01
А
Астрономия
02
Б
Биология
03
Г
Гуманитарные науки
04
М
Математика и CS
05
Мд
Медицина
06
Нз
Науки о Земле
07
С
Сельское хозяйство
08
Т
Технические науки
09
Ф
Физика
10
Х
Химия и науки о материалах
Математика и Computer Science
28 марта

Модель прояснила распространение мемов в социальных сетях

Ian Pattison/Flickr

Исследователи построили аналитическую модель, описывающую динамику движения таких видов информации, как мемы и новости, в социальных сетях. Авторам удалось вывести распределения «продолжительности жизни» и популярности отдельных мемов. Статья с результатами опубликована на сервере препринтов arXiv.org.

Динамика распространения информации в социальных сетях интересует многих ученых. Особенно актуально это стало в связи с тем, с какими масштабами распространяются ложные новости в Twitter и Facebook, и какую аудиторию они охватывают. В частности, одна из главных задач в этой области состоит в том, чтобы найти стратегию, которая помогла бы распространять верную информацию и противодействовать ложной.

Авторы новой работы для того, чтобы описать движение мемов, новостей и слухов в терминах диффузии информации, используют инструментарий статистической физики. Подход, который они используют, выделяет несколько ключевых величин, необходимых для построения адекватной модели: неоднородная топология взаимодействия агентов на разных платформах, связанная с ограниченностью памяти информационная перегрузка пользователей и «качество» самой информации.

В представленной модели используются статичная сеть из пользователей с ограниченным размером памяти, каждый из которых генерирует мемы со случайным параметром «годности». Этот параметр определяет, какова вероятность того, что мем будет распространяться лучше других. В результате ученые смогли аналитически вывести распределение мемов по «продолжительности жизни», то есть времени между его появлением и исчезновением из памяти последнего пользователя, в зависимости от их «годности». Также можно получить распределение количества мемов в зависимости от их качества.

Авторы отмечают, что рассмотренная модель достаточно упрощенная, но указывают на то, что для того, чтобы она описывавала реальную ситуацию, ее можно усложнить несколькими путями. В частности, можно использовать неоднородное распределение мемов по качеству или нелинейную зависимость между качеством и вероятностью трансляции другим пользователям. Также в рамках этой же модели можно ввести пользователей с разным размером памяти и вероятностью генерирования мема. Тем не менее, даже обсуждаемая в этой работе модель успешно воспроизводит наблюдаемые на некоторых площадках закономерности, в частности, степенную зависимость популярности мема от его времени жизни в Twitter.

Понравился материал? Добавьте Indicator.Ru в «Мои источники» Яндекс.Новостей и читайте нас чаще.

Комментарии

Все комментарии
Обсуждаемое