议员在众议院的交流;（3）比特币交易者之间的互动;（4）来自消费者评论网站Epinions的产品评论。
在他们的网络模型中，Kovács和Hao没有为边分配真正随机的负值或正值。为了使每个交互都是随机的，每个节点都需要有平等的机会相遇。然而，在现实生活中，并不是每个人都真正认识社交网络中的其他人。例如，一个人可能永远不会遇到住在世界另一端的朋友的朋友。
为了使他们的模型更加逼真，Kovács和Hao根据统计模型分配了正值或负值，该模型描述了为存在的相互作用分配正号或负号的概率。这样可以使值保持随机，但在网络拓扑约束给出的限制范围内是随机的。除了谁知道谁之外，该团队还考虑到生活中的某些人只是比其他人更友好。友好的人更有可能有更多积极和更少的敌意互动。
通过引入这两个约束条件，由此产生的模型表明，大规模社交网络始终符合海德的社会平衡理论。该模型还突出显示了三个节点之外的模式。它表明社会平衡理论适用于更大的 graphlet，它涉及四个甚至更多的节点。
“我们现在知道，你需要考虑这两个限制，”科瓦奇说。“没有这些，你就无法想出正确的机制。它看起来很复杂，但它实际上是相当简单的数学。
对两极分化及其他领域的洞察
Kovács和Hao目前正在探索这项工作的几个未来方向。在一个潜在的方向上，新模型可用于探索旨在减少政治两极分化的干预措施。但研究人员表示，该模型可以帮助更好地理解社会群体和朋友之间联系之外的系统。
“我们可以研究大脑中神经元之间的兴奋性和抑制性连接，或者代表治疗疾病的不同药物组合的相互作用，”科瓦奇说。“社交网络研究是一个理想的探索游乐场，但我们的主要兴趣是超越调查朋友之间的互动，并研究其他复杂的网络。
这篇论文背后的代码和数据，“适当的网络随机化是评估社会平衡的关键”，可在Github上找到：https://github.com/hbj153/signed_null。
