社交网络中信息内容的计算公式

Posted 2020-07-31

一般的移动社交网络可以认为是由人和内容组成的一个双模网络，在添加位置信息，或者对内容的类型进行细分之后，可以演变成多模复杂网络。信息内容在社交网络中具有相当重要的地位，因为从本质上讲，社交的目的应该是信息的交换。信息、观念和看法的改变是相对较快的，信息内容和社交结构最终构成一个双重反馈回路，社交结构影响信息扩散，而信息则影响社会结构的变化。

如何看待社交网络中信息内容的价值呢？本着面向对象的思想，在这个双模网络中有两类节点：信息内容和人。 人和信息之间的关系是双向的， 因而可以从三个方面评估信息内容的价值：信息对人的影响Ve，人对信息的评价反馈Vf，信息内容本体Vs。

1） 信息对人的影响

根据社交网络中信息内容和我之间的关系，可以分为以下多个维度： 
相关性（Relevance）： 
我是否关心？这条内容与我什么关系呢？

显著性（slinky）: 
这是相关性在时间维度上的体现，表明我现在或在未来一段时间内释放是否关心改内容？

共鸣性（Resonance）： 
信息的内容和我所相信的内容是否一致？

严重性（severity）： 
信息的内容有多好或有多坏？

紧迫性（immediacy）： 
看到这个信息内容是否需要马上行动？与严重性一起，表示看到信息内容后不作出任何行动的后果。

确定性（certainty）： 
这个信息内容的效果是否会导致某种痛苦或快乐？或者这种概率非常小？

信源（source）： 
信息内容来自那里？我是否信任发出信息的人？这是否曾被人吗所验证？

娱乐性（entertainment）： 
信息的内容是否好玩？是否耐读？

姑且如此吧，目前，还没有想到更多的维度。如果可以对一条内容的每个维度给予赋值，并且给出权重，那么

信息内容对人影响的价值评估Ve：

Ve = a0*Releavance+a1*Slinky +a2*Resonance+ 
a3*Severity+a4*imediacy+a5*Certaincy + 
a6* source+ a7*Entertainment

且 a0+a1+a2+a3+a4+a5+a6+a7=1

2）人对信息的评价反馈

这里主要指多人对信息的统计量，可以分为以下几个维度： 
态度（Attitudes）： 
对改信息的点赞，拍砖之类的总数，是轻交互。

评论（Comments）： 
对该信息参与程度，还可以对评论的价值，评论的来源等参数进行细化，评论也是一条信息，相当于在一定上下文条件下的递归。

传播（Forwards）： 
例如转发的数量，覆盖的范围等等。

人对信息内容反馈的价值评估Vf： 
Vf ＝ b0*Attitudes + b1 * Comments + b2 * Forwards

3）信息内容自身

信息容量（capacity）： 
这是信息内容自身的属性，指内容的大小

信息内容的表达形式（format） 
内容的呈现形式，文字，语音，图片，视频拥有不同的权重。

信息内容自身属性的价值评估Vs： 
Vs = c0 * Capacity + c1 * Format

同样使用线性模型，那么信息内容的价值

Vm ＝ m1*Ve ＋ m2＊Vf ＋m3*Vs

对不同的社交网络，信息的某些维度可能难于计算，而且涉及到时序分析，但是自己总算有了一个信息内容评估的标准，尽管粗糙，但是在一定程度上可以实现对内容价值的感知。