558
个编辑
更改
跳到导航
跳到搜索
第41行：
第41行： + + + + + + + + + + + + + + + + + + + + + + + + +
→注意力流网络
==构建==
==构建==
===行为记录===
===行为记录===
构建与行为记录
集体注意力流网络的构建起点是用户行为记录。项目文档中明确提出，要从新闻网站、社交媒体、视频平台、移动应用等多渠道采集用户行为数据，典型行为包括浏览、搜索、点赞、评论、分享、转发、购买、关注等；这些行为轨迹被视为注意力在不同内容资源之间流动的直接体现。也就是说，网络不是凭空设定出来的，而是从海量用户的真实访问与跳转数据中抽取出来的。
结合论文里的具体实现，原始行为记录可表示为类似 (time stamp, referrer, host, path) 的结构，其中 referrer 是用户从哪里来，host 是当前访问的内容资源，path 是访问位置。建模时，先把内容资源抽取出来作为节点，再统计任意两个节点之间的转移次数<math>f_{ij}</math>，从而得到一个带方向和权重的流量矩阵<math>F={f_{ij}}</math>。项目书中说“将用户行为轨迹视为注意力流的体现”，论文则给出了这一过程的具体数据化实现。
已有研究【5-10】结合了网站链接拓扑与真实用户点击行为，提出了“流距离”概念，它能更真实地反映注意力流动的距离。在模型上，它引入了“源”和“汇”来构建开放流网络，以更全面地刻画用户行为的起止。此外，该研究通过将网站嵌入高维欧几里得空间，实现了对注意力流动的几何映射与可视化分析，并以印第安纳大学【6】的网络为例进行了展示。在数据层面，后续研究（如针对新闻网站Digg和百度贴吧的分析）【10】基于用户的实际点击流数据，构建了大规模点击流网络，为此类研究提供了实证基础。并且通过流距离中心性度量与随机游走图嵌入方法的对比，验证了模型在识别关键节点（如百度、QQ）的一致性【9】，证明其兼具结构重要性与流量表征能力。特别是在线学习【8】，现在相关内容已经被发表在了好几个顶刊。这个领域的顶看注意力的有效管理是影响学习成效的关键因素。在线学习资源虽然“免费”，但学习者需要付出注意力的代价，因此教学设计应考虑如何降低注意力成本，提升学习效率。
已有研究【5-10】结合了网站链接拓扑与真实用户点击行为，提出了“流距离”概念，它能更真实地反映注意力流动的距离。在模型上，它引入了“源”和“汇”来构建开放流网络，以更全面地刻画用户行为的起止。此外，该研究通过将网站嵌入高维欧几里得空间，实现了对注意力流动的几何映射与可视化分析，并以印第安纳大学【6】的网络为例进行了展示。在数据层面，后续研究（如针对新闻网站Digg和百度贴吧的分析）【10】基于用户的实际点击流数据，构建了大规模点击流网络，为此类研究提供了实证基础。并且通过流距离中心性度量与随机游走图嵌入方法的对比，验证了模型在识别关键节点（如百度、QQ）的一致性【9】，证明其兼具结构重要性与流量表征能力。特别是在线学习【8】，现在相关内容已经被发表在了好几个顶刊。这个领域的顶看注意力的有效管理是影响学习成效的关键因素。在线学习资源虽然“免费”，但学习者需要付出注意力的代价，因此教学设计应考虑如何降低注意力成本，提升学习效率。
而现在，我们就要将类似的注意力流网络框架应用到央视的舆论周数据上，构建注意力流网络并探索其相关性质。
而现在，我们就要将类似的注意力流网络框架应用到央视的舆论周数据上，构建注意力流网络并探索其相关性质。
==[[流网络]]基本定义==
==[[流网络]]基本定义==
