解释重尾行为精编.docVIP

了解人类行为的重尾动力学 最近的可用的电子数据集包含大量的通信数据使比以往更大规模研究人类行为成为了可能。通过这一点，跨越不同数据集的范围它已经被发现了，连续通信事件中的事件间隔时间遵从重尾幂律动力学。解释这些已被证明是有争议的，并且两个不同的假说已经出现。第一个认为这些幂定律是基本的定律，并且是从人类安排任务时用的优先排队机制中产生的。第二个认为它们是人工统计的结果，这个结果仅出现在总计数据中，是昼夜节律和突发性被忽略时统计的特征。我们用一个大型社交媒体数据集来验证这些假说，并且发现尽管是结合昼夜节律和突发性的模型可以解释观察到重尾的一部分，还是有一些剩余的解释不明的重尾行为，这些行为显示了一个更根本的原因。在此基础上，我们开发了一个关于人类行为的新的定律模型，这个模型可以改善现有的方法，并且可以洞察人类交流的潜在机制。 找到可以描述和预测人类行为的定量模型的前景被有哪些信誉好的足球投注网站了数十年的研究者深深迷住了，一部分是因为理解这样的行为本身是有趣的，一部分因为这些模型在一些包括网络分析，网络安全和恐怖主义的分析这些领域有重要的实用性。例如电话记录，电子邮件和社交媒体的交流的大卷电子通讯数据，包含这些可用数据库的增加现在使比以前大规模的研究人类行为成为了可能。 一个引起广泛关注的领域是人类通讯事件时间的模型。对于一些人设为i ,让来表示这个人从事一个特殊类型通讯时间的时间，例如发送一封邮件或者打一个电话。间隔时间来定义在连续通信时间中消逝的时间，所以。大多数关于行为假设的简单定量模型，发生的这些事件遵从简单的泊松过程，以至于间隔时间被一个低内存的指数分布所控制。如果这是事实，这将是一个重要的发现因为它意味着人类活动是具有高度的规律性和可预测性的。然而，现在一些人类活动类型显示的似乎从根本上遵从非泊松过程，事件时间分布显示的重尾分布较慢的降低了指数率。 这重尾分布行为的起源需要解释，并且两个相互矛盾的假说也已经提出了。第一个认为重尾是人类行为的基本分布，并且是通过一些多样的优先排队机制产生的。第二个认为重尾是一个演生现象，它只呈现在由于平均更简单的“本地”行为的聚合数据中，例如昼夜节律和阵发性。 一个依据后者假说建立的重要的定量模型最近被引入和优化，并且认为重尾分布可以被一个考虑到人类如何行动的主观性简单模型完全的解释清楚。这个模型假定个体可以处于两个状态—活动的和不活动的。这些状态之间的动态转换包含了昼夜节律和阵发性，并且据称可以完全解释作为简单泊松过程聚合体的重尾行为分布。减少复杂人类行为到相互联系的泊松过程有巨大的理论诉求，也被用来作为实用目的，例如预测将来事件的时间。因此，这个模型广泛的被采用。 以前关于两个假说的比较大多数集中在电子邮件和移动电话的使用上。反之，我们现在研究个体在社交媒体中的行为，这个我们将在下一节讨论，为定量模型的几个原因提出了挑战。在社交媒体的使用中产生的网络已经成为在研究复杂系统文献里一个重要的领域，而且有兴趣的关注了个体用户的行为和多用户之间的联系的行为。 我们调查的关键是例如当做意外而不是基本规律产生的重尾分布这些存在的模型，这些模型对于描述社交媒体行为是不充分的。明确的，我们发现a在活动状态中描述的间隔时间通常比之前预想的有大幅度的重尾分布，以至于重尾行为好像有点基本规律并不是完全的意外，b人类活动好像是比提出的简单的活动和不活动状态二分法更复杂的活动，许多个体好像有多种不同的活动状态类型，大致相当于短时强烈突发事件，而不强烈的突发事件可以持续更长时间。 尽管这些实验上的发现，基本的洞察力发现被昼夜节律驱动的人类行为是基本的，阵发动力学的发现仍然是有实验性的，而且仍然是重要的。因此，真相好像是在两个相互矛盾的假说之中，昼夜节律和突发性解释了一部分并非是在人类活动的观察到的所有重尾分布，这指向了一个更根本的原因。被我们的发现所激励，我们对于人类交流提出一个新的定量模型，这个模型可以同时允许重尾行为和多种活动状态的类型，这纠正了现有方法中的缺陷。我们的模型在理解和预测人类的行为有重要影响。 I数据 我们研究了用户在Twitter上的行为，这是一个受欢迎的社交媒体网站。在Twitter上，每一个用户都有一个特殊的个人主页，他们可以用来和他们的追随者分享消息（被称为微博）。这些微博要么是对他们整个团体的追随者的通用信息，要么是对于个别用户的特别信息。在后一种情况下，两个用户彼此通过微博进行一次扩展交谈是很平常的。对偶的运算使微博的研究成为了一个有趣的领域，因为它包含了两个非常不同的用户行为。首先，用户可能发布孤立的“广播”微博，为了与他们的追随者分享消息/事件。第二，用户可能与其他特别用户进行直接通话，这将导致他们通常在很短的时间内交换不同的