کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5103531 1480105 2017 16 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Evolution properties of online user preference diversity
ترجمه فارسی عنوان
ویژگی های تکامل تنوع اولویت کاربر آنلاین
کلمات کلیدی
رفتار کاربران جمعی آنلاین، ترجیح کاربر، خواص تکامل، مدل مارکف،
ترجمه چکیده
شناسایی خواص تکاملی تنوع ترجیحات کاربر آنلاین اهمیت زیادی برای درک عمیق رفتارهای جمعی آنلاین دارد. در این مقاله، تجربی از الگوهای تکرار اولویت بندی امتیاز دهی کاربران آنلاین، که در آن تنوع اولویت با ضریب تنوع دنباله ی رتبه بندی کاربر اندازه گیری می شود، مورد بررسی قرار می گیرد. نتایج آماری برای چهار سیستم واقعی نشان می دهد که برای فیلم ها و بررسی ها، اولویت بندی امتیاز کاربر متفاوت می شود و در نهایت متمرکز می شود. با معرفی ضریب تنوع تجربی، ما یک مدل مارکوف ارائه می دهیم که می تواند خواص تکاملی دو سیستم آنلاین را در رابطه با ضرایب تنوع پایدار تجدید کند. علاوه بر این، ما بررسی تکامل همبستگی بین رتبه بندی کاربر و کیفیت ابعاد را بررسی می کنیم و می بینیم که همبستگی با افزایش درجه ی کاربر افزایش می یابد. این کار می تواند برای درک اثرات تعصب و اثرات حافظه رفتارهای جمعی کاربران آنلاین مفید باشد.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات فیزیک ریاضی
چکیده انگلیسی
Detecting the evolution properties of online user preference diversity is of significance for deeply understanding online collective behaviors. In this paper, we empirically explore the evolution patterns of online user rating preference, where the preference diversity is measured by the variation coefficient of the user rating sequence. The statistical results for four real systems show that, for movies and reviews, the user rating preference would become diverse and then get centralized finally. By introducing the empirical variation coefficient, we present a Markov model, which could regenerate the evolution properties of two online systems regarding to the stable variation coefficients. In addition, we investigate the evolution of the correlation between the user ratings and the object qualities, and find that the correlation would keep increasing as the user degree increases. This work could be helpful for understanding the anchoring bias and memory effects of the online user collective behaviors.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Physica A: Statistical Mechanics and its Applications - Volume 468, 15 February 2017, Pages 698-713
نویسندگان
, , , ,