自然出版集团
无花果
1:推特数据集违反中值规则
在紫色中，我们绘制了等式中定义的概率pi的直方图
(1)
数据指的是在最初的6757个代理中，N = 6474个代理，这是通过考虑那些不符合度至少为2的代理得出的
分布的中位数是0
436(平均值和标准值:0
450, 0
189)
在浅蓝色中，我们在重组连接的时间序列时计算相同的分布(无效假设)
这个分布的中位数是0
5(平均值和标准值:0
489, 0
173)
这两个分布在统计学上有显著差异(Kolmogorov-Smirnov检验≪108的p值)
信用:DOI: 10
1038/s 1467-021-27089-8 发表在《自然通讯》上的一项研究报告称，一个基于用户生成内容质量的模型描述了在线社区的形成和社交媒体平台上影响者的崛起
这些发现可以提高我们对社交媒体影响力如何产生的理解
社交网络通常可以在信息传播中发挥核心作用，并可以影响公众舆论，但我们对这些平台内发生的现象的理解仍然难以捉摸
在许多流行的社交媒体平台，如Instagram、YouTube、抖音和推特，用户分享内容，并积极参与其他用户的内容，以形成虚拟友谊
基于兴趣的社区通常通过突出的用户出现，这些用户可以用他们的内容影响其他用户
Nicolò Pagan、Wenjun Mei和同事提出了一个社交网络形成的数学模型，用户根据自己的兴趣，根据内容的质量决定彼此链接/跟随
然后，作者在一个由6000多名科学家组成的网络中用推特数据测试了他们的模型
结果表明，用户的目标是提高他们收到的内容的质量，并通过综合搜索引擎不断搜索质量最好的内容提供商
他们发现，制作最高质量内容的用户的追随者是第二个用户的两倍，以此类推
随后，作者使用网络游戏玩家的热门平台Twitch的数据集验证了他们的模型
他们认为，该模型比以前的模型更真实地反映了受欢迎程度和网络结构的增加
这些发现为社交网络社区和影响者的形成提供了一种可能的机制
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
