QQ團(tuán)隊解讀QQ圈子打破社交頓巴數(shù)魔咒

    擺脫頓巴數(shù)的魔咒

    社交是人類的一個最基本的需求。但是，自然給我們?nèi)祟惖拇竽X，只能讓我們維系150-200個左右的好友。超出這個范圍，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)新石器時代村落的人數(shù)大約在120-150人之間。在羅馬共和國時期，羅馬軍隊的一個基本作戰(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圈子中的社交關(guān)系。當(dāng)然，在這150個人中也有親疏不同。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]。再次就是整個圈子。

    但是，現(xiàn)代社會的流動性改變了這一切。我們隨著成長，從一個地方遷移到另一個地方，從一個圈子遷移到另一個圈子。對于大多數(shù)人而言，我們在一個地方出生和長大，去一個新的地方求學(xué)，認(rèn)識新的朋友。畢業(yè)后，我們再去一個新的地方工作，認(rèn)識新的同事……在每一個階段，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，我們每天40%的時間，只用來和5個人打交道。而這5個人，往往還是我們的密友[1]。在現(xiàn)在這樣一個快節(jié)奏的時代，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)百個甚至數(shù)千個。這似乎解決了我們的問題，但這只是表面現(xiàn)象：實際上，我們還是管不過 來。在一個成熟的社交網(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]。這昭示了一個可笑的，但是卻不得不讓人接受的事實：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。看起來，頓巴數(shù)就像個魔咒。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，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)入一個新的環(huán)境，只需要加幾個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。

    理念到實現(xiàn)的距離

    理念到實現(xiàn)的距離，是一個合適的技術(shù)方案。QQ圈子的計算思想很簡單：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——因為我們并不知道他們的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。基于這個圈友列表，我們又設(shè)計了一套 嚴(yán)謹(jǐn)?shù)那逑础⒑Y選和過濾算法。設(shè)計這些清洗、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。在真實的社交網(wǎng)絡(luò)中，同一個圈子的人彼此熟識，而不同圈子的人之間，卻鮮有交情。映射到QQ的賬號體系中，這就等價于，同一個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)實生活中得來的經(jīng)驗，是我們整個分圈算法的基本假設(shè)。

    其實，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)這個算法比較消耗計算能力，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)過長時間的嘗試和實驗，我們設(shè)計了一種“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。

    為了能讓大家更好地識別圈子和圈友，我們還設(shè)計了特別的算法，嘗試為圈子和圈友提供參考名稱。在算法設(shè)計的過程中，我們花了相當(dāng)多的時間和精力去保護(hù)隱私。例如，在一個圈子里，只有大部分圈子成員對某一個圈子成員都使用嚴(yán)格相同的備注名，這個備注名才會被聚合出來。而且這個備注名也僅僅只展現(xiàn)給這個圈子 中的核心成員。所有的名稱也都經(jīng)過了非常嚴(yán)格和全面的臟詞、敏感詞等的過濾。此外，我們還基于小世界網(wǎng)絡(luò)的理論[6, 7]精心設(shè)計了圈友的排序。我們還做了智能備注這樣的功能，如果你愿意，可以快速地將圈子上的備注名復(fù)制到QQ的好友列表中……

    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 子將會是一個智能的平臺。這個平臺可以輔助我們做很多瑣碎的，有時也很困難的事情：譬如分組，備注，尋找好友。這個平臺可以集成好友的通信方式，也能集成好友的消息動態(tài)，省去我們到處檢索和瀏覽的精力。這個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.