| 第80行: |
第80行: |
| | | | |
| | ===TST=== | | ===TST=== |
| | + | 系统总流量,即 Total System Throughflow,记为 TST,定义为所有内部节点总流量之和: |
| | + | |
| | + | <math> |
| | + | TST=\sum_i T_i=\sum_{i\neq 0,j}f_{ij} |
| | + | </math> |
| | + | |
| | + | 其中, |
| | + | <math>T_i</math>是节点 i的总流量。在平衡的注意力流网络中,节点总流量可写为: |
| | + | |
| | + | <math> |
| | + | T_i=\sum_{j=0}^{N}f_{ji}=\sum_{j=1}^{N+1}f_{ij} |
| | + | </math> |
| | + | |
| | + | 因此,系统总流量也可以理解为所有内部节点所处理、承载或转发的注意力量之和。也就是说,系统总流量等于所有内部节点的总入流之和,也等于所有内部节点的总出流之和。 |
| | + | |
| | + | 在集体注意力流网络中,TST衡量的是整个系统中的注意力活动规模。若TST较大,说明在该时间窗口内,系统内部发生了大量注意力流动。例如,多个话题之间存在频繁跳转,用户不断从一个内容进入另一个内容,或者热点事件持续引发相关讨论。若 TST较小,则说明系统整体注意力活动较弱,节点之间的注意力转移较少。 |
| | + | |
| | + | 需要注意的是,TST并不只是外部进入系统的注意力总量。由于同一份注意力可能在系统内部经过多个节点,例如用户先关注事件本身,再进入评论区,随后点击相关人物或后续报道,因此它可能在多个节点上被重复计入节点总流量。正因如此,TST更准确地表示系统内部的注意力周转规模,而不仅仅是原始注意力输入规模。 |
| | | | |
| | ==性质== | | ==性质== |