Prognose ansteckende Ideen: ‚Ansteckungsgefahr‘ Modelle genau Vorhersagen tweet Lebensdauer: Ein tweet ist Viralität moduliert wird den meisten durch seine frühe Verbreitung-rate und einem allmählichen Verlust des Interesses im Laufe der Zeit

Die Schätzung tweet Infektiosität von den ersten 50 retweets ist der Schlüssel zur Vorhersage, ob ein tweet viral, entsprechend einer neuen Studie, veröffentlicht in PLOS EINS am 17. April 2019 durch Li Weihua von der Beihang Universität, China, und Kollegen.

Als soziale online-Netzwerke und Medien weiter wachsen, so hat die Bedeutung des Verständnisses, wie beeinflussen Sie unsere Gedanken und Meinungen. Insbesondere, in der Lage, Vorhersagen, die Ausbreitung von sozialen Ansteckungen ist als ein wesentliches Ziel für diejenigen, die soziale Informations-Netzwerke. Obwohl die entwickelten Modelle im Bereich von Infektionskrankheiten verwendet, um zu beschreiben, die Verbreitung von Ideen, Studien nicht verwendet Reale Daten, um abzuschätzen, wie ansteckend die Informationen. Die Autoren der vorliegenden Studie über einen Monat der Twitter-Daten-mit über 12 Millionen tweets und mehr als 1,5 Millionen retweets — und geschätzt wird jeder tweet ist die Infektiosität basierend auf der Netzwerk-Dynamik der ersten 50 retweets zugeordnet. Dann, Sie integriert die Infektiosität Schätzungen in ein Modell mit einer decay-Konstante, fängt die allmähliche Rückgang der Zinsen, wie Sie online-Informationen Alter.

Verwendung realer Daten und Simulationen, die Autoren testeten die Fähigkeit der Infektiosität-basiertes Modell zur Vorhersage der Viralität der retweet-Kaskaden, und seine Leistung im Vergleich zu der standard-community-Modells, die mit anderen prädiktiven Faktoren-wie soziale Verstärkung und trapping-Effekte, die Handlung zu halten, tweet-Kaskaden innerhalb der kleinen Gemeinschaft der verbundenen Benutzer. Sie fanden, dass sowohl für echte Twitter-Daten und simulierten Daten, die Infektiosität Modell besser abgeschnitten als das “ community-Modell, was darauf hinweist, dass die Infektiosität ist eine größere treibende Kraft bei der Bestimmung, ob ein tweet viral. Die Kombination der beiden Modelle in einer hybrid-Gemeinschaft-Infektiosität Modell ergab die Genaueste Vorhersagen, wobei die Komplexität der interagierenden Kräfte, die bestimmen das Leben und den Tod von social-network-Informationen.

Die Autoren fügen hinzu: „Wir schlagen vor, ein Modell zur simulation mithilfe von Twitter-Daten zeigen, dass die Infektiosität, das spiegelt die intrinsische Interesse einer Informations-Kaskade, kann substantiell verbessern die Vorhersagbarkeit der viralen Kaskaden.“