【导读】社交媒体上的「网红」是怎样产生的？在一项发表于《自然·通讯》的研究中|北大新研究用数学模型揭网红崛起奥秘，登上Nature子刊( 二 ) 【导读】社交媒体上的「网红

文章图片
研究数据与纯随机结果（浅蓝色）的比较，二者在统计学上差异显著。
齐夫定律

文章图片
齐夫定律（Zipf'slaw）是由哈佛大学的语言学家乔治·金斯利·齐夫于1949年发表的实验定律。它可以表述为：在自然语言的语料库里，一个单词出现的频率与它在频率表里的排名成反比。
所以，频率最高的单词出现的频率大约是出现频率第二位的单词的2倍，而出现频率第二位的单词则是出现频率第四位的单词的2倍。
实验证明，本研究中的模型也遵循这一缩放定律。

文章图片
网红粉丝的「重叠」
分析两个网红被同一个第三个用户关注的概率也是一个有趣的问题。换句话说，目标是研究不同agent的粉丝集合之间的相似性。这个相似性揭示了粉丝的共同兴趣的存在。

文章图片
为了验证模型，研究人员在Twitch上收集了三个数据集，这是一个流行的在线游戏平台，并成功验证了模型的正确性。
这表明，本文中的模型尽管形式简单，但已经得出了几个现实世界中影响「网红」崛起的属性。

文章图片
如上图所示， agent的粉丝在前15个节点之间的重叠结果和验证数据集对照。 a图平均数值结果是从模拟中获得的，当达到平衡时，有10^5个代理。 b图来自与国际象棋类别相关的Twitch数据集结果。
未来方向
许多当今最流行的在线社交网络都在很大程度上基于UGC 。此文分析了基于UGC的在线社交网络的几个宏观特征。
此外，由于简单，该模型可以向不同方向扩展，例如通过考虑不同的更新规则和社会学激励加以丰富。另一种可能是引入多维质量属性，来应对多种兴趣的可能性。
该模型还可以适应不断增长的网络形成模型，用户可以在不同时间加入，研究一些网红的崛起和。在理想情况下，这些研究可以与不同平台的实证分析相结合，比如在新一代中占主导地位的Instagram或TikTok等。
未来，关于推荐系统在社交媒体平台上的作用，及其对用户行为的影响的初步结果，可能进一步扩展。用户行为与平台机制之间的相互作用，属于一个广泛、未探索的研究方向，可能会进一步阐明数字化大趋势对我们社会的影响。
参考资料：
https://www.nature.com/articles/s41467-021-27089-8#Sec2
https://www.groovypost.com/howto/instagram-tips-tricks
【【导读】社交媒体上的「网红」是怎样产生的？在一项发表于《自然·通讯》的研究中|北大新研究用数学模型揭网红崛起奥秘，登上Nature子刊】来源：36氪