在前向线性阈值排序上调节阈值的研究
社会与信息网络
2022-09-22 v1
摘要
社交网络是信息与影响传播的自然空间，并已成为一种媒介。已有若干捕捉该扩散过程的模型被提出，其中大多数基于独立级联（IC）模型或线性阈值（LT）模型。IC模型是概率性的，而LT模型依赖于对某一待说服行动者的认知，体现为与之关联的个人阈值。尽管基于LT的模型考虑了网络中每个行动者的个人阈值，但现有研究迄今始终采用所有行动者均为0.5的阈值（即简单多数激活准则）。本工作的主要目标是开启如下研究：当我们考虑设定这些阈值的其他选项时，网络上的信息传播行为如何变化，以及有多少网络行动者最终受此传播影响。为此，我们考虑一种近期提出的基于LT模型的中心性度量——前向线性阈值排序（FLTR）。我们通过实验分析了多个网络中影响抵抗阈值遵循不同方案时的排序性质。此处考虑三种不同方案：（1）均匀，即所有参与者取值相同；（2）随机，即每个参与者在指定区间内均匀随机（u.a.r.）分配一个阈值；（3）由该行动者另一中心性度量的值决定。结果表明，该选择对排序有显著影响，某些情况下甚至相当显著且 abrupt。我们得出结论：能为个人阈值提供最佳分配的社会网络排序是PageRank和FLTR。
引用
@article{arxiv.2209.10232,
title = {Playing with Thresholds on the Forward Linear Threshold Rank},
author = {Maria J. Blesa and Maria Serna},
journal= {arXiv preprint arXiv:2209.10232},
year = {2022}
}
备注
14 pages. Abstract presented at EURO 2022 (Espoo, Finland)