2.3 鉴定报告：随机模型对不上真实网络

2.3 鉴定报告：随机模型对不上真实网络

摘要：本节是随机图展室的鉴定环节：把真实网络与同规模的 ER、WS 理论标本并排送检，逐项核对度分布、聚类系数、社团结构与动态性。结论分两半——小世界性质获得机制性辩护，度分布与聚类全面失守。鉴定报告的「不符项清单」正是后续章节的转诊单。

送检流程：鉴定要讲究程序

馆藏行话里，「出鉴定」不是拍脑袋说像不像，而是一套程序：固定真实标本的规模与边数，培育同规格的理论对照，逐项测量、逐项比对、出具结论。程序的价值在于可比——节点数、边数对齐之后，剩下的差异才全是结构差异。上一节的 WS 实验已经预演过「归一化读数」，本节把它正式化成一份完整报告。

检材选两件：一件是空手道俱乐部社交网络（小而真），一件是合成的大规模无标度网络（大而肥尾鲜明）。两件检材、两种对照，报告才立体。

第一项：度分布对质

度分布是鉴定报告的主战场。随机图的泊松侧脸是「平等世界的预言」：方差约等于均值，极端节点按指数稀少。真实网络交上来的却是另一张脸。

import networkx as nx
import math

G = nx.karate_club_graph()
n, m = G.number_of_nodes(), G.number_of_edges()
R = nx.gnm_random_graph(n, m, seed=3)

for name, graph in [("真实俱乐部", G), ("随机对照", R)]:
    degs = [d for _, d in graph.degree()]
    mean = sum(degs) / len(degs)
    var = sum((d - mean) ** 2 for d in degs) / len(degs)
    print(f"{name}: 均值 {mean:.2f} 方差 {var:.2f} 最大度 {max(degs)}")

# 空手道网络里，核心人物之度远超均值加三倍标准差
degs = [d for _, d in G.degree()]
mean = sum(degs) / len(degs)
var = sum((d - mean) ** 2 for d in degs) / len(degs)
print("泊松世界里的离群阈值（均值加三倍标准差）：",
      round(mean + 3 * math.sqrt(var), 2))
​

读数的落差一目了然：真实网络方差显著超过均值、最大度远超泊松世界的「离群阈值」；随机对照则规矩地满足方差约等于均值。结论落款：泊松假设对真实社交网络不成立。这并非个例——演员合作网、论文引用网、蛋白质网，检材换谁来，结论都是同一句。这张不符项的正式名称叫「无标度性」，第 3 章给它建专节，第 4 章解剖它的生成机制。

第二项：聚类对质

第二项失守同样干脆。随机图的聚类约等于连接概率——稀疏网络里这是接近零的读数；真实网络的聚类却普遍比它高出一到两个数量级，并且不随规模增大而消散。

import networkx as nx

G = nx.karate_club_graph()
n, m = G.number_of_nodes(), G.number_of_edges()
R = nx.gnm_random_graph(n, m, seed=3)

C_real = nx.average_clustering(G)
C_rand = nx.average_clustering(R)
print(f"真实网络聚类 {C_real:.3f} | 随机对照聚类 {C_rand:.3f} | 倍数 {C_real / C_rand:.1f}")
​

俱乐部网络把「朋友的朋友是朋友」演绎得淋漓尽致，而随机对照里邻居相识纯属巧合。WS 标本能解释高聚类的来源（圈子结构），却解释不了聚类与肥尾的共存。社团结构这一项对照同样不符：真实网络的边在组内组间分布极不均匀，随机图里却没有「组」的概念。此项的正式名称叫「社团结构」，检测算法在第 5 章仪表车间批量制造。

第三项：小世界性质获得辩护

鉴定报告并非全是坏消息。把真实网络的路径读数与随机对照并排，两者处在同一量级——真实网络确实「小」。结合第二项的高聚类，真实网络呈现标准的「双高」组合：聚类高、路径短。WS 模型恰好证明这个组合可以由「圈子加捷径」生成。于是在小世界性质这一项上，鉴定书写下罕见的正面结论：机制成立，捷径假说足以解释世界之小。

图 两张侧脸：泊松与肥尾

第四项：动态性缺席

最后一项不符写在模型层面：ER 与 WS 都是「一次性生成」的静态标本——节点到齐、边一次性配完、永不再变。真实网络却是持续生长的活物：新用户注册、新论文发表、新蛋白被发现，边随时间增删。静态模型再逼真，也答不了「网络是怎么长成这样的」。这条不符项直接预告了解剖室的立场：要解释肥尾，必须把时间请进来——增长与优先连接，第 4 章的两把解剖刀。

鉴定结论与转诊单

报告归档如下。小世界性质：机制成立，WS 拘留候审转为「取保」，因为捷径假说证据充分。聚类与社团：WS 提供部分解释，残余疑点挂账。度分布：随机模型全面败诉，肥尾现象确认为真实网络的普适形态特征，专案转解剖室侦查生成机制。动态性：所有静态模型共同缺陷，合并侦查。

💡 关键直觉：鉴定报告的价值不在宣判模型「错」，而在精确定位「错在哪一项」。零假设被拒绝的位置，就是新理论的生长点——本册后面的每一次进展，都是某张不符清单的销账记录。

展室到此看完。下一章离开培育箱去野外考察，系统登记真实网络的普适形态——本报告开出的不符项，就是考察队的采集清单。