558
个编辑
更改
→背景
== 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，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。
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。
===信息流===
===信息流===
在社会网络框架里，信息流指的是内容在用户之间的传播过程，比如转发、评论、引用、扩散等。它强调的是“消息如何在人群中传递”，所以天然依附于人与人之间的关系网络。
不过，文中也特别指出，信息流和物理流不一样：信息在传播时可能一份变多份，也可能中途衰减、失真甚至消失，因此它一般不具备严格守恒性。正因为如此，如果我们想进一步研究“流量平衡”“耗散”“生态位”这类问题，仅靠信息流还不够。
===点击流分析===
点击流可以看成是从“信息传播”转向“用户行为轨迹”的关键一步。它关注的不是信息被谁转发了，而是用户实际如何在不同内容资源之间浏览、消费和跳转，例如从一个网页跳到另一个网页、从一条新闻切到一个视频、从一个帖子进入另一类内容。文中把这些浏览与跳转行为视为后续建模的原始依据。
也就是说，点击流描述的是“用户走过的路径”，比信息流更贴近可观测的数据记录。正因为这些行为足迹可以被大规模采集和保存，它就成为把传播问题转化为数据驱动建模问题的重要中间层。
===开放流网络===
当我们把大量点击流进一步抽象成网络时，就得到开放流网络。它把系统看成一个可与外部环境交换流量的动态网络：节点代表状态或内容资源，边代表状态转移或跳转概率；同时网络中还包含“源”和“汇”，分别表示用户从外部进入系统、以及从系统退出。
在这个框架下，点击流就不再只是零散的行为记录，而变成了一个可分析的流系统：有积聚流、有流转量、有耗散流，并且可以研究每个节点的入流—出流平衡。文中明确提出，注意力流网络就是一种典型的开放流网络。
===集体注意力===
===集体注意力===
集体注意力是这条逻辑链的核心对象。它不再把“信息”本身当作最稀缺资源，而是把海量用户在不同内容资源上分配、转移和消耗的注意力看成真正需要刻画的量。在信息爆炸背景下，信息可能泛滥，但注意力是稀缺的，因此分析注意力如何积聚、流动和演化，往往比单纯分析信息扩散更有解释力。
于是，前面的几个概念就自然串起来了：社会网络描述人与人的关系，信息流描述内容在人之间传播，点击流记录用户在内容之间的真实跳转，开放流网络把这些跳转组织成可计算的流系统，而集体注意力则是这个系统中真正被建模和分析的“流动对象”。文中正是据此提出：以内容资源为节点、以用户浏览和跳转行为为边，构建具有守恒性与耗散性的集体注意力流网络，用来分析全媒体传播过程。
===集体注意力流网络===
===集体注意力流网络===
集体注意力流网络是以内容资源为节点、以用户在不同内容资源之间的浏览与跳转行为为边所构成的一类开放流网络。与传统以“人—人关系”为核心的社会网络不同，集体注意力流网络关注的不是信息在人际关系中的扩散，而是用户注意力在内容资源之间的分配、转移与消耗过程。由于注意力是一种稀缺资源，这种网络能够更直接地刻画全媒体环境中用户行为背后的传播动力学机制。基于这一理论框架【5-10】，本项目拟构建以内容资源为节点、以用户行为为边的集体注意力流网络，从宏观层面分析集体心智的分布特征，揭示注意力流动的结构性规律，并为舆情管理、传播优化与资源配置提供理论支持。
集体注意力流网络具有两个关键特征，即守恒性与耗散性。守恒性体现在用户浏览行为的时序分配上：对于单个用户而言，在同一时刻其注意力通常只能主要集中于某一内容资源；而在不同时刻，这部分注意力会随着浏览、点击、切换等行为从一个资源转移到另一个资源。因而，从系统整体视角看，海量用户的行为轨迹汇聚成一种可统计的注意力流动过程，表现为网络中流量的整体平衡：对任一节点而言，其流入总量（包括外部进入形成的积聚流）与流出总量（包括向其他节点转移的流量及离开系统的耗散流）之间满足平衡关系。正是这种守恒性，使得内容平台可以被视为一个可进行流量分析与结构刻画的复杂系统。
与守恒性并存的是注意力流的耗散性。用户在内容资源之间不断跳转时，其认知投入、搜索成本和心理能量会逐步消耗，因此注意力并不会在网络中无限循环，而会以退出、终止浏览等形式不断流失。具体而言，一个节点的耗散流可理解为用户从该资源退出系统的概率或流量比例，并且这种退出倾向通常会随着跳转次数增加而增强。耗散性的存在使得内容资源的访问量分布往往呈现出类似生态系统营养级结构的“金字塔”形态：能够直接吸引大量用户注意力的核心资源位于底部，类似生态系统中的“生产者”；而需要经过多次跳转才能触达、仅获得少量注意力的资源则位于上层，类似“消费者”。因此，一个内容资源在网络中的结构位置，不仅影响其自身获得的关注规模，也影响其在整个传播生态中的功能角色。正因如此，集体注意力流网络可以被视为一种复杂的内容生态系统，而注意力流则是维系该系统运转并推动其演化的核心动力。
====自由选择====
====自由选择====
集体注意力流网络模型的理论价值，不仅在于它提供了一种描述用户行为流动的新方法，更在于它试图刻画个体在传播环境中的自由选择过程。在全媒体平台中，用户通常并不是被动接受信息，而是会根据自身兴趣、需求、认知偏好与情绪状态，在海量内容资源中主动进行浏览、停留、跳转与退出。表面上看，这种选择是分散且个体化的，类似顾客在商场中自由选择店铺、货架和商品；但在更深层次上，个体选择并非完全孤立，而是会受到平台推荐机制、内容结构、社会热点与群体心理的共同影响。因此，大量个体的“自由选择”在宏观上会汇聚成稳定而可识别的集体行为模式
====集体心智====
====集体心智====
正是在这一意义上，集体注意力流网络不仅描述“注意力流向了哪里”，也揭示“群体为何会共同流向那里”。当大量用户在看似自由的选择中不断表现出相似的停留、聚集与跳转行为时，便在系统层面形成了某种具有统计规律的集体心智。这种集体心智并不是单个个体心理的简单相加，而是由海量个体在内容环境中相互耦合、共同作用所涌现出的宏观认知结构。网络中不同节点的重要性差异、不同路径的流量强弱以及不同区域的聚集与耗散特征，实际上都在一定程度上映射了用户群体对内容的共同认知、价值判断与心理偏好。因此，以内容资源为节点构建集体注意力流网络，不仅能够分析传播流量和内容结构，还能够从系统整体视角理解用户群体的认知组织方式，从而为“集体心智”的研究提供可观测、可量化的网络化表达。
=注意力流网络=
=注意力流网络=