[论文解读] Agent-based model of information spread in social networks

Dmytro Lande, Anastasiya M. Hraivoronska+1 more|arXiv (Cornell University)|May 26, 2016

Opinion Dynamics and Social Influence参考文献 1被引用 3

一句话总结

本文提出了一种基于代理的模型，用于模拟社交网络中的信息传播，其中代理（消息）通过交互作用演化，累积点赞和转发。利用推特数据，模型表明消息受欢迎程度的分布符合威布尔分布，为理解病毒式内容动态提供了统计框架。

ABSTRACT

We propose evolution rules of the multiagent network and determine statistical patterns in life cycle of agents - information messages. The main discussed statistical pattern is connected with the number of likes and reposts for a message. This distribution corresponds to Weibull distribution according to modeling results. We examine proposed model using the data from Twitter, an online social networking service.

研究动机与目标

• 开发一个多代理网络模型，以模拟社交网络中信息消息的生命周期。
• 理解支配消息受欢迎程度（尤其是点赞和转发）的统计模式。
• 使用来自推特的真实世界数据验证该模型。
• 识别消息互动指标的潜在概率分布。
• 提供一个计算框架，用于预测信息传播动态。

提出的方法

• 代理代表在社交网络中通过交互作用演化的信息消息。
• 每个代理根据反映用户参与度的随机演化规则累积点赞和转发。
• 该模型结合了网络结构和用户行为动态，以模拟消息传播。
• 对消息的点赞和转发分布应用统计分析。
• 使用来自推特的真实数据对模型进行校准和验证。
• 将威布尔分布拟合到观测到的互动指标，以评估拟合优度。

实验结果

研究问题

• RQ1 哪种统计分布最能描述社交网络中信息消息的点赞和转发数量？
• RQ2 控制消息演化的代理规则在多大程度上能再现现实中的参与模式？
• RQ3 该模型的输出在多大程度上与推特的真实数据相匹配？
• RQ4 影响在线网络中消息生命周期和受欢迎程度的关键因素是什么？
• RQ5 威布尔分布能否有效模拟社交媒体中信息的传播与衰减？

主要发现

• 模型中消息的点赞和转发分布与威布尔分布高度吻合，经由对推特数据的实证拟合得到证实。
• 该模型成功再现了真实社交网络中观察到的消息受欢迎程度的重尾特性。
• 代理的演化规则有效模拟了信息传播的突发性和异质性。
• 消息生命周期中的统计模式在不同网络配置下均表现出稳健性和一致性。
• 与幂律分布或指数分布等替代分布相比，威布尔分布对观测到的互动指标提供了更优的拟合效果。
• 该模型表明，消息受欢迎程度并非完全随机，而是遵循可预测的随机动力学。