社交媒体中的信息传递
本研究提出了一种信息理论措施,称为内容转移,可直接量化一名用户对另一名用户内容的影响力,该措施能够捕捉到非平凡的预测关系,即使对于未在追随者或提及图表中连接的用户对也是如此,因此可以使大量以前未被充分利用的社交媒体内容可供严格的统计因果分析。
Aug, 2012
本研究提出一种信息论度量方法对时间演化系统间的统计相关性进行量化,通过迁移概率的适当条件化排除共同历史和输入信号对信息交换的影响,从而得到的传输熵可以区分驱动和响应元件,并检测子系统间的不对称性。
Jan, 2000
本文通过 Tigramite 方法重构多变量因果网络,开发了不同意义信息传递强度的新型度量,同时量化了由因果路径上的不同中间过程对交互机制的影响程度来确定因果信息传递的路径,并在气候学实例中进行了演示。
Aug, 2015
通过 Twitter 网络一月的完整跟踪,研究了信息传播的两种方式以及外部事件和因素对信息传播的影响,发现只有约 71% 的信息量可以归因于网络弥散,其余 29% 是由网络外部的事件和因素引起的。
Jun, 2012
该论文分析了在线社交网络上的人际互动机制,提出了一种更加细致的社交链展开策略。研究表明,人们跟随其他用户的方式具有高度异质性,通过将用户分类,可以总结不同的链接创造行为,进而更加高效地在网络中传播信息。
Feb, 2013
本文研究在线社交网络中的信息传播,包括在一项大规模实地实验中,随机暴露于关于朋友信息分享的信号的 2.53 亿名受试者,发现那些接受信号的人更有可能更快地传播信息。同时,研究了强弱关系在信息传播中的作用,发现尽管强联系人更有影响力,但更丰富的弱联系人负责传播新信息。这表明,弱联系人在网络信息传播中可能比当前认为的更占主导地位。
Jan, 2012
本文介绍了如何将信息论的关键概念推广到网络中,定义了网络集合的香农熵并解释了其与网络集合的吉布斯熵和冯・诺依曼熵之间的关系,这为通过最大熵理论获得网络零模型解决了关键问题,并在复杂网络领域的推理问题中发挥重要作用。
Jul, 2009