精华内容
下载资源
问答
  • 互动传播模式
    2021-07-20 03:35:07

    20世纪90年代以来,以计算机为中介的传播(Computer-Mediated Communication,CMC)成为人类越来越普遍的经验。新技术深刻而全面地影响着人际传播的模式,并成为人际关系建立、发展和维系过程中不可或缺的因素。对实践过程的观察和研究形成了人际传播的新知识、新议题、新问题和新方法。尤其是,人们迅速而又广泛地对社交网络化技术的采纳,正扩大着、积累着甚至修正着我们对这些新知识的理解。了解这些新知识、新议题无疑将为我们对中国人际传播经验展开本土化研究提供典范。

    线索过滤理论

    库尔兰和马尔库斯首创了“线索过滤”这一名词来指称CMC与面对面传播的根本性差异。

    社会在场理论强调,在提供更多的温暖感和参与感等方面,CMC天生就不如面对面传播。但大多数研究者认为,只有把在场概念分为远程在场、共在和社会在场,才可以更好地揭示人们在不同的人际关系活动中为何使用不同的新媒介以及媒介使用的顺序差异。而且,以照片、虚拟化身和视频为特征的第二代CMC比第一代提供的在场感更强。其实,正是并只有传播技术才为我们提供了在场与不在场之间做灵活选择的可能性。

    社会语境线索缺失理论认为,CMC阻碍了面对面互动中通过非语言行为所能传达出的个性和规范行为等线索的传递,导致了传播使用者变得去个体化、以自我为中心、抵制影响、难以劝服、不受约束、好战、情绪消极。但反对者却认为,CMC使用者会根据使用的媒介来调整自己的语言,以弥补非语言线索的缺失,从而产生不同的社会和人际效果——除了非人的、人际的,还有超人际效果。

    媒介丰富度理论指出,“富媒介”经常被用于表示多模式或带宽更高的媒介,也就是能支持多种语言线索和非语言线索系统的媒介(比如,面对面传播最丰富);在信息情境的多义性与发送该信息的媒介的丰富度之间存在匹配关系:信息多义性越高,越要使用丰富度高的媒介,信息多义性低则只需要使用简单的媒介,这样的传播最有效。有研究考察了个体在欺骗他人(谎言可被视作多义信息)时的媒介选择倾向,发现面对新媒介的可记录性等特征时,媒介丰富度理论解释乏力。

    信号理论解释了社交网站在帮助观察者评价他人在线表述的真实性方面的益处和潜能。即,如果你能够接触到互动对象社交网络中的其他人,那么互动对象欺骗你的可能性就会降低;如果观察者戳穿了互动对象的骗局,那么这一互动对象将受到社会制裁或惩罚。社交网站使用者对这些成本心知肚明,也就不会在简介中做假了。

    更多相关内容
  • 基于耦合网络的线上线下互动舆情传播模型研究.pdf基于耦合网络的线上线下互动舆情传播模型研究.pdf基于耦合网络的线上线下互动舆情传播模型研究.pdf基于耦合网络的线上线下互动舆情传播模型研究.pdf基于耦合网络的...
  • 基于耦合网络的线上线下互动舆情传播模型研究.docx基于耦合网络的线上线下互动舆情传播模型研究.docx基于耦合网络的线上线下互动舆情传播模型研究.docx基于耦合网络的线上线下互动舆情传播模型研究.docx基于耦合网络...
  • 第六章 网络传播模型与机器学习框架 第一节 引言 第二节 信息传播模型 一、创新扩散模型 二、传染病模型 三、阈值模型 四、级联模型 五、分支过程模型 第三节 信息传播的机器学习分析框架 第四节 影响信息...

    目录

    第六章 网络传播模型与机器学习框架

    第一节 引言

    第二节 信息传播模型

    一、创新扩散模型

    二、传染病模型

    三、阈值模型

    四、级联模型

    五、分支过程模型

    第三节 信息传播的机器学习分析框架

    第四节 影响信息传播的其他因素

    一、用户地理位置

    二、信息自身属性

    三、用户属性

    四、用户间趋同性

    五、用户活跃时间

    第五节 特征选择方法

    一、基于XGBoost模型的特征排序

    二、基于最大信息系数的特征相关性分析

    第六节 信息传播的机器学习评价指标

    一、分类问题的评价指标

    二、回归问题的评价指标

    第七节 基于实证数据的信息流行度预测

    一、实证数据的说明

    二、网络特征的分析

    三、其他类别特征的分析

    四、信息流行度的预测结果

    本章小结


    第六章 网络传播模型与机器学习框架

    第一节 引言

    研究信息在在线社会网络中的传播,主要有两种方法,一种是采用数学建模进行分析及仿真的方法;一种是利用实际数据进行数据挖掘,采用机器学习方法进行预测。采用第一种模型法对信息传播进行研究的原因主要有两点:一是信息传播过程非常复杂,不采用模型进行抽象和简化,研究起来非常困难;二是在信息传播的早期研究中,实证数据的收集、获取和存储都是比较困难的,代价非常高,采用模型法大大降低了数据的需求。

    基于机器学习的信息传播研究范式可以提高网络信息传播预测的准确性,加深我们对信息传播各个环节及其影响因素的理解。

    第二节 信息传播模型

    网络上的信息传播是人类在社交网站和社会媒体上的一种复杂行为,它受到诸多因素的影响和限制。基于社会网络的拓扑结构,采用一些信息传播模型来研究网络上的信息传播,这是信息传播早期研究中的常用方法。

