知识在超网络中的传播模型

Knowledge diffusion in the collaboration hypernetwork

研究背景

研究点：知识在学术网络中的传播的模型。
一般的合作网络只能表现科学家以及科学家之间的合作情况，无法表现出科学家发表的论文数量等。
以超图的方式来表现合作网络，其中的超边就是论文，包含了论文的所有作者，研究知识传播的好处有：
1）包含了论文信息，例如科学家发表了多少论文，共同发表的论文，这些信息与知识传播有很大关系。
2）包含了科学家之间的共同合作信息，两个科学家共同发表论文数量越多，知识传播的吸收率越高。
3）一个科学家发表的论文数量越多，他的知识越丰富。

在这样的背景下，本篇论文提出了新的知识传播模型，论文亮点有：
1）建立了基于局部世界超图（LWH）的知识传播模型
2）提出了因人而异的知识吸收率，并提出了优先知识传播机制

模型描述

LWH模型
LWH也是一个优先连接模型，只不过在选择前，在选择的范围限制到一个小范围，同时选择概率与超边有关，所以叫local-world hyperedgenetwork。

知识传播模型
1）每个科学家都有一个值用于表示其拥有的知识
2 ) 科学家只向他的一个·的合作者传播知识，一个合作者被选中的概率与他们之间合作的论文数量有关。
3）知识传播的计算公式：

4）其中的知识吸收率与作者发表论文数量有关，论文越多，知识吸收率越高：

模型效果呈现

模型首先用一个只有20个节点的网络，采用LWH，增长称为节点数量为1000的网络。在这个网络的基础之上运行知识传播模型。对节点平均知识量，知识的方差，以及知识的方差系数进行了比较。采用了三种方式对模型进行了效果呈现。

1）与传统的知识传播模型进行对比，发现一般模型的知识传播速率过快，不符合实际。
2 ) 调整最大节点数量，比较模型的三个量，发现随着节点数量增加，知识传播的速率变慢。
3 ) 考虑个体的自我学习能力，发现知识量变得没有上界。

模型缺点：
1）模型只能应用在知识领域单一的场景下。
2）知识吸收率考虑的因素太少。
3）知识无私传播的隐形假设现实中不太成立。

我觉得的缺点：
1）在静态模型中做的实验，没有考虑节点数量的增长。
2）只考虑了熟人之间的知识传播，没有考虑以论文引用方式发生的知识传播。

Improved knowledge diffusion model based on the collaboration hypernetwork

模型描述

这篇论文除了模型与上一篇论文稍有不同之外，其他基本相同。

1）这篇论文也是在LWH模型的基础上跑知识传播模型。
2）每一次，选定的某个科学家向他的所有邻居传播知识。
3）其他设定都与上一篇论文的设定相同。

模型效果呈现：

1）与传统的知识传播模型进行对比，发现这个模型的传播速度是传统传播模型的3倍。
2）随机选择初始的专家，比选择论文数量多的专家的传播速度快，这是知识在网络中分散分布比知识的局部密集分布快。
3）每篇论文的作者数越多，知识传播越快。

缺点：

1) 向所有邻居进行知识传播的假设明显不符合实际。
2）与第一篇论文一样的问题，没有考虑网络增长，也没有通过论文的知识传播。