基于标签共现网络的外国文化在中国的演变动态

《Physica A: Statistical Mechanics and its Applications》：Evolutionary dynamics of foreign cultures in China based on hashtag co-occurrence networks

　　摘要
社交媒体的迅速普及深刻地重塑了跨文化内容传播的动态。在这项研究中，我们利用多年的视频元数据（2014-2023年）从哔哩哔哩平台，探讨了美国、法国、日本和韩国在中国文化生态系统中的标签共现网络的纵向演化拓扑结构。实证分析显示，网络规模呈指数级扩展，同时伴随着一个明显的结构特征：宏观层面的全球路径延长与微观层面的高聚集密度持续存在。此外，我们还发现了一个结构上的变化：边权重分布呈现出无标度幂律形式，分层缩放动态出现，节点度相关性从同配转向异配混合。这种拓扑演化导致了一种双重模式的结构架构，即局部文化模块保持了内部的核心-边缘凝聚力，而跨领域枢纽建立了广泛的异配链接。我们证明了这些宏观变化是由一种协同扩散机制所驱动的，这种机制通过复制、变异和选择等基本模因过程在更高层次的标签互动中自我组织。最后，通过优化用于非平稳小样本预测的自适应Rolling GM?(1,1)框架进行预测建模，取得了高精度预测，并预计这些网络将在2028年之前继续保持其快速扩张和拓扑演变趋势。我们的研究为理解复杂数字文化系统中的自组织动态提供了定量基础。

引言
由于全球社交媒体的迅速扩展，跨文化数字内容以前所未有的速度在公共领域传播。作为聚合用户兴趣和上下文化内容的关键机制，标签在推动跨文化传播中发挥了基础性作用[1][2]。因此，通过标签共现网络揭示跨文化内容的纵向演化动态对于计算社会科学具有深远的理论和实践意义。

标签共现网络是通过映射在单一文本或元数据单元（例如社交媒体帖子或视频描述）中共同出现的标签来构建的。从概念上讲，标签是文化模因的数字体现，其演化轨迹受三种基本模因机制的支配：复制、变异和选择[3][4]。复制发生在现有标签因共享语义背景而被共同采用时；变异则表现为用户根据现实世界事件的变化对标签进行修改或创新；选择反映了用户参与度，低适应性的标签逐渐被边缘化。这些微观过程的持续互动产生了更高层次的宏观过程：协同扩散。标签不是孤立传播的，而是通过反复共现而共同演化，形成具有凝聚力的语义模块和更高层次的集群，从而显著增强了它们的集体持久性和影响力。因此，标签共现网络不仅追踪了文化传播的路径，还为揭示如何从基本模因互动中产生协同宏观结构提供了定量框架。

标签共现网络已成为复杂网络科学中的一个重要领域。大量实证研究表明，这些系统一致地自组织成小世界或无标度拓扑结构，其特征是重尾度分布和高聚类系数[5][6][7]。此外，社区检测分析揭示了这些系统内的语义聚合模式，为个性化推荐算法奠定了理论基础[8][9][10][11]。通过捕捉标签的生命周期，这些网络还提供了对时间演化动态的关键见解[12][13][14]。它们有效地映射了文化传播中的信息流动和传播路径，特别是在标签创建和链接具有强烈时间依赖性的快速社交媒体平台上[15][16][17][18][19][20][21][22]。为了揭示这些复杂拓扑背后的生成原理，已经发展出了各种建模范式，包括捕捉词汇增长的随机游走模型[23][24]、模拟知识动态的优先连接模型[25]，以及展示多尺度自相似性和结构韧性的增长网络模型[26]。超越传统的成对范式，近期文献强调了更高层次互动和反复群体共现对塑造集体社会现象的不可或缺性[27]。同时，耦合双曲几何框架[28]扩展了分析复杂空间传播动态和动态拓扑变化的理论边界。

尽管现有研究为标签网络的静态结构特性和动态演化机制提供了有价值的见解，但专注于跨文化传播的全面分析仍然有限。本研究结合了复杂网络理论、模因动态和协同扩散框架，以解码跨文化标签网络的纵向拓扑演化。此外，为了预测未来的演化轨迹，我们采用了Rolling Grey Model GM?(1,1)模型。跨多年跨度预测文化传播是一个典型的“小样本、信息有限”建模挑战（??=10）。传统的时间序列模型常常面临参数过度指定的问题，而静态灰色模型在非平稳条件下会产生指数级误差累积。通过不断用最新的拓扑观察结果更新输入窗口（“新信息优先”），Rolling GM?(1,1)模型能够有效吸收非线性相变，实现高度精确的多步文化网络扩展预测。

本文的其余部分组织如下：第2节详细介绍了数据收集和明确的预处理流程；第3节阐述了网络建模和构建规则；第4节展示了纵向实证拓扑分析并讨论了协同扩散机制；第5节使用Rolling GM?(1,1)模型评估和讨论了演化预测结果；最后，第6节总结了理论意义和未来的研究方向。

数据收集与预处理
本章详细介绍了数据获取流程、预处理协议和抽样验证。为了全面展示这些实证数据如何输入到随后的网络建模（第3节）、实证分析（第4节）和演化预测（第5节）中，我们研究的总体方法论框架在图1中进行了可视化总结。

网络定义与构建规则
如表1所示，每个视频ID是数据集中视频记录的唯一标识符。当一个视频同时被标注了标签????和????时，就建立了共现关系。基于这一原则，我们构建了一个无向加权图??=(??,??,??)作为标签共现网络，其中??表示唯一标签集，??表示无向边集，??表示邻接权重矩阵，以确保数学一致性。

实证结果
基于从??0到??9构建的累积标签共现网络，本章展示了我们在哔哩哔哩平台上关于外国文化传播的纵向拓扑演化和结构动态的实证发现。在详细阐述实证发现之前，有必要对一些术语进行简要说明。在本手稿中，“结构相变”、“自组织”和“演化机制”等概念严格用于描述实证现象。

标签共现网络的演化预测
节点和边数量的时间演化捕捉了标签共现网络的宏观尺度扩展，而动态指标（如平均最短路径长度（???????????）和聚类特性）量化了潜在的实证结构变化。利用这些纵向拓扑特征，本节对跨文化网络的未来传播轨迹进行了建模和预测。

结论
本研究表明，标签共现网络展现了典型的复杂系统动态。在复制、变异和选择的演化三要素的驱动下，并通过协同扩散的全局协调，这些文化网络经历了深刻的纵向转变。从宏观上看，这种协同互动促进了指数级的结构增长，并推动了从初始随机拓扑向明确的无标度架构的转变。

CRediT作者贡献声明
苏诗岚：写作——审稿与编辑、撰写——原始草稿、可视化、验证、监督、资源管理、方法论、研究设计、资金获取、正式分析、数据管理、概念构建。
何欣：写作——审稿与编辑、可视化、监督。
何原：写作——审稿与编辑、监督、项目管理、数据管理、概念构建。

利益冲突声明
作者声明没有已知的财务利益冲突或个人关系可能影响本手稿中的工作。

致谢
本研究得到了河北省社会科学基金（项目编号HB25XW00）的支持。
苏诗岚 | 何欣 | 何原
陕西科技大学数学与计算机科学学院，汉中市，723001，中国