《小小世界》是一本由[美]邓肯·J·瓦茨（Duncan J.Watts）著作，人民大学出版的288图书，本书定价：28.00元，页数：2006-1，特精心从网络上整理的一些读者的读后感，希望对大家能有帮助。

　　《小小世界》精选点评：

　　●看了实例前面部分，最后一小段没仔细看，寒假继续看。看的时候感觉非常痛苦，然而破而后立，感觉思维方式增加了。和解析几何最后一部分给人感觉类似，推演很繁琐但必须得写，但结论很漂亮方法论非常有趣富有启发性。这种统计量刻画，类似传递与比较，实例化，计算与解析结合，图解分析，归纳，族与类，统计量函数，施加偏置假设与条件约束，找到条件的对应的特别之处进行发掘，特例的条件压制反代表，表征与统计量的空间。学到的东西实在太多了。这还不包括图论本身的内容。

　　●图论占绝大多数，侧重数里分析的专业著作。没仔细看，也没看懂

　　●1遍.

　　●: O157.5/1741

　　●复杂网络综述

　　●网络节点相互作用 启发

　　●又是一本没读完就放下的好书

　　●看不懂，参见“链接”

　　●龚晓庆推荐。 晦涩。

　　●这傻逼标题翻译得...

　　《小小世界》读后感(一)：复杂网络是力所不能及的，社交网络分析是踮脚勉强能得到的

　　1、两个重要参数聚类系数和图的特征路径长度，单个顶点聚类系数等于T(v)中的总边数除以中可能有的总边数。

　　2、由洞穴的环构成的连通卡夫曼图，这个环的边是由洞穴中边转换而来的，L=N/2(k+1),聚类系数极高，不同聚类中的顶点之家的距离D决定了未来卡夫曼图的L。

　　3、产生小世界的关键在于存在一小部分远程全局边，他们压缩了图中原本相隔很远的部分，同时大多数边仍然是局部边，从而有助于得到较高的聚类系数。

　　《小小世界》读后感(二)：有序和无序之间的世界

　　正如沃森和克里克发现了DNA的双螺旋结构一样，这一次同样是两个人，一个是康奈尔大学的研究生DJ Watts，一个是他的导师Steve Strogatz。他们对小世界网络的开创性研究，激发了学术界对介于有序和无序之间的网络的热情。而这一本书，则是直到1998年，DJ Watts关于整个小世界网络研究的全面综述。

　　本书的前五章是对小世界网络的介绍和为读者增加相关的理论背景。其中第二章是对小世界网络和图论的背景做了简要的介绍。第三章重点介绍了两种图：关系图和空间图。第四章是对前面介绍的两种图的一个理论扩展，提出了一种新的模型。第五章是应用这个模型，解释了三种不同的网络的结构特征。

　　本书的后四章是小世界网络的应用问题。如作者所说，“第二部分尝试回答一个同样迫切的问题：人们为什么要关心小世界现象？” 通过对传染病（第六章）、元胞自动机（第七章）、重复多人囚徒困境（第八章）、连续动态系统（第九章）的研究，作者应用他新的关于网络拓扑结构的思考，解释了一系列相似的问题。

　　小世界网络，在有序和无序之间的结构，对它的研究是现在最为热点的问题。作为这整个研究的奠基人之一，DJ Watts的这本书，对于想进入这个领域或者是需要借助小世界网络进行应用的人，都有灯塔式的意义。

　　《小小世界》读后感(三)：陌生的方法

　　记得上大学前那个暑假看<面向计算机科学的数理逻辑>的时候，感觉概念那叫一个别扭，体系那叫一个怪异，仔细思考了好几天才完全弄明白。有点当初文转理寒假恶战几天理解理科思维的感觉。

　　后来上数学分析之类的课，开始看到里面一些概念渗进来了，这才明白当初这书(本来是面向研究生的)本来不难，因为其中的思想按说应该在之前就渗透过了，而作为一个没渗透过的人，单枪匹马战翻了那么多概念是一件很涨内劲的事。

　　这本书给人的感觉也类似，看的时候感觉非常别扭，看到一半后才感觉脑中直接就装备了一个新方法一样，打开了新世界的大门，那激动别提了。不过这要满足两个条件，1:你没被渗透过，看的时候绝对不是感到顺其自然。2.你能坚持下来。

　　图论我之前学过离散数学的版本，如果完全不了解图论看他的简介可能会被当头痛击。不过好在其并不注重图论通常关注的问题，只是使用了它的结构。

　　这本书说的事情，包括:

　　1.给出图的若干统计量/不变量。(统计量是将一个对象(通常是一组东西，但这里是指网络)映射到一个东西(通常是值)上。不变量在这里是一个用法，指在试验中值不变的量。)。这里体现了用统计量刻画图的思想

　　2.指出一些统计量估计关系。

　　3.小世界现象，即特征路径长度短但聚类程度高的网络情况。其性质之一是局部的信息可以反映总体的信息。

　　4.模型的代表性，给出三个典型的图模型和典型的环底层，归纳证明其在很多方面结构属性差不多，从而研究这些图的特定参数的模型就代表研究所有图。但并不是完全一样，尤其在动力学上区别可能小也可能很大。

　　5.动力学实例，主要讨论在网络中与在原始系统中行为的变化，但这里的讨论虽然沿用了之前的模型/统计量/网络性质。但没有一般结论。

　　可能引起困扰的概念有:

　　1.近似方法，这个得多看

　　2.n-格图，粗略地说，n是维数，而每个维上点必须至少连接两个方向(“正”/“反”)的两个其他点。所以k=2n可以看成n-格图的标准型，如二维格阵等。而扩展k=2nm.m是一个方向上经过的点数，如m=1时退化为标准型，详细的看书上给出的例子。