6、社交与内容网络协同演化的影响因素研究

社交与内容网络协同演化的影响因素研究

研究背景与目标

在社交网络环境中，社交网络和内容网络的属性之间存在着复杂的相互影响关系。以往的研究大多只关注单一方向的影响，而本次研究旨在明确地探讨社交网络和内容网络属性之间的纵向影响，同时考虑双向影响以及自我影响检测。研究基于 Twitter 和 Boards.ie 这两个平台展开，以深入了解社交和内容网络的协同演化机制。

研究方法

为了深入了解内容网络和社交网络的时间演变，研究采用了基于时间序列建模的方法。具体步骤如下：
1. 应用自回归模型 ：自回归模型（AR(p)）通过回顾 p 个时间单位的回归来进行预测，在本研究中，使用一个简单的模型，独立计算每个变量，并仅包含上一个时间单位的值。
2. 选择线性自回归模型 ：首先聚焦于线性自回归模型，但考虑到数据集中的影响动态可能具有非线性行为，非线性模型可能更适合，这部分研究留待未来进行。
3. 运用多层次回归模型 ：由于回归分析中的变量通常来自不同层次，研究采用多层次回归模型来处理具有层次嵌套结构的数据。该模型的公式为：
[x(t) {i,p} = a^T {i} x(t - 1) {p} + \epsilon(t) {i} + b^T_{i,p}x(t - 1) {p} + \epsilon(t) {i,p}]
其中，(x(t) {p} = (x(t) {i,p}, \cdots, x(t) {m,p})^T) 表示个体 p 在时间 t 的变