    一、创新扩散模型

    一个新技术在社会系统中扩散需要四个必要条件:创新、传播渠道、时间以及社会系统。扩散是一种社会交换行为,因此扩散一定发生在具有结构特点和功能特征的社会系统中,该过程可以是计划性的,或自发发生的。

    根据创新实体采纳者的采纳时间,将采纳者分为以下五类:创新者、早期采纳者、早期大多数采纳者、晚期大多数采纳者以及拖后退者。

     1969年Bass提出的“Bass扩散模型”:

    二、传染病模型

    在典型的传染病模型中,种群内个体的状态可以分为如下几类:

    (1)易染状态S:个体在感染之前是易感状态,即该个体很可能被其他邻居个体感染。

    (2)感染状态I:感染上某种病毒的个体就被称为处于感染状态,该个体还会以一定的概率去感染其他邻居个体。

    (3)移除状态R:也被称为免疫状态或者恢复状态。当个体经历过一个完整的感染周期后,该个体就对病毒具有了免疫力,不再被其感染,因此就可以不再考虑该个体。

    在传统疾病传播的经典模型中,一个基本假设是种群中所有个体是完全混合的,即一个个体在单位时间内和种群内任一个体接触的机会是均等的。但是在社会网络的背景下,个体只能和他的好友(邻居节点)进行接触,因此传播过程中感染个体只可以将病毒直接传染给和它直接相连的节点。

    基本的传染病模型包括SI、SIS和SIR三种。

    1.SI模型

    SI模型在疾病传播中是最简单的情形,就是一个个体一旦被感染就永远处于感染状态。

    SI模型中个体一旦被感染,就不会再恢复成易染状态,因此感染个体的数量是单调递增的。

    将该模型应用到信息扩散中,易染状态表示用户尚未知晓信息,感染状态表示永不已收到信息并将信息发给好友。需要注意的是,在现实世界中,病毒的感染个体一般不会可能永远处于易染状态并且永远传染给别人,信息传播也不会这样,因此SI模型是一个最简单的疾病传播模型,但是描述疾病或信息传播时对于有些应用来说过于简略了。

    2.SIR模型

    在SIR模型中,节点除了由上述两种状态外,还有第3中状态——免疫状态,即用户受到感染被治愈后具有了免疫性,不再被感染,也不会感染其他节点。在信息传播中,免疫状态则表示用户虽已收到信息,但认为该信息不具有价值或对该信息不感兴趣,因此不会发给好友,这些用户成为信息扩散树中的叶子节点。通过不同状态的节点间的相互作用,节点的状态会发生变化,信息从而在整个网络中扩散。

     3.SIS模型

    SIS模型与SIR模型的区别在于感染个体恢复以后的状态。在SIR模型中,一个感染个体恢复之后处于移除状态;而在SIS模型中,每一个感染个体以定常速率再变为易染个体。SIS模型的微分方程描述如下

    上式中的稳态值在传染病学中也被称为流行病状态。

    4.信息传播模型与疾病传播模型的区别和联系

    信息传播和疾病传播之间存在着很强的相似性,长期以来人们普遍认为个体之间的信息扩散类似于病原体,每一次暴露在知晓信息的朋友之间,都会潜在地导致其他个体成为感染状态(即知晓信息),个体对重复暴露在信息中的响应要比想象中的更为复杂。

    同时,在信息扩散和疾病扩散之间也存在显著的差异,这种差异根源于人们处理信息的认知限制。在病原体传播中,具有更多好友的个体更可能感染疾病,而在信息传播中这类人被感染的概率反而会变小。这是因为信息量随着一位用户追随的好友数增加而增大,连通度高的用户不太可能会注意到某一特定的信息,与度值低的用户相比他们往往需要更强的社会信号才会采取行动。在早期的信息传播研究中,使用疾病传播模型的学者非常多。随着人们对于信息传播机制的深入理解以及传播模型研究的精细化,采用疾病传播模型来研究信息传播的相关研究也越来越少了。

    三、阈值模型

    阈值模型又被称为门槛模型,假设每个人在决定参与某一个活动的时候,都要跨越一个门槛。这个门槛的存在是由行动成本和收益的大小决定的,当行为的成本等于收益的时候,就到达了行为的门槛。

    阈值模型可以用于分析社会影响(或人际作用)在信息传播中的作用。社会影响指的是朋友之间相互的影响,这种行为的“传染”是基于社会学习或模仿产生的。社会影响在社会化媒体的信息传播中发挥着重要的作用。

    对于信息传播而言,对于每一个信息转发者,当他转发信息的时候,我们同样可以计算他的朋友当中已经转发这条信息的比例,这个比例也就是节点的扩散阈值(或扩散门槛)。

    可以将扩散阈值定义为当一个信息转发者转发信息的时候,该用户已经接触到这条信息的次数,即该用户的朋友当中已经转发这条信息的数量。

    一个普遍的直觉是不同种类的信息在网上传播的模式不同。研究发现关于在政治上有争议的话题特别具有持续性,反复的暴露对于采纳持续性具有非常大的边缘效应。复杂的传播是原理假定,当一个思想在某些方面有争议时,反复暴露该思想对于其传播是至关重要的。相反,Twitter中跟习语和新词语相关的标签没有持续性,相对于第一次暴露,多重暴露所带来的的影响迅速衰减。

