社交网络中流行度与相似性对持久性的影响：耦合效应与最优增长策略

本文主要探讨了节点流行度和相似度对社交网络持久性的影响，以及这种耦合效应在社交网络结构演化中的作用。网络健壮性是衡量网络抵抗故障和干扰能力的关键指标，而在社交网络中，个体的活跃度或持久性对于理解网络的稳定性至关重要。以往的研究往往侧重于静态预设网络结构上的持久性分析，而社交网络的实际动态则涉及新用户加入时引发的级联不活动，这导致网络结构随时间不断演变。 研究者通过构建协同进化模型来模拟三种不同的网络增长模式：首先，按照节点的流行度排序，即流行度优先增长模式；其次，根据节点间的相似性进行排序，即相似性优先增长模式；最后，采用随机策略，即均匀随机增长模式。模型揭示了一个有趣的现象：当节点具有较高的自发活动性，流行度优先的增长模式能够形成高度稳定的网络结构；然而，当节点自发活动性较低时，相似性优先的模式可能更有利于保持网络的持久性。 值得注意的是，一种复合增长模式被发现可以实现更高的持久性，即在短期内连续加入相似节点，并适时混合高流行度节点。这种结合策略表明，节点的活动不仅受到其自身在网络中的位置（即流行度）影响，还与其与其他节点的关联度（即相似性）紧密相关。因此，相似性在社交网络的持久性中扮演着不可或缺的角色，而合理地融合流行度和相似性可以进一步提升网络的稳定性。 这项研究深入剖析了社交网络中动态变化的节点特性与网络结构之间的关系，强调了节点活动的多样性对于网络健壮性的重要影响。这对于理解和设计更高效、更能抵御干扰的社交网络平台具有重要的理论价值和实践指导意义。未来的研究可以进一步探索如何在实际应用中调整这些参数，以优化社交网络的性能和可持续性。