[论文解读] Attention Inequality in Social Media

Linhong Zhu, Kristina Lerman|arXiv (Cornell University)|Jan 26, 2016

Complex Network Analysis Techniques参考文献 23被引用 11

一句话总结

本文研究了推特平台上的注意力不平等现象，表明排名前20%的用户获得了超过96%的粉丝、93%的转发和93%的提及。通过实证数据和现象学模型，研究发现注意力不平等源于‘富者愈富’和‘贫者愈贫’的动态机制，即通过提及和转发获得注意力的用户更有可能获得更多粉丝，从而导致不平等随时间加剧。

ABSTRACT

Social media can be viewed as a social system where the currency is attention. People post content and interact with others to attract attention and gain new followers. In this paper, we examine the distribution of attention across a large sample of users of a popular social media site Twitter. Through empirical analysis of these data we conclude that attention is very unequally distributed: the top 20\% of Twitter users own more than 96\% of all followers, 93\% of the retweets, and 93\% of the mentions. We investigate the mechanisms that lead to attention inequality and find that it results from the "rich-get-richer" and "poor-get-poorer" dynamics of attention diffusion. Namely, users who are "rich" in attention, because they are often mentioned and retweeted, are more likely to gain new followers, while those who are "poor" in attention are likely to lose followers. We develop a phenomenological model that quantifies attention diffusion and network dynamics, and solve it to study how attention inequality grows over time in a dynamic environment of social media.

研究动机与目标

• 量化推特平台上用户之间注意力的分布情况，通过粉丝数、转发数和提及数进行衡量。
• 探究社交媒体平台中注意力不平等现象的驱动机制。
• 建立模型，分析注意力扩散与网络动态如何随时间推移导致不平等加剧。
• 理解用户注意力分配是否以及如何导致关注者网络结构的演变。
• 探讨极端注意力不平等对内容多样性、用户参与度和社会影响力的影响。

提出的方法

• 利用API在为期7个月（2014年3月至10月）的时间内收集推特的纵向数据，追踪5,600个种子用户及其互动行为。
• 通过三个关键指标衡量注意力：用户所获得的粉丝数、转发数和提及数。
• 分析用户行为的时间模式，包括关注、提及和转发行为，以识别注意力在用户之间的流动方式。
• 基于对用户行为和网络变化的实证观察，构建注意力扩散的现象学模型。
• 对模型进行参数化，以模拟粉丝增长动态，引入偏好附加机制，即获得越多注意力的用户越容易获得更多粉丝。
• 通过解析和数值方法求解模型，以预测未来的粉丝数量，并估算注意力不平等随时间的演变趋势。

实验结果

研究问题

• RQ1 注意力在推特用户之间的分布情况如何？其不平等程度达到何种程度？
• RQ2 社交媒体平台中观察到的注意力不平等现象由哪些机制驱动？
• RQ3 用户行为（如提及和转发）在多大程度上影响关注者网络的增长与不平等？
• RQ4 ‘富者愈富’动态在多大程度上解释了注意力不平等随时间的增长？
• RQ5 基于注意力扩散的现象学模型能否准确预测未来的粉丝数量和不平等趋势？

主要发现

• 样本中推特用户中排名前20%的用户拥有全部粉丝的97%、93%的转发和93%的提及，表明存在极端的注意力不平等。
• 频繁被提及或转发的用户显著更有可能获得新粉丝，形成一种反馈回路，从而强化已有的不平等。
• 粉丝数较少的用户更可能随时间失去粉丝，表明存在‘贫者愈贫’的动态，进一步加剧不平等。
• 研究识别出‘富者愈富’和‘贫者愈贫’的动态是注意力不平等的主要驱动因素，即注意力会带来更多的注意力。
• 现象学模型成功捕捉了注意力不平等随时间的增长过程，表明不平等是由于注意力扩散中的偏好附加机制而加剧的。
• 实证数据显示，注意力指标（如转发数）与粉丝增长之间存在强相关性，支持了模型的假设与预测。