3,094
个编辑
更改
跳到导航
跳到搜索
第1,904行：
第1,904行： − + − Fanqi Zeng，张江等人提出挖雷模型（interactive Lévy flight model），用于解释用户在“兴趣空间”中的集体迁移及其所产生的规模律。研究认为，在线社区中的每位用户的兴趣可被视作分布在二维欧几里得空间中的点，用户在不同主题间的跳转可模拟为挖雷模型(Lévy Flight) 随机游走<ref name=":16">Zeng, F., Gong, L., Liu, J., Zhang, J., Chen, Q., & Xin, R. (2020). Human mobility in interest space and interactive random walk. ''Journal of Physics: Complexity'', ''1''(2), 025004. <nowiki>https://doi.org/10.1088/2632-072x/ab7f4f</nowiki></ref>。其步长分布满足幂律：+ − + + − + + + + + + + + + + + + + + + + + + + + +
→挖雷模型
研究还发现，“体育”“女性”等类贴吧具有高 [math] \theta[/math]、低 [math]\gamma[/math]的特性，这说明这些贴吧更具粘性；而“艺术”“动漫”等则相反。由此，[math]\theta[/math] 表征社区的长期锁定能力，[math]\gamma[/math] 则刻画其注意力耗散效率。
研究还发现，“体育”“女性”等类贴吧具有高 [math] \theta[/math]、低 [math]\gamma[/math]的特性，这说明这些贴吧更具粘性；而“艺术”“动漫”等则相反。由此，[math]\theta[/math] 表征社区的长期锁定能力，[math]\gamma[/math] 则刻画其注意力耗散效率。
=== 挖雷模型 ===
=== 交互式的列维飞行模型 ===
为了解释上述观察到的现象，特别是[[注意力流网络]]的各种特性，如[[耗散律]]以及[math]\theta[/math]与[math]\gamma[/math]的负相关性，[[曾凡齐]]、[[张江]]等人提出了交互式的[[列维飞行]]模型（interactive Lévy flight model）。研究认为，在线社区中的每位用户的兴趣可被视作分布在d维[[欧几里得空间]]中的点，用户在不同主题间的跳转可模拟为[[列维飞行]](Lévy Flight) 随机游走过程<ref name=":16">Zeng, F., Gong, L., Liu, J., Zhang, J., Chen, Q., & Xin, R. (2020). Human mobility in interest space and interactive random walk. ''Journal of Physics: Complexity'', ''1''(2), 025004. <nowiki>https://doi.org/10.1088/2632-072x/ab7f4f</nowiki></ref>。
[math]\displaystyle P(l)\sim l^{-\lambda}[/math]
====模型
为了解释上述观察到的现象，特别是[[注意力流网络]]的各种特性，如[[耗散律]]以及[math]\theta[/math]与[math]\gamma[/math]的负相关性，[[曾凡齐]]、[[张江]]等人提出了交互式的[[列维飞行]]模型（interactive Lévy flight model）。研究认为，在线社区中的每位用户的兴趣可被视作分布在d维[[欧几里得空间]]中的点，用户在不同主题间的跳转可模拟为[[列维飞行]](Lévy Flight) 随机游走过程<ref name=":16">Zeng, F., Gong, L., Liu, J., Zhang, J., Chen, Q., & Xin, R. (2020). Human mobility in interest space and interactive random walk. ''Journal of Physics: Complexity'', ''1''(2), 025004. <nowiki>https://doi.org/10.1088/2632-072x/ab7f4f</nowiki></ref>。
其中 [math]\displaystyle \lambda[/math] 描述用户兴趣广度：值越小，长距离跳转越频繁，表示兴趣更广泛。用户在活跃兴趣点之间移动，并以概率 [math]\displaystyle p[/math] 生成新的数字资源（帖子、评论等），从而通过“活跃节点”间接相互作用。
* 注意力迁移
具体地，考虑一个d维的“兴趣空间”，大量的用户的注意力迁移（即浏览行为）可以被建模为这一空间中的随机游走行为。在每个时间步，每位用户的一步跳转行为的方向是d维空间中的随机方向，而一步跳转的步长为一个随机数[math]l[/math]，它满足幂律分布，即：
[math]P(l)\sim l^{-\lambda}[/math]
其中 [math]\lambda[/math] 为一参数，描述了这些用户的平均兴趣广度。如果[math]\lambda[/math]值越小，则长距离的跳转越频繁，表示用户的兴趣转移越剧烈，他的兴趣也很容易更广泛。
====接续跳转与流失====
其次，空间中分布着一些固定的资源节点，代表该网络社区/贴吧/论坛中已经存在的数字资源（帖子、文件等）。当用户跳转到了一个新的空间位置X以后，如果该位置有一个资源节点，则用户可以进行下一步随机跳跃，否则用户会直接离开（体现为该随机游走粒子消失）。
====创建资源节点====
同时，在每一个时间步，用户都会以概率 [math]p[/math] 在当前的空间点（兴趣点）生成一个新的数字资源（帖子、评论等）。这里[math]p[/math]模型的另一个参数。
====创建流网络====
这些数字资源就构成了注意力流网络中的“节点”。从而通过“活跃节点”间接相互作用。
模型建立了注意力流网络，节点代表兴趣主题，边的权重表示用户在不同主题间的迁移频率。系统宏观变量，活动度 [math]\displaystyle A[/math]、兴趣多样性 [math]\displaystyle D[/math] 与转移多样性 [math]\displaystyle E[/math] 均随用户数 [math]\displaystyle N[/math] 呈幂律增长：
模型建立了注意力流网络，节点代表兴趣主题，边的权重表示用户在不同主题间的迁移频率。系统宏观变量，活动度 [math]\displaystyle A[/math]、兴趣多样性 [math]\displaystyle D[/math] 与转移多样性 [math]\displaystyle E[/math] 均随用户数 [math]\displaystyle N[/math] 呈幂律增长：