【程学旗&陈恩红团队】社交网络的传播背景：模拟与建模

论文题名：The Propagation Background in Social Networks: Simulating and Modeling

论文作者：Kai Li, Tong Xu, Shuai Feng, Li-Sheng Qiao, Hua-Wei Shen, Tian-Yang Lv, Xue-Qi Cheng, En-Hong Chen

全文链接：http://www.ijac.net/en/article/doi/10.1007/s11633-020-1227-2

参考链接：https://mp.weixin.qq.com/s/h50MfCv-q7H97pKFckGT4Q

在线社交网络是日常信息传播的关键渠道，理解社交网络的传播机制有助于更好地认识人类行为、开发商业价值。面对超过注意力限度的海量信息，人们往往只能阅读其中很小的一部分，这就使得信息之间事实上在激烈竞争用户有限的注意力。那么，信息在传播过程中如何相互竞争？真实环境中，一条消息又是如何在社交网络中扩散？中科院计算所程学旗研究员团队与中国科技大学陈恩红教授团队合作带来最新研究---社交网络的传播背景：模拟与建模，初步研究了信息在社交网络中的传播模式，相关成果发表于IJAC 2020年第3期中。

图片来自Springer

在线社交网络在现代生活中扮演着十分重要的角色，其中之一是作为信息传播的媒介。理解社交网络中话题、思想、文化等的传播机制有助于认识人类行为，也有助于拓展商业模式。因此，研究者在传播相关问题上投入了大量精力。

一般而言，信息传播过程反映了用户在转发/分享所接收内容时的选择决策，而这会受到诸多因素的影响，如用户的偏好、话题的类别等。其中，不同消息之间的竞争也是一个重要的影响因素。通常，现代社会的人们会接收到大量各种各样的信息，然而，受注意力所限，只能消化其中很小的一部分。因此，用户只会选择那些他们最喜欢、或者对于他们而言最重要的信息，这就促使消息为吸引用户关注而展开竞争。

图片来自网络

事实上，此前的研究工作已经注意到在线社交网络中的信息过载现象，即信息量超出用户注意力承载限度。统计结果显示80%以上的微博用户关注了上百个其他帐号，这些用户的微博每天都有成百上千条新动态，而其中相当部分往往没有机会进入用户视野。这样的情况发生在视频、新闻等各种内容的传播过程中，每条消息都会与其传播路径上出现的其它内容形成竞争，导致其传播范围往往低于经典模型的预期。

已有工作对传播过程中消息之间竞争的处理，大体有两个思路。一方面，主流传播模型在传播/影响力最大化研究和转发预测等任务中，均忽略了消息之间的竞争。一个可能的原因是：在真实的传播数据中，对于用户收到但未转发的内容，几乎无法区分出到底是用户没有看到这条消息、还是不喜欢这条消息。另一方面，少数基于行为主体的模型(通常基于对传播过程的分析而建立)，将用户的记忆力和注意力限度因素考虑在内。

然而，已有方法无法充分反映出消息传播的竞争特性，而当前基于行为主体的模型，其场景设定明显不同于真实情况，并且无法与基于机器学习的主流方法相结合。

为此，本文提出了一种新的算法来模拟消息之间的竞争，并给出一种在主流模型框架内建模这种竞争的方法。

具体而言，本研究聚焦于传播背景(简言之即为可能与被考察消息竞争用户注意力的所有其它消息)的影响，忽略了除相邻节点影响力外的其他因素。由于无法从真实传播数据当中提取基本事实，我们首先构建传播背景。在传播背景模拟算法中，内容项由每位用户生成，每次用户可处理的内容项有限，每位用户不会在每一步都活动。而后，本研究通过改进IC模型来考虑传播背景带来的影响，从而更准确地估算出内容项的传播范围。新模型的框架与IC模型相同，但在一个节点决定是否转发一条消息之前，采用一个概率来度量错过该消息的可能性，这种可能性与消息接收节点的入度有关。

本研究的主要贡献可概括如下：

1) 提出了PBS算法。该算法可模拟在线社交网络的传播背景，与此前基于行为主体的模型相比，该算法的场景设定更贴近于真实情况。

2) 构建了ICPB模型。通过改进IC模型，ICPB模型考虑了传播背景对传播过程的影响。由此提供了一种将注意力竞争的影响融入现有传播模型当中的方法。

3) 将所提方法在一系列人工和真实网络上进行了验证。

来源：《International Journal of Automation and Computing》编辑部