网络嵌入视角下达成注意力经济的实证与仿真分析.docVIP

网络嵌入视角下达成注意力经济的实证与仿真分析 　　摘要：本文首先通过对豆瓣社区用户的实际建边行为的追溯，构建了个体获取知识的异质树状网络，然后从树状网络结构出发模拟了三个个体经济的网络模型（DLA、DLCA、BA），用实验数据统计得出与集体搜索效率相关的网络属性指标。结果显示BA模型是以牺牲“公平性”来获得小的平均最短路径，集体经济背后对应的不是个体的经济。基于DLCA模型做了三个比对实验，实验结果证明在不同的“熟人”推荐策略下得到的网络可以同时满足个体经济和集体经济。在个体有限注意力条件下，异质树状网络是高效获取知识的方式，在理论上为社区的建设提供了设计建议同时也将复杂网络的研究贴近实际，用以指导个人经济有效的使用注意力 关键词：个体注意力经济；集体注意力经济；网络优化；异质树状网络 中图分类号：C931文献标志码：A文章编号：1009-055X（2016）06-0035-06 doi：10.19366/ki.1009-055X.2016.06.006 诺贝尔奖获得者赫伯特HerbertA.Simon）应是注意力经济概念的最早提出者，在他的书中写到：“在信息丰富的世界里，意味着某些东西是稀缺的。因为信息是丰富的，那么稀缺的就是信息消费的东西，这种东西就是消费信息时接受者的注意力。因此我们在过载的数据中收集信息时，需要经济有效的安排我们的注意力。”[1-2] 在互联网的世界里，简洁有效的收集信息的方法有两种：一个是基于自己以往的经验――朋友推荐的方法，另一个是基于陌生人的经验――择优连接。[3]基于朋友推荐的方法就是去关注朋友关心的事务，既然是兴趣相似的朋友，那么朋友去关注的东西总是有朋友的道理；择优连接的理由是关注大家都关注的东西总是没错，错也是大家一起错。这两种高效的信息过滤方法听起来都有各自的道理，那么大家都采用了相同的策略，群体是否会达成注意力经济；在时间维度上是否会经济？ 本章分为四部分，第一部分，分析两组独立的豆瓣用户的关注行为、参加小组行为数据证实朋友推荐的方法普遍存在。提出个体获取知识的树状网络模型。第二部分，用DLA模型模拟这种树状网络的生成过程，揭示网络规模与知识获取步数呈现非线性关系。进一步用DLCA模型还原多人合作情景。用整体网络指标比较DLA、DLCA、择优连接模型的信息获取效率。第三部分，以DLCA模型生成的网络结构作为Agent交互的基底，模拟三种知识寻找策略。通过最后的网络的结构评价这三种策略的经济性。第四部分，结合实证分析与仿真实验提出高效的知识获取方式应是一种多标准下的熟人推荐方式。它不仅可以达到个体搜索效率的最优而且可以达到群体搜索效率的最优 一、基于豆瓣社区个体注意力经济的实证分析 （一）熟人推荐方式的存在 对于个体注意力经济的实验过程，包括样本的确定，实验过程，实验平台，数据分析方法我们在另外的文章中有详细的论述[4-5]，这里只将与本文有关的过程和研究结论做一阐述。2008年10月要求2005级人力资源班学生在豆瓣网上建立小组，共建三个小组分别为：“贪吃蛇”“最爱港产片”和“时光影像”。时隔四年，这三个小组已不具成长性，小组中没有新的内容，新的成员或新的活动举办，但小组中有些成员一直在更新自己的主页，分享自己的知识与读书心得。我们取出这些有生命力的成员，对他们的网络进行分析，为什么要分析有生命力成员的原因在于我们认为这些成员可以经济地使用自己的注意力，这种经济性让这些成员保持了兴趣。通过有生命力个体读过书的时间序列与添加关注用户的时间序列的相关分析，发现有生命力个体会通过自己读过的书来找到关注的人。如表1所示 接着分析有生命力个体与无生命力个体关注的人的时间序列与参加小组间的相关分析，发现有生命力的个体有通过关注的人去参加新小组的现象，而无生命力个体则相对较少用关系。如表2所示 同时，为去除样本对于分析结果的影响，我们采用整体抽样的方法，抽取一个有生命力的小组――集智俱乐部小组，查看其用户参加其他小组的信息，并分析小组组员参加小组时是否会用到以往连边。如表3所示 在前六个小组里，有五个小组是集智俱乐部的友情小组，只有最后一个逻辑小组不列在友情小组的集合中。从以上的数据分析中我们可以看到，在有生命力组员和小组中都有较大的比例是通过熟人推荐的方式进行知识的搜索 （二）个体知识获取的树状网络结构 在对用户行为分析后，发现在一个时点上看到的都是该用户看了什么书、想看什么书、关注了什么人、参加了哪些小组，按传统的网络分析方法，这些均为该节点的度，计算指标只有一个。但从时间序列连边行为进行观察后发现，这些关系之间是有先后顺序的，一些边是来自于用户原有一些边的推荐，如果没有时间序列数据的支撑，这些先后的顺序就被隐藏了，我们分析