记住我们喜欢的:一种基于智能体的网络流量模型
人机交互
2010-04-27 v1 计算机与社会
信息检索
多智能体系统
物理与社会
摘要
对聚合网络流量的分析表明,PageRank模型并不能很好地反映人们实际浏览网络的方式。利用一千名用户在两个月内产生的经验性流量模式,我们刻画了马尔可夫模型(其中目的地与过去决策无关)无法复现的网络流量特性。特别地,我们表明:个体用户访问站点的多样性小于PageRank模型的预测,且分布更广;链接流量的分布比预测的更广;用户连续两次访问同一站点的时间间隔分布比预测的更窄。为了解释这些差异,我们引入了一个更真实的导航模型,其中智能体维护各自的、用作遥传目标的书签列表。该模型还能解释分支现象,这是一种由浏览器功能(如标签页和后退按钮)引起的流量特性。该模型在再现站点流行度等聚合流量模式的同时,还能对多样性、链接流量和返回时间分布做出更准确的预测。该模型首次使我们能够捕捉聚合流量测量的极端异质性,同时解释个体用户更窄的浏览模式。
引用
@article{arxiv.0901.3839,
title = {Remembering what we like: Toward an agent-based model of Web traffic},
author = {Bruno Goncalves and Mark R. Meiss and Jose J. Ramasco and Alessandro Flammini and Filippo Menczer},
journal= {arXiv preprint arXiv:0901.3839},
year = {2010}
}
备注
4 pages, 4 figures. Accepted in WSDM 2009 Late Breaking Results