558
个编辑
更改
跳到导航
跳到搜索
第87行：
第87行： − 所谓流网络的引力定律是指任意边上的流量与该连边两个顶点上的流量的乘积具有幂律关系。是在把流网络中任意两个节点<math>i,j</math>之间的能量流写成：+ − + + − 用来分别刻画流量的“供给方”和“接收方”对边流量的不同影响。在食物网络的相关论文发现，双变量形式比单一乘积形式拟合更好。 − 异速标度律也是流网络的重要性质，假如我们每个节点代表一个物种或功能组，边的权重表示能量流量，基于点和边，可以重点定义两个指标：+ − + − + + + + − + − 可以简单理解为：流量越大的节点，通常对应更大的系统性影响和流量储存能力。+ − 论坛论文把网站看成“消耗用户注意力的流网络”，发现论坛在时间演化中满足：+ + + − + − 平均浏览长度写成+ + − + + + − 另一个重要规律：耗散律。这里仍然把流网络看作一个加权有向的网络，用节点和边表流量的流动方向。+ − + − + + + + − 也就是说，节点的总流量越大，它的耗散量通常也越大，但这种增长不是随意的，而是服从一个相对稳定的标度关系。这里的<math>\gamma</math>就是耗散律指数。+ + + + +
→定量规律
===定量规律===
===定量规律===
====引力定律====
====引力定律====
在注意力流网络中，引力定律是指任意一条注意力转移边上的注意力流量，与该边两端节点的总体注意力规模之间存在幂律关系。设注意力流网络中的节点表示页面、帖子、内容单元、用户群体或功能模块，边表示注意力从一个节点转移到另一个节点。则把流网络中任意两个节点<math>i,j</math>之间的注意力流写成：
<math>f_{ij} \propto (T_i T_j)^\gamma</math>
<math>f_{ij} \propto (T_i T_j)^\gamma</math>
其中<math>f_{ij}</math>表示从节点<math>i</math>到<math>j</math>的流量，而<math>T_i, T_j</math>表示流经两个节点各自的总通流量（throughflow）。
其中<math>f_{ij}</math>表示从节点<math>i</math>到<math>j</math>的注意力流量，而<math>T_i, T_j</math>表示流经两个节点各自的总注意力流的通流量（throughflow）。这一规律表明：两个节点本身承载的注意力越大，它们之间形成较大注意力流的可能性通常越高，并且这种关系不是简单线性的，而是服从幂律标度。
同时，引力定律还存在一个双变量版本：
同时，引力定律还存在一个双变量版本：
<math>f_{ij} \propto T_i^{\gamma_1} T_j^{\gamma_2}</math>
<math>f_{ij} \propto T_i^{\gamma_1} T_j^{\gamma_2}</math>
其中，<math>\gamma_1</math>和<math>\gamma_2</math>分别刻画注意力流出方与注意力流入方对边流量的影响强度。相比单一乘积形式，双变量形式可以更细致地区分“供给注意力的节点”和“吸收注意力的节点”在注意力转移过程中的不同作用。
====异速标度律====
====异速标度律====
异速标度律刻画的是注意力流网络中，节点的局部注意力规模与其系统性影响之间的幂律关系。
<math>A_i</math>，表示节点<math>i</math>的总流量，例如在食物网络中，可以理解为该节点的“代谢量”或能量吞吐量或总流出量；
<math>C_i</math>，表示与节点<math>i</math>相关的总间接效应或流量储存量，刻画了所有曾经经过节点<math>i</math>的流，在之后继续沿网络传播时，对整个网络产生的累计流量影响，可以理解为“以节点<math>i</math>为根的子系统”在整个网络中的能量影响或储能规模。
在注意力流网络中，每个节点可以表示一个页面、帖子、内容主题、用户群体或功能模块，边的权重表示注意力流量。基于点和边，可以重点定义两个指标：
<math>A_i</math>，表示节点<math>i</math>的总注意力流量，可理解为该节点吸收、处理和传递注意力的总体规模。例如在网站或论坛中，它可以对应某个页面、板块或内容单元的访问量、点击量、曝光量背后的注意力吞吐量。
<math>C_i</math>，表示与节点<math>i</math>相关的累计间接注意力效应，刻画了所有曾经经过节点<math>i</math>的注意力流，在后续继续沿网络传播时，对整个注意力系统产生的累计影响。可以理解为“以节点<math>i</math>为根的子系统”在全局网络中的影响规模，或该节点所引发、储存和延展的注意力总量。
二者之间满足一个幂律关系：
二者之间满足一个幂律关系：
<math>C_i \sim A_i^\eta</math>
<math>C_i \sim A_i^\eta</math>
也就是说，<math>A_i</math>增大时，<math>C_i</math>不是简单随机变化，而是按某种稳定的比例规律增长。称这个关系为异速标度律，因为它类似生物学中“体重—代谢率”之间的幂律关系：这里<math>A_i</math>类似代谢量，<math>C_i</math>类似子系统的“体量”或能量储存。
