@알벗 감사합니다! 어떻게 보면 6이라는 숫자가 캐치프레이즈로 잘 동작한 것 같아요. 체감상 너무 작지도 크지도 않은 숫자로 스몰월드의 감각을 잘 나타내는 숫자..ㅎㅎ 

@청자몽 자몽님 감사합니다!! 유일하게 닫은 시리즈라 응모해봤는데 당첨될 줄은 몰랐네요. 이 시리즈도 늘 읽어주시는 분들이 계셔서 겨우겨우 닫았는데 덕분입니다!

@몬스 당선 축하드려요 ㅋ 안그래도 Six degrees of sepration theory 관련 글 찾아보면서 비즈니스 함의가 뭘까 하고 고민하고 있었는데요 ㅋ 재미난 시리즈로 발행되면 좋겠네요! 

몬스님!!! 에어북 당첨 축하드려요 : )
축하축하축!!!

@Fred Kim 와아 잠깐 봤는데도 마음이 편안해지는 코드..! 주말에 한 번 정독해보겠습니다. 올리실 글이 기대됩니다 :)

@몬스 https://github.com/isingmodel/milgram_simulation/
간단한 구현을 해봤는데, 현실을 반영하기 위해서는 아직 시간을 더 들여야할 것 같네요. 어느정도 완성이 되면 얼룩소 글로 올려볼게요. 

@Fred Kim 오오... 물리적 거리가 들어가면 상당히 모델 자체가 흥미로워질 것 같다는 생각이 듭니다ㅎㅎ 말씀하신 것처럼 조금 더 현실적이기도 하구요.

물리적으로 근처에 있을 때 연결이 성사되는 network 모델이라면 어느 정도 실제 네트워크의 모사도 가능할 것 같기도 합니다. 관련해서 Optimazation model이라는 것을 살짝 훑어 본 기억이... 여기에 원거리 커넥션을 만들기 위한 임의 rewiring 같은 요소들을 조금씩 넣어주면 꽤 그럴싸할지도 모르겠어요ㅎㅎ

네 그렇습니다 :) 추가로 고려해볼 수 있는 사항은, node에 지리에 대한 정보를 추가해서 좌표 기반으로 타겟 노드(최종 도착지)에 가까운 방향으로 정보가 전달될 확률을 높이는 방법입니다. uniform random으로 hoping하는 것이 아니라요. 실제 실험에서도 편지에 '보스턴'이라는 정보가 들어있기 때문에 이런 방법이 좀 더 현실과 가깝지 않을까합니다. 

@Fred Kim 오 무척궁금합니다!ㅎㅎ 조금 더 구체적으로는, 정보유실율을 파라미터로 도입해서 토폴로지 특성이 다른 네트워크 군에서 확인해 본 결과와, 밀그램의 실험 결과를 비교해 보는 걸까요? 

한 번 돌려보고 공유드릴게요 ㅎㅎ computation cost가 높지는 않을테니 python으로 돌려도 될 것 같네요.