    四、级联模型

    在该模型中当一个个体变得活跃后,会以一定的概率激活它邻居中的每一个不活跃个体。一个简单的例子是独立级联模型,在该模型中,每个初始激活节点会产生自己独立的扩散级联,级联之间互相独立、互不干扰。模型中一个个体被一个最近活跃的邻居激活的概率独立于过去试图激活它的邻居集合的概率。

    网络上的传播动力学理论研究表明:存在一个传播阈值,在阈值一下传染病不会蔓延,而在阈值之上传染病会传播到网络中显著比例的个体。信息扩散相对于疾病传播的一个明显的区别是当信息传给某个体时,该个体是否要将信息传播出去设计个体的决策过程,而疾病传播中则不存在这样的过程。在信息扩散中,尽管在一个社群中感染机会可能有很多个,但是人们在这种重复暴露的情况下变成信息传播者的概率仍可能很低,对于强聚类网络这种效应变得更加明显,最终严重削减了信息在Digg中传播的规模。

    五、分支过程模型

    一个信息源将信息发给好友,这些好友又将信息发给他们的好友,依次进行下去,发给的好友的数量满足特定的分布。

    分支过程的一个基本属性是如果其某一代的个体均不再扩散消息,则消息就会消失。因此,分支过程模型实际上只有两种信息扩散的可能性:一种是没有人再继续传播信息,信息因此经过有限的传播步骤后消失;另一种是人们继续传播信息,这个过程一直在社会网络上无限持续下去。

    从基本再生数可知,信息扩散至少跟两个因素有关:一是网络结果,二是人们传播信息的意愿。

    信息的扩散与人的行为的异质模式相关,并由参与者的决策所驱动,因此它们的传播动力学会表现出与传统的传染病模型不同的模式。

    第三节 信息传播的机器学习分析框架

    分析特征量和信息传播之间的关系,传统的研究方式是进行回归分析,先计算网络中的单个特征统计量,然后通过该特征统计量拟合网络中的信息传播指标。这种方式没有考虑类内和类间特征统计量的相互关系及影响力,而且不同网络之间的结果也不具有可比性。基于机器学习的信息传播预测框架,首先计算实证网络的多类别多特征统计量,即特征工程,然后计算各个特征统计量的影响力和相互关系,即特征选择,并对静态、加权、动态统计量进行系统全面的分析,选取最佳的特征选择方法,最后通过有监督的二分类或回归机器学习算法实现信息传播预测。

    大数据背景下的信息传播预测研究涉及四个步骤:数据获取与预处理、特征工程、特征选择与评价标准。对于数据获取来说,分析某个话题的信息扩散主要有两种方式。一种方式是描述包括某个主题下所有信息的扩散情况;另一种方式是仅仅分析一条信息完整的扩散情况,得到按照时间次序每一个转发者的信息,以及转发者相互之间的信息转发情况,进而可以构建单条信息的扩散树。

    在很多研究中,主要针对第二种分析信息传播的方式进行研究,即描述单条信息扩散的特征。除了对单条信息的诸多方面进行描述,也可以分析影响信息传播的各种因素。

    第四节 影响信息传播的其他因素

    一、用户地理位置

    随着智能手机的普及,在线社会网络中的空间信息已变得越来越容易获取,本地信息对于定向营销和个性化服务也越来越重要。新闻消息通过社会网络每天在各个城市间传播,用户好友的空间位置会在很大程度上影响这些信息将要被扩散到的区域,从而导致一些用户相对于其他用户可以更容易、更有效地传播到某个特定的地理区域。传统社会网络研究中的一些度量可以扩展到空间社会网络上,如空间度、空间紧度中心性、空间效率以及局部聚类系数,这些度量可以定量刻画社会连接对某一区域信息扩散的影响。

    在新浪微博上,我们也很容易发现不同地理位置的用户对不同的地域突发事件的关注程度有很大不同,不同地域的用户对于统一信息关注的内容也是不一样的。

    二、信息自身属性

    信息本身的属性会影响社会网络中的信息传播。不同种类的信息在网络上传播的模式不同。

    我们发现政治类和运动的持续性指数值较高,而习语和音乐的则较低。一方面,这表明控制与政治类和运动相关标签的传播机制相对于均值更具有持续性,反复暴露于使用这些标签的用户之下会正面影响一位用户最终使用该标签的概率。另一方面,对于习语和音乐,反复暴露的影响与平均相比相对于峰值会迅速下降。

    在没有直接的面对面互动和缺乏非语言信息的情况下,情绪仍可以在社交网站中进行传播。

    虽然用户的活跃度和粉丝的数量对于趋势的创建和传播贡献不大,但是社会网络中的用户对主题内容的共鸣在引起趋势形成方卖弄担当了主要角色。也就是说,其他用户的转发对于引发趋势至关重要,这些转发更多的是跟分享的内容而不是用户的属性相关。