流网络本质上是一个开放平衡的有向加权网络：节点是内容资源，边表示用户注意力从一个内容资源流向另一个内容资源，边权则表示这种流动发生的次数或规模。与普通拓扑网络不同，它不仅关心“谁和谁相连”，更关心“流量有多大、从哪里来、到哪里去”。
注意力流网络是一种典型的开放流网络，其关键特征是具有守恒性和耗散性：从节点视角看，每个节点的入流与出流要平衡，只不过入流里包含外部进入系统的积聚流，出流里包含离开系统的耗散流。开放流网络的一个核心优点就是满足流量平衡，即稳态下每个节点“总流入 = 总流出”。
===源和汇===
===源和汇===
源和汇是开放流网络相对于普通网络最重要的扩展。源（source）表示系统外部环境，代表用户从外部世界进入内容系统；汇（sink）也表示外部环境，但代表用户从系统中退出、离开浏览过程。项目文档把“从源到节点的流量”称为积聚流，把“从节点到汇的流量”称为耗散流。
若流网络有N哥节点，那么在构建流量居住时，会得到一个<math>(N+2)×(N+2)</math>的流量矩阵，矩阵中0号节点表示源，N+1节点表示汇；缺失来源的访问记录被视为“从源进入”的流，而每个节点补加到汇的流用于刻画用户下线或退出系统的行为。这样，原本不完整的点击数据就被补全为一个可分析的开放系统。
===[[耗散]]===
===[[耗散]]===
耗散指的是注意力在流动过程中从系统中流失的部分，也就是用户在某个节点停止浏览、离开平台或退出当前传播链条。项目文档强调，耗散不仅存在，而且往往比例较高，并且随着跳转次数增多而上升，因为用户的注意力消耗伴随着心理能量成本。
很多真实点击流中，大量注意力最终都会流向汇点，因而耗散不能被忽略；正是这种耗散，使得注意力流网络不同于封闭随机游走网络。进一步地，耗散会导致访问量呈现金字塔式分布，核心资源吸引大量注意力，而外围资源更容易在到达前就被“消耗掉”。
===汇聚===
===汇聚===
汇聚可以理解为注意力从外部或其他节点不断流向某一内容资源并在其上累积的过程。在项目文档里，它主要对应“积聚流”以及某节点吸收注意力的能力，即从源进入该节点的流量，加上其他节点流向它的内部流量。
注意力在几何表示空间中会向核心区域汇聚：少数核心网站吸引了大部分注意力流，而大量中间层和边缘层网站只分到较少流量。这说明“汇聚”不仅是单节点现象，也是整个内容生态中的中心化结构特征。
===流量===
===流量===
流量就是网络边上的“流”的规模，具体到这里，就是用户注意力从一个资源流向另一个资源的次数或强度。若<math>f_{ij}</math>定义为从节点i到节点j的流量；而对某个节点i来说，其总注意力流量（traffic）可由与该节点相关的总流量来表示。项目文档则把流量进一步区分为积聚量、流转量和耗散量，分别用于分析外部进入、节点间转移和系统流失。
因此，流量不是单一指标，而是一套量化注意力运动的基本变量：从源来的流量表示进入系统的关注，节点间流量表示内容之间的竞争与导流，流向汇的流量表示退出与衰减。整个传播系统的结构分析，本质上就是对这三类流量关系的分析。
===[[流距离]]===
===[[流距离]]===
流距离是集体注意力流网络最核心的概念之一。它不是最短路径距离，也不是普通随机游走距离，而是指用户沿所有可能路径从节点 i第一次到达节点 j的平均步数。这个定义同时考虑了网络拓扑和真实流量，因此比只看链接结构更能反映“用户实际上多容易从一个内容资源跳到另一个内容资源”。
结合流距离和网络表示学习，对内容资源做向量化表示，可用于可视化、生态位分析、聚类和预测。换句话说，流距离把“注意力流动关系”转化成了一个可计算的几何量，是后续表示学习和内容生态分析的基础
===TST===
===TST===