更改

集体注意力流网络 (查看源代码)

删除1,463字节、 2026年10月22日 (星期四)

第116行：第116行：

注意力在几何表示空间中会向核心区域汇聚：少数核心网站吸引了大部分注意力流，而大量中间层和边缘层网站只分到较少流量。这说明“汇聚”不仅是单节点现象，也是整个内容生态中的中心化结构特征。

−

~~===流量===~~

−

~~===TST===~~

−

~~[[系统总流量]]，即 Total System Throughflow，记为 TST，定义为所有内部节点总流量之和：~~

−

~~<math>~~

−

~~TST=\sum_i T_i=\sum_{i\neq 0,j}f_{ij}~~

−

~~</math>~~

−

~~其中，~~

−

~~<math>T_i</math>是节点 i的总流量。在平衡的注意力流网络中，节点总流量可写为：~~

−

~~<math>~~

−

~~T_i=\sum_{j=0}^{N}f_{ji}=\sum_{j=1}^{N+1}f_{ij}~~

−

~~</math>~~

−

因此，系统总流量也可以理解为所有内部节点所处理、承载或转发的注意力量之和。也就是说，系统总流量等于所有内部节点的总入流之和，也等于所有内部节点的总出流之和。

−

在集体注意力流网络中，TST衡量的是整个系统中的注意力活动规模。若TST较大，说明在该时间窗口内，系统内部发生了大量注意力流动。例如，多个话题之间存在频繁跳转，用户不断从一个内容进入另一个内容，或者热点事件持续引发相关讨论。若 TST较小，则说明系统整体注意力活动较弱，节点之间的注意力转移较少。

−

需要注意的是，TST并不只是外部进入系统的注意力总量。由于同一份注意力可能在系统内部经过多个节点，例如用户先关注事件本身，再进入评论区，随后点击相关人物或后续报道，因此它可能在多个节点上被重复计入节点总流量。正因如此，TST更准确地表示系统内部的注意力周转规模，而不仅仅是原始注意力输入规模。

==集体注意力流网络的基本度量==

558

个编辑