Abstract 摘要

社会化网络构建了一个与现实社会对应的人际网络生态圈,但是基于web本身的缺陷,其给我们生活带来越来越多的问题.如信息泛滥,线上线下时间的平 衡,共同目标人群的聚合,社交对教育的影响等等.而语义网则是在传统web上加入关联数据等特性使得人工智能的网络成为可能,那么其可能在某些方面为社会 化网络的优化和发展起到积极作用.

Introduction 简介

本文主要由两大部分组成,一大部分是关于社会化网络的种种缺陷和问题,另一部分是关于如何利用语义网的概念来改善和弥补这些不足,而让其更加与现实社会关系密切并更方便地为人们服务.主要章节有:

1.社会化网络生态模型及缺陷

2.社会化网络中的心理学

3.社会化网络中的教育问题

4.为什么关联数据

5.人工智能的web能做什么

6.语义的社会化网络:智能的生态模型

社会化网络生态模型及缺陷

目前的社会化网络模型分为两种:强制双向连接模型和单双向任意连接模型,强制双向连接模型信息传递方式为双向互传,并且信息范围只存在于组内(或者说圈内).单双向任意连接模型则允许信息进行单向或双向传递,并且允许接收点进行信息传递,即传播扩散.

以上两种网络模型属于现实社会网络模型的部分实现,或者说其映射了现实社会网络的一部分,前者基于朋友或者好友的分享与互动这个个人社会活动,后者基于个人即时分享并传播这个生活中的例子(比如说演讲).

就单个个体所在网络来说,单个个体处于一个个体数量为n的集合里面,并且通过信息传递建立连接,信息单向传递的称为单向连接,双向传递称为双向连 接,单向连接数最大为:n(n-1)/2.而双向的最大连接数为:n(n-1).同时n趋向无穷大时,无论单双向连接Lim(n->∞) f(n) = n*n;

而最小传播连接数指在所有点都建立连接所需的最少连接,它有两种连接方式,一种是环连接,还有一种为发散状连接.其单向最小连接为n-1,而双向则为2(n-1).

因此,在一组存在完整连接的n个点中(不存在孤点),如果每一个点发出一条信息,在不同连接状态,其值与连接数f(n)相同.也就是说,在存在关联的社会化网络中,如果一个人际圈中有n个用户,每个用户共享一条信息,那么产生的有效信息数在n到n*n之间.

当一个个小型集合通过1到n个交叉个体产生关联,就形成了完善的社会化网络生态圈,并且假设信息通过这1到n个交叉个体进行发散,每组平均人数为m,传播次数为n,若m>=3,n>=1体系成立,单条信息进行发散,总传递接收次数约为 f(m,n)=m+m²+ … +mⁿ; 若信息传播模式为双向则接收次数约为 f(m,n)=2m+2m²+ … +2*mⁿ;

并且由此可以得出,当连接为双向时：

传播起始点，接收重复信息(m-1)次,传播重复信息0次.

中间点接收重复信息(m+1)次,传播重复信息(m-1)次.

边界点(末端)接收重复信息0次,传播重复信息0次.

总传播重复次数约为: f(n) = m² + m³ + … +mⁿ;(n>=2),

在一组有连接的点中,一条信息被传递,传播次数介于m+ m²+ …+mⁿ 与m+ 2m²+ …+ 2mⁿ之间(m>=3,n>=1)

现在的社会化网络模型只是完成了信息的分享与传播,其对使用者之间的关系的定义是不确切的，对不同年龄和角色的使用者的帮助是有限的，对共同目标或 兴趣的用户聚合是不完善的,它是现实社会网络的子集，所以存在许许多多的缺陷,并且对信息本身的考虑也非常少,以至于使用者本身一直处于被动接受状态,对 信息传播带来的问题无法应对.所以目前的网络最迫切的是将用户最需要的信息第一时间送达,并且为用户屏蔽无效信息.并且一个理想的状态是,网络本身开始习 惯用户的喜好和特点,并进行按需呈现信息.