也就是说，<math>i</math>的总注意力流量<math>A_i</math>增大时，其对应的累计系统影响<math>C_i</math>不是简单随机变化，而是按照相对稳定的标度规律增长。这一关系被称为异速标度律，是因为它类似于生物学中“体重—代谢率”之间的幂律关系。在注意力流网络中，<math>A_i</math>似节点的“注意力代谢量”或注意力吞吐量，<math>C_i</math>则类似该节点所支撑的注意力子系统规模。
可以简单理解为：一个节点承载的注意力越大，它通常越可能产生更大的系统性影响，并带来更强的后续注意力传播效应。
====异速生长律====
====异速生长律====
在注意力流网络的时间演化过程中，整个系统的总体注意力规模与参与用户规模之间也可能存在幂律关系。以网站或论坛为例，可以将其看作一个持续消耗、分配和转移用户注意力的流网络。
论坛研究中发现，在时间t上，页面浏览量与独立访客数之间满足：
<math>PV_t = a\,UV_t^h</math>
<math>PV_t = a\,UV_t^h</math>
其中：
其中：
<math>PV_t</math>表示某时段页面浏览量，<math>UV_t</math>表示某时段独立访客数，<math>h</math>表示异速增长指数 这说明：论坛的点击总量与访客总量不是线性关系，而是幂律关系。
<math>PV_t</math>表示某一时间段内系统获得的总页面浏览量，也就是总体注意力消耗量；<math>UV_t</math>表示同一时间段内的独立访客数，也就是参与注意力流动的用户规模，<math>h</math>表示异速增长指数。这一关系说明：系统的总点击量或总浏览量并不是随着用户数线性增加，而是以幂律形式增长。当用户规模扩大时，整体注意力消耗可能以更快或更慢的速度增长。
进一步地，平均浏览长度写成
<math>L_t = \frac{PV_t}{UV_t} \propto PV_t^{1-1/h}</math>
<math>L_t = \frac{PV_t}{UV_t} \propto PV_t^{1-1/h}</math>
所以，<math>h>1</math>时，论坛越大，用户平均浏览长度越高，因此<math>h</math>可以当作长期稳定的粘性/增长效率指标
<math>L_t</math>表示单位用户在该时间段内平均贡献的注意力长度，可理解为平均浏览深度、平均点击次数或平均注意力停留强度。
所以，<math>h>1</math>时，随着系统规模扩大，用户平均浏览长度也会提高。这意味着注意力流网络不仅吸引了更多用户，还增强了单个用户在系统中的注意力投入。因此<math>h</math>可以被视为衡量平台长期粘性、注意力转化效率和增长质量的重要指标。
====耗散律====
====耗散律====
在注意力流网络中，耗散律刻画的是节点总注意力流量与注意力损失之间的标度关系。
<math>A_i</math>表示节点<math>i</math>的总流量，可理解为该节点吸收、处理和传递的总流量的规模。
<math>D_i</math>表示节点<math>i</math>的耗散流，被定义为从节点<math>i</math>流向汇（sink）的流量，也就是原始流量矩阵中的<math>f_{i,S+1}</math>，类似于呼吸、输出等能量损失。
注意力流网络可以看作一个加权有向网络。节点表示注意力承载单元，边表示注意力在不同节点之间的流动方向和强度。在这一网络中，并非所有进入某个节点的注意力都会继续向其他节点传播，其中一部分注意力会在该节点处终止、流失或离开系统，这部分可以称为注意力耗散。
<math>A_i</math>表示节点<math>i</math>总注意力流量，可理解为该节点吸收、处理和传递注意力的总体规模。
<math>D_i</math>表示节点<math>i</math>的注意力耗散流，被定义为从节点<math>i</math>流向汇（sink）的注意力流量，也就是原始流量矩阵中的<math>f_{i,S+1}</math>，其中，汇点表示注意力离开系统的方向，例如用户关闭页面、退出网站、停止浏览、跳出平台，或注意力转移到系统外部。
二者之间也满足幂律关系：
二者之间也满足幂律关系：
<math>D_i \sim A_i^\gamma</math>
<math>D_i \sim A_i^\gamma</math>
也就是说，节点的总注意力流量越大，它所产生的注意力耗散通常也越大，但这种增长并不是任意的，而是服从一个相对稳定的标度关系。这里的<math>\gamma</math>是耗散律指数，用来刻画节点规模扩大时注意力流失速度的变化规律。
如果<math>\gamma>1</math>，说明大流量节点的注意力耗散会超比例增长，可能意味着这些节点虽然吸引了大量注意力，但也更容易成为注意力流失点；如果<math>\gamma>1</math>，则说明节点规模扩大后，其单位注意力耗散相对下降，可能具有更强的注意力保留和再分配能力。
因此，耗散律可以用于识别注意力流网络中的关键流失节点、低效转化节点以及具有高保留能力的核心节点。
==几何表征==
==几何表征==