更改

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。

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。

结合论文里的具体实现，原始行为记录可表示为类似 (time stamp, referrer, host, path) 的结构，其中 referrer 是用户从哪里来，host 是当前访问的内容资源，path 是访问位置。建模时，先把内容资源抽取出来作为节点，再统计任意两个节点之间的转移次数<math>f_{ij}</math>，从而得到一个带方向和权重的流量矩阵<math>F=\{f_{ij}\}_{n\times n}</math>。

为了构建集体注意力流网络，原始行为记录一般只需要访问的时间戳和具体网址，数据可表示为类似 (time stamp, URL) 的结构。建模时，先把内容资源抽取出来作为节点，再统计任意两个节点之间的转移次数<math>f_{ij}</math>，从而得到一个带方向和权重的流量矩阵<math>F=\{f_{ij}\}_{n\times n}</math>。如果可以采集到访问的用户（Session），跟踪用户状态，那么可以分别跟踪每一个用户的跳转路径。例如，只有两个用户A和B的情况下，若用户A的访问路径，从a节点跳到b节点再到c节点，用户B的访问路径，从a节点跳到b节点再到d节点，那么我们会得到<math>f_{ab}=2</math>，<math>f_{bc}=1</math>，<math>f_{bd}=1</math>，其他<math>f_{ij}=0</math>的F矩阵。

 

很多相关研究<ref name=":6" /><ref name=":7" /><ref name=":8" /><ref name=":9" /><ref name=":10" /><ref name=":11" />结合了网站链接拓扑与真实用户点击行为，提出了“[[流距离]]”概念，它能更真实地反映注意力流动的距离。在模型上，它引入了“源”和“汇”来构建开放流网络，以更全面地刻画用户行为的起止。此外，该研究通过将网站嵌入高维欧几里得空间，实现了对注意力流动的几何映射与可视化分析，最典型的就是印第安纳大学<ref name=":7" />的网络，将集体注意力流网络投射到二维平面进行了展示。在数据层面，在针对新闻网站Digg和百度贴吧的分析的研究<ref name=":10" /><ref name=":11" />基于用户的实际点击流数据，构建了大规模点击流网络，为此类研究提供了实证基础。并且通过流距离[[中心性]]度量与随机游走图嵌入方法的对比，验证了模型在识别关键节点（如百度、QQ）的一致性<ref name=":10" /><ref name=":11" />，证明其兼具结构重要性与流量表征能力。特别是在线学习<ref name=":9" />，现在相关内容已经被发表在了好几个顶刊。这个领域的顶看注意力的有效管理是影响学习成效的关键因素。在线学习资源虽然“免费”，但学习者需要付出注意力的代价，因此教学设计应考虑如何降低注意力成本，提升学习效率。

==[[流网络]]基本定义==

==[[流网络]]基本定义==