注意力流网络分析的三个维度

less than 1 minute read

12月22日上午九点三十分,南京大学新闻传播学院计算传播实验中心第四次讲座如约开讲,本次应邀前来为大家做讲座的是来自亚利桑那州立大学的博士后研究者吴令飞博士。吴令飞博士毕业于香港城市大学媒体与传播学系,曾在百度做算法工程师,主要研究方向为注意力动力学。

本次讲座的题为:注意力动力学:理论与应用(Attention Dynamics: From theory to application)。围绕这个崭新的概念,吴令飞博士以Stackexchange.com为数据样本,向大家展示了注意力动力学的研究思路和最新研究成果。

Q:什么是Stackexchange.com?

A:Stackexchange.com是一个问答网站,在网站中你可以提问,也可以回答别人提出的问题。在Stackexchange.com上,超过半数的问题在十二分钟内会获得解答,其内容的实用性与Quora的趣味性形成鲜明对比,二者被誉为迄今为止世界上最成功的两个问答网站。

stacktime

吴令飞博士的研究思路,是按照注意力路径,注意力空间和注意力动力学三个方面进行的:

stack_summary

注意力路径(Path)

吴令飞博士对Stackexchange.com中的问题进行分类量化,通过对数据点之间流量移动的监测,可以描述出各个用户在Stackexchange.com中活动的路径。在这样的活动路径中,可以捕捉到用户从一个问题进入到下一个问题,直到离开网站的整个“路程”,而用户在网站中行进的“路程”,则可以被称之为流距离。

将数据呈现到二维函数象限中,可以观测到不同的话题社区其流距离是完全不同的,可以想到,流距离越长,就意味着用户在网站中驻足的时间更长,涉及的问题更多,这一社区发展的潜力也就更大。

stack46

注意力空间(Space)

在注意力的空间中,在不同的问题之间存在相关性与联系,通过对点和点之间,逐个相关性的距离计算,可以确定整个网站中问题和问题之间的空间结构是怎样的。

stack08

在对问题进行空间建构后,可以发现:问题发生了两极化。处于注意力中心的问题,例如“如何简单地定义狭义相对论”这样的问题,往往比较简单,会引来很多人回答。而例如“工程管理学中的狭义相对论”这类问题,比较边缘化,也只有很少人可以回答,这样的问题则处在了注意力的外围。

stack29

注意力动力学(Force)

在PATH中,对用户行为进行了流距离的研究,在SPACE中,又将问题嵌入到了一个二维空间中,而在FORCE中,吴令飞博士综合了之前的PATH和SPACE,并加入了时间维度,用以描述注意力动力学这一过程。

通过对Stackexchange.com的数据分析,随着时间推移,网络热点出现时,不断地缩短流距离的过程中,会吸引更多的用户流量。可以想见,在这种运动中,流距离的长短与用户的流量的大小呈反比。

stack49

吴令飞博士认为,这样一个模型的建立和使用,可以有效地对网络热点和网站的生存状态等众多议题进行预测,这也正是计算传播学的真正魅力所在。

Leave a Comment

Show Comments