3,094
个编辑
更改
→宏观变量与规模法则
为了得到规模法则，我们可以构造如下宏观变量：
为了得到规模法则，我们可以构造如下宏观变量：
* 活跃度 [math]A[/math]：即用户完成了多少次跳跃；
* 活动总量 [math]A[/math]：即用户完成了多少次跳跃；
* 用户数[math]N[/math]：即一开始释放的随机游走用户的个数；
* 用户数[math]N[/math]：即一开始释放的随机游走用户的个数；
* 兴趣多样性 [math]D[/math]：已被创建的资源节点在d维空间中的覆盖体积（也就是注意力流网络中节点的个数）；
* 兴趣多样性 [math]D[/math]：已被创建的资源节点在d维空间中的覆盖体积（也就是注意力流网络中节点的个数）；
这也是复杂网络[[密集化定律]]的体现（[math]E,D[/math]分别是注意力流网络的连边数和节点数）。
这也是复杂网络[[密集化定律]]的体现（[math]E,D[/math]分别是注意力流网络的连边数和节点数）。
生成的注意力流网络同样存在着[[耗散律]]现象，以及耗散律的幂指数与幂指数[math]\alpha[/math]存在着负相关关系。
通过调整参数 [math]\lambda[/math] 和 [math]p[/math]，模型可以产生不同的幂律指数。因此，我们也可从观测数据之中的幂律指数反推这两个参数值，以反映真实用户的兴趣跨度与内容生成倾向。该模型揭示了虚拟空间中人类行为的几何起源，为理解在线社区的增长、推荐机制与注意力流的分布提供了一种理论解释。
通过调整参数 [math]\lambda[/math] 和 [math]p[/math]，模型可以产生不同的幂律指数。因此，我们也可从观测数据之中的幂律指数反推这两个参数值，以反映真实用户的兴趣跨度与内容生成倾向。该模型揭示了虚拟空间中人类行为的几何起源，为理解在线社区的增长、推荐机制与注意力流的分布提供了一种理论解释。