    三、用户属性

    用户自身的属性会影响社会网络中的信息传播。

    不同类型的用户在信息扩散中扮演不同的角色。一方面,对于任何主要的主题,大众媒体在将消息传播给绝大多数受众方面扮演了极其重要的角色,它们有很多粉丝,它们的连接被很好地互惠,在收集其他用户各种各样的观点方面具有拓扑上的优势,它们的微博即使没有其他有影响力用户的帮助,也可以直接传播到大量的受众那里。另一方面,不同于传统媒体,Twitter中的大众媒体并不是第一个报告事件的,事实上在某些情况下往往是那些连通度不高的草根或传教士引发了新闻或谣言的扩散,即便是在没有大众媒体报告这些主题的情况下。

    四、用户间趋同性

    用户间的趋同性也会影响信息扩散。Twitter中用户属性之间的相似性可以显著地影响信息扩散速度,并且两者之间的关系与扩散信息的主题以及用以刻画扩散程度的参数密切相关。

    在社会学中一个重要的观察结果是趋同性构成了个体的自我网络并影响了他们的交流行为,从而可能影响信息扩散的机制。属性趋同性的影响可以由那些可预测的特性在解释实际扩散和外部的时间变量方面的能力来定量刻画,在给定特定的度量和主题的情况下,趋同性属性可以影响信息扩散的可预测性。在大多数情况下相对于不考虑趋同性,属性趋同性可以在预测实际的扩散和外部趋势方面提高15%~25%的性能。借助于趋同性,在预测扩散特性方面相对于基线技术可以提高13%~50%的性能。

    社会网络中同伴影响和趋同性均会对信息扩散产生影响,但二者的权重有所不同。随着时间变化,节点的属性和行为往往与社会网络结构密切相关,虽然连在一起的节点间的同配混合和行为的时间簇被用来支持网络中的同伴影响和社会扩散,趋同性也可能解释这些现象。

    五、用户活跃时间

    用户的转发行为具有特定的时间分布,因此,用户的活跃时间因素也是影响微博信息流行度的主要因素。对用户活跃时间的分析,有助于在线营销以及信息传播预测。

    在社会网络中用户的活动模式,比如阵发式的活动模式,也会对信息扩散动力学产生影响。用户相应时间上高度的异质性是在集体层面信息传播缓慢的主要原因,也就是说用户活动的高异质性可控制信息传播。

    人的交流活动具有阵发特性,且经常发生在群组对话中。人际交流的阵发特性和存在群组对话是理解社会网络中信息扩散的两个主要的动态组成部分,这两种竞争性的特性对于信息扩散会产生两种对立的影响:阵发特性阻碍了信息大范围的传播,而群组对话则有利于小范围的快速信息级联。

    第五节 特征选择方法

    特征选择是指从原始特征集中选择出能使某种评价指标最优的特征子集。其目的是剔除冗余特征,从而达到减少特征个数、缩短模型训练时间和提高模型精确度的作用,使分类或回归任务能够达到接近或优于特征选择之前的预测结果。

    可采用最大信息系数和基于模型的特征排序这两种特征选择方法来对特征工程得到的特征进行筛选。其中,基于模型排序可以直观地看出各个特征在模型训练中的重要性;MIC可以得到特征之间的相互关系,从而剔除影响较小和相似性高的冗余特征。通过使用基于模型的特征排序方法和最大信息系数衡量特征之间的关系,不但可以降低维数,降低计算量,而且降维后得到了与特征选择之前接近的预测结果。

    一、基于XGBoost模型的特征排序

    特征选择方法大致可以分为过滤法和封装法,这两种方法的主要区别在于特征选择与机器学习分类算法的结合方式不同。过滤法是将所有的特征作为初始的特征子集,然后采用与类别相关的评价指标来衡量特征对类别的区分能力,由于特征选择过程独立于分类过程,过滤方法仅依靠数据的内在属性来评估特征的相关性。这种方法的关键就是找到一种能度量特征重要性的方法,如Pearson相关系数,信息论理论中的互信息等。封装法是将模型假设搜索加入到特征选择过程中,即搜索算法被“封装”到分类模型中,是以达到最大分类准确率为引导的一类特性选择方法。

    在封装模型中,分类算法被当作一个黑盒用来评价特征子集的性能,其特征选择利用分类学习算法的性能来评价特征本身的优劣。因此,对于一个待评价的特征子集,封装法需要训练一个分类器,根据分类器的性能对该特征子集进行评价。

    XGBoost是eXtreme Gradient Boosting的简称,它是Gradient Boosting Machine的一个C++实现。它不同于传统的GBDT,只利用了一阶导数的信息,而XGBoost对损失函数做了二阶泰勒展开,并在目标函数中加入了正则项,整体求最优解,用以权衡目标函数和模型的复杂程度,防止过拟合。除理论与传统GBDT存在差别外,XGBoost的设计理念主要有如下几个优点:速度快、可移植、少写代码、可容错。

    基于模型的特征排序方法,主要是根据算法模型的预测性能来评价特征子集的优劣。借用XGBoost机器学习算法,可以在训练的过程中给出各个特征的评分,从而表明每个特征对模型训练的重要性。在XGBoost算法中,特征评分可看成是被用来分离决策树的次数,特征的评分越高,则说明该特征越重要,对于算法性能的影响越大。

    二、基于最大信息系数的特征相关性分析

    Pearson相关系数已被广泛应用于基于向量空间模型的文本分类和用户喜好推荐系统中,其定义为:

    最大信息系数定义如下:

