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：2025-04-15
摘要
我們研究網路上內容的傳播動態。為此，我們使用了一種模型，其中內容透過有限置信機制傳播。在意見動態的有限置信模型（BCM）中，網路的代理具有連續價值的意見，當他們與意見足夠接近他們的代理互動時，他們會調整這些意見。我們的內容傳播模型也可以解釋為一種獨立級聯模型，它透過對內容傳播本身使用有限置信度，在 BCM 中引入了一種扭曲。我們定義了疾病動態中基本再生數的一個類似物，我們稱之為觀點再生數。意見複製數的臨界值指示是否存在反映特定意見的內容的「資訊流行病」（即，大量內容傳播級聯）。透過確定這個臨界值，人們可以確定某種意見是否會消失或在一群代理人中作為級聯廣泛傳播。使用配置模型網絡，我們透過計算各種匯總統計數據來量化內容傳播的大小和形狀，並說明網絡結構和傳播模型參數如何影響這些統計數據。我們發現，當主體具有較大的預期平均程度或對內容的接受度較大時，內容傳播最廣泛。當傳播過程稍微超過資訊流行閾值時，與較大的預期平均程度或接受度相比，可能存在更長的傳播樹（這兩者都促進內容共享，因此有助於推動內容傳播超過資訊流行閾值），即使內容共享的總數較小。