基于微分方程的社交媒体影响力数据驱动建模
社会与信息网络
2022-07-29 v1
摘要
个体基于其社交互动改变对某一话题的观点。观点演化模型将观点变化概念化为单维连续体,而影响力效应由群体规模、网络结构或群体内观点间的关系构建。然而,如何将在线社交影响力作用下的个人观点演化过程建模为一个函数仍不清楚。在此,我们表明单维连续的用户观点可由压缩的高维词嵌入表示,其演化可由反映社交网络意见领袖互动的常微分方程(ODE)精确建模。我们的三大主要贡献为:(1) 引入以时间核表示观点个人演化的数据驱动流程;(2) 基于先前的心理学模型,我们使用常微分方程将观点演化过程建模为在线社交影响力的函数;(3) 将我们的观点演化模型应用于实时 Twitter 数据。我们对 2020 至 2022 年关于 COVID-19 话题的 87 名活跃用户及其对应意见领袖进行分析。回归结果表明,量化观点中 99% 的变异可由我们所建模的来自其意见领袖的关联观点解释。我们对 COVID-19 话题及所分析账户的研究显示,社交媒体用户主要基于其关注的意见领袖改变观点(例如,模型解释 99% 的变异),而长时间尺度上的观点自我演化有限。
引用
@article{arxiv.2207.13814,
title = {Data Driven Modeling Social Media Influence using Differential Equations},
author = {Bailu Jin and Weisi Guo},
journal= {arXiv preprint arXiv:2207.13814},
year = {2022}
}