几乎每个人从小到大都认识了几百乃至上千个朋友，但在同一时期能够维持的朋友关系数量却非常有限。人类学家Dunbar曾就此问题展开研究，提出了社交大脑假说理论[1,2]，指出人类维系社交关系的能力（即能同时保持联系的朋友数目）存在一个上限，大约是150，这就是著名的Dunbar数（顿巴数，又叫Rule of 150）。这一上限是由灵长类动物的生理特性所决定的，且近期有研究表明，这一上限并没有因为更高的通讯效率（如手机、社交网站）而被突破[3,4]。

这里所说的“同时保持联系的朋友”是针对某个人（记作A）而言的，将此人以及他的朋友们看作是节点，只考虑这个人和他朋友，以及他朋友之间的连边，就可以得到一个以A为中心的网络，即自我中心网络（ego network）[5,6]，也叫个人中心网络。如图

自我中心网络在人类学中非常重要，不仅有助于对个人的特征进行细致的研究，比如准确识别人们的社交圈子[7]，还可以拓展到研究社会网络的结构和功能[8,9]，衡量科学家的影响力[10]，研究蛋白质相互作用网络从而识别潜在的致病基因[11]，等等。

在自我中心网络中，通常不只是记录了人们之间是否存在联系，还有这些联系的强度与持久性。因此很多个人中心网络是含有权重信息了。下面我们分享了来自美国斯坦福大学、意大利科学交流中心（ISI Foundation）、法国国家科学研究中心（CNRS）、电子科技大学、芬兰阿尔托大学等单位七组ego networks的数据，供有兴趣的朋友做研究使用。

数据链接

1.【Facebook ego network】：http://www.pkbigdata.com/common/share/53.html

2.【Twitter ego network】：http://www.pkbigdata.com/common/share/54.html

3.【Google+ ego network】：http://www.pkbigdata.com/common/share/56.html

4.【Communication ego network】：http://www.pkbigdata.com/common/share/57.html

5.【Employee ego network】：http://www.pkbigdata.com/common/share/59.html

6.【HighSchoolContact ego network】：http://www.pkbigdata.com/common/share/60.html

7.【Communication-1 ego network】：http://www.pkbigdata.com/common/share/61.html

参考文献

[1] R. I. M. Dunbar. The social brain hypothesis. Evolutionary Athropology 6 (1998) 178.

[2] R. I. M. Dunbar, S. Shultz. Evolution in the social brain. Science 317 (2007) 1344.

[3] B. Goncalves, N. Perra, A. Vespignani. Modeling Users’ Activity on Twitter Networks: Validation of Dunbar’s Number. PLoS ONE 6 (2011) e22656.

[4] Q. Wang, J. Gao, T. Zhou, Z. Hu, H. Tian. Critical size of ego communication networks. Europhysics Letters 114 (2016) 58004.

[5] L. C. Freeman. Centered graphs and the structure of ego networks. Mathematical Social Sciences 3 (1982) 291.

[6] R. A. Hanneman, M. Riddle. Introduction to social network methods. 2005. Riverside, CA: University of California, Riverside.

[7] J. McAuley, J. Leskovec. Learning to Discover Social Circles in Ego Networks. NIPS 2012, pp. 539-547.

[8] J. Wielens. Ego Network Analysis: An Overview. Bachelor’s Thesis 2014.

[9] V. Arnaboldi, M. Conti, A. Passarella, F. Pezzoni. Analysis of Ego Network Structure in Online Social Networks. International Conference on Social Computing & IEEE International Conference on Privacy, 2014, pp. 31-40.

[10] J. L. Ortega. Influence of co-authorship networks in the research impact: Ego network analyses from Microsoft Academic Search. Journal of Informetrics 8 (2014) 728.

[11] R. Yang, Y. Bai, Z. Qin, T. Yu. EgoNet: identification of human disease ego-network modules. BMC Genomics 15 (2014) 314.