本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
隨著在線上環境中人類互動（例如社交媒體和應用程式的使用）留下的「數位足跡」越來越豐富，對複雜人類行為進行建模的能力變得越來越可能。人們已經提出了許多方法，但是，大多數先前的模型框架都相當有限。我們引入了一種新的社交建模方法，可以直接從資料建立模型，對模型類別的先驗限制最小。特別是，當孤立地看待並受到社會輸入的驅動時，我們推斷出個體行為的最簡單的複雜性、最大的預測性表示。然後，我們將此框架應用於從微博平台 Twitter 上的 15,000 個使用者收集的人類行為的異質目錄。這些模型使我們能夠描述使用者如何處理他們過去的行為和社交輸入。儘管觀察到的使用者行為多種多樣，但大多數推斷的模型都屬於所有可能的有限狀態過程的一個小子類別。因此，我們的工作表明，使用者行為雖然相當複雜，但卻掩蓋了簡單的底層運算結構。