社交网络中信息内容的计算公式

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了社交网络中信息内容的计算公式相关的知识,希望对你有一定的参考价值。

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。


以上是关于社交网络中信息内容的计算公式的主要内容,如果未能解决你的问题,请参考以下文章

10X单细胞(10X空间转录组)聚类算法之Louvain

社交网络的起源,发展历程及未来的发展趋势。越详细越好啊,多谢了各位

DFINITY丨在互联网计算机上推出的去中心化社交媒体网络distrikt

PTA 社交网络图中结点的“重要性”计算(30 分)

PTA数据结构与算法题目集(中文) 7-36 社交网络图中结点的“重要性”计算 (30 分)

跨社交网络的隐私图片分享框架阅读总结