    MIC具有普适性、公平性和对称性的优点。

    MIC度量具有均衡性。

    MIC度量具有对称性。

    第六节 信息传播的机器学习评价指标

    一、分类问题的评价指标

    1.混淆矩阵

    混淆矩阵,又被称为错误矩阵,通过它可以直观地观察到算法的效果。

    2.准确率

    准确率,又叫阳性预测值,考察转发预测模型的准确性。在模型预测为正类的样本中,真正为正类的样本所占的比例。其数学公式为:

    一般情况下,查准率越高,说明模型的效果越好。

    3.召回率

    召回率,又叫查全率,主要衡量的是在所有真实正样本中,分类器中能找到多少。

    4.F1值

    F1值是准确率和召回率的综合度量指标,其数学公式为:

    5.精度

    精度,又叫总体准确率,体现了分类器对整体的判断能力,即正确预测的比例。具体的计算公式为,即

    一般情况下,模型的精度越高,说明模型的效果越好。

    二、回归问题的评价指标

    一般来说, 回归分析是通过规定因变量和自变量来确定变量之间的因果关系,建立回归模型,并根据实测数据来求解模型的各个参数,然后评价回归模型是否能很好地拟合实测数据。如果能够很好地拟合,则可以根据自变量做进一步预测。

    1.均方误差

    均方误差是参数估计值和参数真实值之差平方的期望值,它可以说明预测模型和实验数据之间的温和程度。

    2.均方根误差

    均方根误差是均方误差的算术平方根,它能够更好地反映预测值误差的真实情况。

    3.平均绝对误差

    平均绝对误差是绝对误差的平均值,它也是反映预测误差实际情况的一个统计量。

    4.平均绝对百分比误差

    第七节 基于实证数据的信息流行度预测

    一、实证数据的说明

    一条微波发出去以后,只需要观察其在之后一小段时间内的转发情况,它的传播规模便可以被预测。

    二、网络特征的分析

    发微博节点的社会影响力对于微博信息的流行度具有很强的影响,社会影响力是一个用户影响他人的观点、情感和行为的现象,在社会网络上可以使用一些网络特征来进行刻画。

    三、其他类别特征的分析

    四、信息流行度的预测结果

    本章小结

    本章首先介绍了信息传播的几种经典模型,分别为创新扩散模型、传染病模型(SI、SIR、SIS)、阈值模型、级联模型与分支过程模型。上述介绍的模型虽然经典,但目前在研究中已很少直接应用,我们通常看到的都是它们的改进或扩展模型。此外,这几种模型都具有各自的特点,如分支过程模型侧重于信息扩散树、级联模型侧重于扩散过程中个体的激活状态与休眠态。没有一种模型是万能的,每种模型都有自己擅长的方面,同时也有自己的缺陷。因此要对信息传播进行建模时,必须根据自己的研究目的来选择合适的模型。

    在模型中往往仅考虑影响信息传播的主要因素,而现实中影响信息传播的因素非常多。在社会科学领域,往往利用统计的方法来研究影响信息扩散的诸多因素,最常见的是使用回归模型。一般我们会挑选影响信息扩散的一些潜在因素,通过对回归模型的分析进而获得每种因素在影响扩散中的权重或重要性。而在自然科学领域,常用的方法是构建一套涉及特征工程、特征选择和评价标准的机器学习框架。

    针对特征工程,本章介绍了在社会网络中可以对信息传播产生影响的因素。这些因素除了网络结构特征外,也包含了用户地理位置、信息自身属性、用户属性、用户间趋同性、用户活跃时间等多方面的特征。特征选择方法是要计算各个特征统计量的影响力和相互关系,并对静态、加权、动态统计量进行系统全面的分析,本文主要采用了基于XGBoost模型的特征排序和基于最大信息系数的特征相关性分析两种方式。前者看出各个特征在模型训练中的重要性,后者可以得到特征之间的相互关系,从而剔除影响较小和相似性高的冗余特征。在信息传播预测方法准确性方面,最终要通过评价标准来实现,因此本文将用户传播行为预测对应为分类问题、信息流行度预测对应为回归问题,基于机器学习框架和信息传播相结合提出一套指导性评价框架体系。最后,通过一个实例说明了如何基于该框架进行真实的信息传播预测。

    本章提出的研究框架是通用的,不仅可以用在信息传播中,也可以用在其他计算社会科学的研究中。通过这一通用研究范式,相信未来会揭示出信息传播过程中同类别特征和不同类别特征间更多引人入胜的联系。我们的初步结果发现,在信息扩散中,社会网络结构提供了传播的平台,信息属性刻画了自身的吸引力,用户属性刻画了用户的偏好性、活动性和影响力,而用户行为则刻画了他们的行为模式。在这些因素中网络结构和用户行为模式往往较易刻画,但信息属性和用户属性不易计算,且二者都是多维度的属性。信息属性中不仅包含了主题类别,也包括了信息的感情色彩、蕴含的情绪和信息来源,用户属性中既包含了用户特征的多维度度量,也包括了用户间的关系类别。此外,信息与用户之间会产生相关性,最显著的是用户对信息的亲和性,每位用户都有自己特别感兴趣的信息,也要丝毫不感兴趣的信息。今后,对信息属性和用户属性的刻画和度量将是研究的重点和难点。

