更改

== 社会背景==

== 社会背景==

===[[社会网络]]===

===[[社会网络]]===

社会网络本质上是一类以“人—人关系”为节点和连边的[[复杂网络]]<ref name=":4">F. Wu,& B.A. Huberman,Novelty and collective attention, ''Proc. Natl. Acad. Sci. U.S.A.'' 104 (45) 17599-17601, <nowiki>https://doi.org/10.1073/pnas.0704916104</nowiki> (2007)</ref>，通常具有关系异质、结构分层、社群显著和强弱连接并存等性质：一方面，不同个体在网络中的连接数、影响力和中介作用差异很大，往往会形成少数高连接度核心节点与大量普通节点并存的结构；另一方面，网络内部又会自然[[涌现]]出社群、圈层和层级，使信息传播呈现出局部聚集与跨群扩散并存的特点。传统[[社会网络分析]]主要关注“以人为节点的信息传播关系”，因此更适合刻画意见领袖、群体划分、互动结构和传播[[路径]]，但也容易受到信息复制、丢失和内容相关性弱刻画等限制。

社会网络本质上是一类以“人—人关系”为节点和连边的[[复杂网络]]<ref name=":4">F. Wu,& B.A. Huberman,Novelty and collective attention, ''Proc. Natl. Acad. Sci. U.S.A.'' 104 (45) 17599-17601, <nowiki>https://doi.org/10.1073/pnas.0704916104</nowiki> (2007)</ref>，通常具有关系异质、结构分层、社群显著和强弱连接并存等性质：一方面，不同个体在网络中的[[连接数]]、影响力和[[中介作用]]差异很大，往往会形成少数高连接度核心节点与大量普通节点并存的结构；另一方面，网络内部又会自然[[涌现]]出[[社群]]、[[圈层]]和[[层级]]，使信息传播呈现出局部聚集与跨群扩散并存的特点。传统[[社会网络分析]]主要关注“以人为节点的信息传播关系”，因此更适合刻画意见领袖、群体划分、互动结构和传播[[路径]]，但也容易受到信息复制、丢失和内容相关性弱刻画等限制。

[[文件:社会网络与信息网络.png|缩略图|注意力流网络与社会网络]]

[[文件:社会网络与信息网络.png|缩略图|注意力流网络与社会网络]]

当前，针对海量用户行为的[[数据分析]]多基于社交网络结构，侧重于研究信息在其中的扩散特征。这类方法虽已取得一定成果，但由于信息在传播过程中可能出现丢失、复制或失真等现象，难以直接沿用描述物质与能量流动的物理学规律。传统的社会网络方法以人为节点，对信息辨识度低，信息内容的传播构成了节点之间的信息流动，但是不具备[[守恒性]]。而[[机器学习]]的方法只能获得相应的参数，可解释性低。

当前，针对海量用户行为的[[数据分析]]多基于社交网络结构，侧重于研究信息在其中的扩散特征。这类方法虽已取得一定成果，但由于信息在传播过程中可能出现丢失、复制或失真等现象，难以直接沿用描述物质与能量流动的物理学规律。传统的社会网络方法以人为节点，对信息辨识度低，信息内容的传播构成了节点之间的信息流动，但是不具备[[守恒性]]。而[[机器学习]]的方法只能获得相应的参数，可解释性低。