558
个编辑
更改
跳到导航
跳到搜索
第49行：
第49行： − [[文件:流网络构建.png|缩略图]]+ − 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。 第87行：
第86行： + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
→集体注意力流网络的构建
了解集体注意力流网络相关的基本概念之后，就需要了解如何才能构造一个标准的集体注意力流网络。
了解集体注意力流网络相关的基本概念之后，就需要了解如何才能构造一个标准的集体注意力流网络。
===行为记录===
===行为记录===
===节点与流量===
===节点与流量===
还是上一节的案例，只有两个用户A和B，<math>f_{ab}=2</math>，<math>f_{bc}=1</math>，<math>f_{bd}=1</math>，那么我们会规定<math>f_{source,a}=2</math>，<math>f_{b,sink}=1</math>,<math>f_{c,sink}=1</math>。我们最终会得到一个平衡的，由a、b、c和d四个站点构造的小型集体注意力流网络。
还是上一节的案例，只有两个用户A和B，<math>f_{ab}=2</math>，<math>f_{bc}=1</math>，<math>f_{bd}=1</math>，那么我们会规定<math>f_{source,a}=2</math>，<math>f_{b,sink}=1</math>,<math>f_{c,sink}=1</math>。我们最终会得到一个平衡的，由a、b、c和d四个站点构造的小型集体注意力流网络。
=== 行为记录：数据来源与预处理 ===
[[文件:流网络构建.png|缩略图]]
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。
以下面的数据集来源为例，该数据集来自美国印第安纳大学校园的真实点击流（clickstream）数据，时间区间为 2006.10—2008.02。
* 每条原始记录的格式为：
** $(t,\ \textit{referrer},\ \textit{host},\ \textit{path})$
* $t$：时间戳（Unix time）
* $\textit{referrer}$：上一个被访问网站（域名）
* $\textit{host}$：当前被访问网站（域名）
* $\textit{path}$：访问位置
* 预处理：根据 Blue Coat 提供的站点分类数据识别广告/投放类网站，并将其从原始数据中移除，以减少噪声与偏差影响。
=== 将点击流映射为开流网络（Open Flow Network） ===
设共有 $N$ 个网站节点。对某个时间窗口（例如一天）内的所有点击流记录进行统计，构建一个有向加权网络，记作''开流网络''。
==== 2.1 建立网站字典并赋予索引 ====
* 从所有记录中抽取不同的域名集合（网站集合）。
* 为每个不同网站分配一个唯一索引，用于后续统计转移流量 $f_{ij}$。
==== 2.2 统计有向转移流量 $f_{ij}$ ====
* 忽略时间戳 $t$，对给定索引 $i$ 与 $j$ 的网站对统计用户从 $i$ 跳转到 $j$ 的转移次数：
** $f_{ij}$：从网站 $i$ 到网站 $j$ 的流量（流量大小由跃迁次数计）。
* 若记录中出现 $\textit{referrer}$ 为空/缺失（null string），表示该跃迁在观测数据中没有来源站点，则把它视为来自系统外部的输入，把 $\textit{null}$ 映射为''源节点（source）''对应的流入。
==== 2.3 引入源节点与汇节点表示“离线世界” ====
* 增加两个特殊节点：
** 节点 $0$：源节点 source（系统外部流入环境）
** 节点 $N+1$：汇节点 sink（系统外部流出环境）
* 因为原始点击流数据只记录在线跃迁，不会记录用户何时下线，因此需要人为补全''到汇节点的耗散流（dissipation）''。
==== 2.4 网络平衡（Flow balancing）以补全耗散流 ====
开流网络要求在稳态假设下满足平衡：对任意网站节点 $i$，
* 节点 $i$ 的总流入 = 节点 $i$ 的总流出
* 为了让“流出”包含未观测的下线行为，需要为每个节点 $i$ 添加其到汇节点的耗散流 $f_{i,N+1}$，使得平衡条件成立。
==== 2.5 得到注意力流通量矩阵（Flux matrix） ====
最终得到大小为 $(N+2)\times (N+2)$ 的通量矩阵（注意力流网络）：
* 记为 $F$，其中 $F_{ij}=f_{ij}$
* 定义：
** 节点 $0$ 为源节点，节点 $N+1$ 为汇节点
** $f_{i,N+1}$ 表示网站 $i$ 的''注意力耗散（dissipation）''
** $\sum_{j=0}^{N+1} f_{ij}$ 与 $\sum_{j=0}^{N+1} f_{ji}$ 描述系统中流量守恒与节点的重要性
** 且论文中将总注意力流（总流量/traffic）表述为 $\sum_{j=1}^{N+1} f_{ij}$（其中包含流向汇节点的部分）。
=== 3.（后续使用）由开流网络计算流距离并用于嵌入 ===
虽然上节给出的是''网络构建''，但论文进一步定义流距离以便度量网站之间的“注意力流可达性/平均跳数”，并将网络嵌入到欧氏空间。
==== 3.1 由通量矩阵构造马尔可夫转移矩阵 ====
先把流量归一化为转移概率矩阵 $M$：
<math>
m_{ij}=\frac{f_{ij}}{\sum_{k=1}^{N+1} f_{ik}}
</math>
其中 $m_{ij}$ 表示从节点 $i$ 跳转到节点 $j$ 的概率。
==== 3.2 定义流距离（Flow distance） ====
流距离 $l_{ij}$ 被定义为：从 $i$ 出发的用户在''首次到达'' $j$ 之前，沿所有可能路径的平均跳数（考虑源/汇结构带来的开流网络特性）。该量由马尔可夫链的伪概率（伪幂级数）构造得到。
==== 3.3 构造对称流距离以便欧氏嵌入 ====
由于 $l_{ij}$ 一般不对称，论文用
<math>
c_{ij}=l_{ij}+l_{ji}
</math>
构造对称流距离 $C$，用于后续把节点嵌入欧氏空间。
通过上述构建得到的“集体注意力流网络”，可以用于：
* 描述注意力（流量）在网站间的结构与传播路径；
* 量化每个网站的“中心性”（例如在欧氏嵌入后观察到的平均距离）；
* 进一步得到核心层/过渡层/边缘层等分层结构（论文基于径向距离与累计分布进行刻画
==集体注意力[[流网络]]相关基本定义==
==集体注意力[[流网络]]相关基本定义==