    展开全文
  • 移动电子商务互动营销的传播与应用的论文 前言 为了依托计算机多媒体平台在网络状态下洽谈商务合作并以移动终端作为沟通载体拉近营销人员与购买者之间的联系通过有效的营销活动扩大业务范围以保证商务活动的顺利开展...
  • 利用拓扑传播学方法,建立了单向传播和双向互动传播的一步和 n步强连通与弱连通模型。最后论述了在系统经济条件下,传媒是经济系统的构造性元素,这是经济学从牛顿时空观转向爱恩斯坦时空观的必然结果。
  • 科技成果转化知识管理与支撑体系的耦合互动模式与路径,刘希宋,喻登科,界定科技成果转化知识管理支撑体系及其耦合互动的内涵,从科技成果投入产出、信息导入传播、知识交流共享、人才流动、无形资产运
  • 针对现有研究无法很好描述企业知识结构的情况,构建了基于认知模式的集群企业知识传播模型(CEKTM)。该模型通过对集群知识传播机制的分析,提出了企业染色体的定义;并借鉴蚁群路径选择策略,给出了学习策略及知识...
  • 针对指挥控制(C2)网络组织谣言传播具有动态性、适应性、非线性,采用多agent的建模方法,对谣言传播过程与网络组织的互动行为模式进行了描述和分析,得到了节点间影响水平、谣言源的特征、指挥跨度和最终接受谣言...
  • 创新是一个综合的系统工程,它既需要全社会创新价值观念的更新,创新能力的增强,更需要建立和完善创新体系的传播机制。...因此,创新在农村地区的传播可以从传播者、受众、传播渠道、传播模式和效果等方面来构建。
  • 模式和问题的这种选择反映了我们个人的理论兴趣:通过人群互动而产生的语言文化演变。 但是,我们希望这些教程对于希望通过修改模型的基本参数来构建完全不同主题的仿真的用户也可以使用。 我们的目标是简化设计:...
  • 信息和通信技术(ICT)的广泛传播重塑了城市发展和经济增长的本质。 ICT为公共部门和私营部门的雇主和潜在雇员(求职者)地点引入了新的在线招聘维度。 因此,作为城市规划过程的一部分,ICT的引入会影响经济增长。 ...
  • 哺乳动物肠道微生物的传播模式

    千次阅读 2018-11-11 00:20:26
    哺乳动物肠道微生物群的传播模式 文献导读 所有哺乳动物与细菌相关,影响宿主的消化,免疫和神经内分泌。然而,微生物群内特定细菌谱系在宿主之间传播的途径仍然知之甚小。在过去,生命进化的研究只集中在基因...

    哺乳动物肠道微生物群的传播模式


    文献导读

    所有哺乳动物与细菌相关,影响宿主的消化,免疫和神经内分泌。然而,微生物群内特定细菌谱系在宿主之间传播的途径仍然知之甚小。在过去,生命进化的研究只集中在基因从父辈到子辈之间,即垂直向上传递。这一过程对于地质历史时期生命之树的发展与分化起到了非常重要的作用。在垂直的基因转移中,每个新物种全部的基因材料都源自于一个共同单一的祖先。但在横向的基因转移中,新物种的基因材料可来自它们的邻居,即一些不相关的其它物种。

    文献介绍

    • 英文标题: Transmission modes of the mammalian gut microbiota
    • 中文标题:哺乳动物肠道微生物群的传播模式
    • 作者: Moeller AH(First Author), Suzuki TA, Phifer-Rixey M, Nachman MW(通信作者)
    • 单位:康奈尔大学生态与进化生物学系2,纽约,纽约州14853,美国
    • 期刊: Science IF:41.05
    • DOI:10.1126/science.aat 7164

    文献摘要

    目的:解明微生物群内特定细菌谱系在宿主之间的传播途径,区分垂直和水平在小鼠肠道微生物群中计数传播的细菌谱系
    设计:研究人员在美国亚利桑那州和图森市和加拿大艾伯塔省埃德蒙顿的野生种群中获得了17个小鼠品系,并在一个普通的实验室环境中监测他们的3年近亲繁殖中的肠道微生物群(来自图森和埃德蒙顿的小鼠被安顿在同一房间的不同架上,来自不同路线的老鼠从未直接接触过)
    结果:埃德蒙顿和图森微生物的独特性在第十代实验中仍然很明显
    结论:根据数据显示,大部分鼠肠道微生物群是垂直遗传的,但是研究还发现少数肠道微生物群是水平传播的。与进化理论一致,根据流行病学数据的基础,小鼠细菌水平传播的 与人类的致病性有关

    背景介绍

    哺乳动物与细菌在影响宿主消化,免疫和神经分泌的关系中相关联,然而,微生物群内特定细菌谱系在宿主之间传播的途径仍然知之甚少。哺乳动物微生物从母亲到后代垂直获得,通过社交互动和共享环境在非亲属中水平获得。由于缺乏旨在解开单个细菌谱系传播的实验,已经阻碍了量化这些传播模式的相对贡献。例如,在区分人类的垂直和水平传播由于难以监测微生物而变得复杂。

    技术路线图技术线路图

    结果

    1. 野生来源的肠道微生物群之间的群体和个体水平的组成差异在近交小鼠品系中维持10代(图1)研究还发现在野外采样的埃德蒙顿和图森小鼠在组成上具有不同的肠道微生物(图1B)
    2. 在实验室中取样的埃德蒙顿和小鼠维持组成上不同的肠道微生物群。实验室出生小鼠的微生物与其野生种群中取样的个体相比,以及再和其它野生种群中取样的个体相比,实验室中的小鼠和前者更为相似(图1D)
    3. 埃德蒙顿和图森微生物的独特性在第十代实验中仍然很明显(图1E)
    4. 样本间BSDD的模式表明垂直遗传是肠道细菌的主要传播模式。尽管在第十代中保持不同,但图森和埃德蒙顿小鼠的微生物群落的社区成员在实验过程中趋同(图2A)
    5. 传播途径也与细菌生活方式有关,倾向于厌氧的倾向于垂直传播,而专性需氧菌水平传播图1
      图2

    评价讨论

    本文解明了对哺乳动物肠道微生物群中细菌属的传播模式通过长期的多代评估。通过实验得出了实验室育成的小鼠的肠道微生物群与野生捕获小鼠的微生物群分开,很可能是由于实验室环境中漂移和选择的组合。但是这一切结论是在很多不确定的因素进行的例如传播是否和细菌组合群落有关,又是否实验室中的环境与自然中环境差异性而导致这样的一个结果。这一切都需要在进行相关实验才能修复我们的了解。

    优缺点:

    优点 :实验的设置允许量化肠道细菌谱系对小鼠品系的保真度并鉴定水平传播的肠道细菌谱系
    缺点 :由于难以监测多个宿主世代的微生物群,因此在人类中区分垂直和水平传播是复杂的

    应用

    通过哺乳动物的传播途径研究可以解释我们人类的一些疾病的感染,并且可以通过相关理论结果定向的制造一些有益细菌的传播引进

    文献参考与相关链接

    [1]点击查看原文献
    :如果我们对文章理解有偏差,非常欢迎大家向我们反馈,我们会认真阅读并修改,另外有愿意加入我们的小团队的老师和同学可发送邮件至我们的邮箱:<deepgener@gmail.com> 祝大家科研顺利,生活开心!
    想要了解更多内容请访问我们深度基因网站地址:<http://deepgener.wordpress.com/>

    展开全文
  • 基于技术接受模型(TAM),构建了增强现实电子出版物传播效果模型(AREPCEM),并分析了青少年之间的数据。 发现第一级指标(使用和认可)和第二级指标(外部变量,感知的实用性,感知的易用性,满意度,依赖性)与...
  • 政府新媒体传播方案 南方传媒城市之窗频道,于2011年9月正式上线,城市之窗频道的正式运营,将为城市形象建设、商业金融发展、品牌交流互动打造一个权威、公正、高效的平台。 南方传媒城市之窗频道,定位于服务城市...
  • 新媒体时代,数字化、网络化、即时化、互动化的特征,快速地影响和改变了社会舆论的生成模式,使舆情传播具有鲜明的特点。 传播主体多元化。这是一个人人都有麦克风,个个都是发言人的时代。据统计,新浪微博用户有...
  • 微信以其零资费、功能多、种类全、方便快捷等优势迅速的获得了广大...本文主要从微信的传播模式、 传播特性、传播的正负效应三个角度解读微信的发展。 微信的传播特性和模式 1、传播特性 传播渠道是传播过程
    微信以其零资费、功能多、种类全、方便快捷等优势迅速的获得了广大用户的好评,它的病毒式的传播特性扩展着其用户群,实时交互信息的能力使


    得用户之间的距离变得更近,微信用户群以一种前所未有的速度增长,是亚洲地区最大用户群体的移动即时通讯软件。本文主要从微信的传播模式、


    传播特性、传播的正负效应三个角度解读微信的发展。


    微信的传播特性和模式 1、传播特性  传播渠道是传播过程的重要中介,传播者利用传播渠道可将选择加工的信息,传递给受传者并引起相应的反应


    。传播渠道是信息源源不断地传递的重要一环。微信的产生不断地更新着传播的形式,丰富着传播的内容,提高了传播信息的速度,同时对这些优势


    的反馈又促进着微信的进一步发展。


    (1)病毒式的用户推广  通过手机通讯录添加好友或与腾讯QQ绑定是微信用户注册登录的主要途径,这两种方式都给微信用户们提供了先天的优势,


    即:无论是手机通讯录还是腾讯QQ,用户们都拥有广阔的交友圈,用户登录使用微信就有了大量的好友,用户在使用微信时,可以利用微信的功能,


    迅速传递给好友。  微信利用病毒式推广方式,使得用户在网络上形成自发传播的推广方式,通过用户与用
    户之间的传播,让传播数量呈几何倍的增长。2011年8月,微信推出7个月左右,微信添加了“查看附近的人”的陌生人交友功能,用户达到1500万。


    到2011年底,不到一年的时间,微信的注册使用用户已超过5000万;2012年3月,经过了13各月的时间的快速发展微信用户破亿。


    (2)交互跟随性  微信是一款基于智能手机的移动通讯软件,随着移动通讯技术的发展与智能手机的普及,手机不离身成了当今社会的真实写照。随


    手拍美景、拍美食、拍新闻等成了全民记者的生动体现。移动网络的覆盖为微信的信息传递提供了保证与支持;微信的图片、语音、视频等上传功能


    为信息的迅速传播提供了功能支持,微信的好友交流、实时传递功能又为微信内容的即时传播提供了渠道保证。这就能够在极短的时间内使得微信内


    容实现交互跟随性。  2、传播模式  传播模式主要是指信息的传播过程,提到传播模式最被广泛接受与认可的就是拉斯韦尔提出的5W模式,即:


    who,sayswhat,inwhichchannel,towhom,withwhatef-fects,本文主要以信息的传播渠道(inwhichchannel)为切入点,分析微信这一传播渠道的自媒体


    传播、群体传播、大众传播三种形态。  (1)自媒体传播  自媒体是指为个体提供信息生产、积累、共享、传播内容兼具私密性和公开性的信息传播


    方式。它由传统的点对面传播发展为点对点传播。如今媒体定义早已广泛化,只要你拥有信息,拥有内容,借助微信,你自己就可以成为一个信息平


    台,成为一个媒体。平民化是自媒体传播的的一个重要表现,只要你愿意就可以成为信息传递过程中的参与者、传播者。  (2)群体传播  群体传播


    也被称为小团体传播,介于人际传播与组织传播之间。每一位成员拥有相对平等的社会地位、分享相对平均的传播资源,每个小组成员均可以充分发


    表自己的意见,并能够体现在最后的决策中。  微信是基于手机通讯录或绑定腾讯QQ获取好友的移动通讯软件,用户可以通过语音聊天室和一群人语


    音对讲;用户使用朋友圈可以跟朋友们分享生活点滴;用户使用群聊功能可以利用二维码,扫一扫就能加入。微信的这些功能都为用户们的小团体传


    播提供了便利。  群体传播的内容具有着高度的相关性,即传播的内容与小组的每个成员都息息相关。用户使用微信可以将与群体内各成员的利益高


    度契合的内容发到微信上,群体成员可以通过语音聊天、分享评论等方式参与到互动中。
    展开全文
  • 的消费者评论与其传统的营销传播策略互动,并且(4)卖方提供产品的消费者评论信息的最佳时机是什么。 我们的结果表明,提供在线消费者评论可能会根据产品特征,评论的信息性,卖方的产品分类策略,对部分匹配的消费...
  • ,通过传播获得关注或认可带来的满足感,比如keep运动排行榜,薄荷阅读坚持打榜天数,还有前段时间吸引各大广告商的微信小程序——跳一跳,通过游戏结果的分享可以邀请好友挑战,这也会产生一种攀比的心理,让互动性...
  • 摘要基于《改进SIR 模型在社交网络信息传播中的应用》一文中提出的改进SIR模型,使用Matlab进行了仿真实现。另外,基于原文的模型,依据实际话题热度进行了其它仿真和分析。背景信息在社交网络中的传播方式与传染病...
  • 同时信息在朋友互动中得以广泛传播。用户依托其个体特质及其所在网络关系,开展丰富的网络行为,通过彼此互动,促进朋友关系的发展。鉴于频繁互动是朋友关系的重要特征之一,提出朋友在线互动行为之间具有较高的相似...
  • 创新是一个综合的系统工程,它既需要全社会创新价值观念的更新,创新能力的增强,更需要建立和完善 创新体系的传播机制。...因此,创新在农村地区 的传播可以从传播者、受众、传播渠道、传播模式和效果等方面来构建。
  • 未来 新媒体互动艺术 媒介与形式

    千次阅读 2021-08-25 16:26:13
    摘 要: 媒体作为信息传播的载体,在不同历史时期基于科技发展水平具有不同的载体形式。在当今科技推动下,新媒体作为新的媒介形式在社会生活中承担重要角色。对比传统媒体和新媒体形式,新媒体的交互和共享特性符合...
  • 解释了实现用户增长的5个指标,分别是:Acquisition(获取)、Activation(激活)、Retention(留存)、Revenue(收入)、Referral(自传播),因其掠夺式的增长方式也被称为海盗模型,可以帮助我们更好地理解获取...
  • 做运营的人都知道一个问题,就是现在产品本身用户体验好,且在特定场景下能很好地满足用户需求,但用户并不愿意自发主动地去传播你的产品...那我们应该怎么发展产品自传播增长模式呢?易观方舟从四方面告诉你。 1.设...
  • 什么是拉斯韦尔传播模型

    千次阅读 2011-05-19 10:30:00
    《自媒体环境中的危机信息传播研究》研究了主流大众媒体、网络新闻媒体、自媒体之间的互动传播模型。 主流媒体-〉网络新闻媒体:转载 主流媒体-〉自媒体:提供议题(话题) 自媒体-〉主流媒体:新闻源,...
  • 本期聚焦中国科技大学陈恩红教授团队综述:社交网络信息传播分析中有哪些模型?如何基于网络结构评价用户的权威性和影响力?如何实现影响力最大化?未来还有哪些前景广阔的研究方向? Study on Information ...
  • 二、传播模式 三、传播内容与效果 四、传播实践 第一章 导论 第一节 传统传播学简介 计算传播学是传播学的新兴分支之一。传播学是一门研究人类一切传播行为、传播过程及其规律的科学,旨在解释信息传播的...
  • 本文试图回答一个简单的问题,即在正常的生活过程中哪种类别的零售店会产生最大的身体互动。 通过这种方式,我们旨在从传播传染病的观点出发,从营销角度讨论哪些企业可能风险最高。 在美国实施社会疏离措施之前,...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 24,225
精华内容 9,690
热门标签
关键字:

互动传播模式