Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2509.04823

帮助 | 高级搜索

计算机科学 > 社会与信息网络

arXiv:2509.04823 (cs)
[提交于 2025年9月5日 ]

标题: 通过社交媒体上的多模式用户观看模式评估认知行为固定化

标题: Evaluating Cognitive-Behavioral Fixation via Multimodal User Viewing Patterns on Social Media

Authors:Yujie Wang, Yunwei Zhao, Jing Yang, Han Han, Shiguang Shan, Jie Zhang
摘要: 数字社交媒体平台经常导致认知行为固化,这是一种现象,用户在狭窄的内容领域中表现出持续和重复的参与。 尽管认知行为固化在心理学中已被广泛研究,但用于计算检测和评估这种固化的方法仍较少被探索。 为解决这一差距,我们提出了一种新框架,通过分析用户的多模态社交媒体参与模式来评估认知行为固化。 具体而言,我们引入了一个多模态主题提取模块和一个认知行为固化量化模块,它们协同工作,实现对用户行为的自适应、分层和可解释的评估。 在现有基准和一个新整理的多模态数据集上的实验表明了我们方法的有效性,为认知固化的可扩展计算分析奠定了基础。 本项目的所有代码均可公开用于研究目的,网址为 https://github.com/Liskie/cognitive-fixation-evaluation。
摘要: Digital social media platforms frequently contribute to cognitive-behavioral fixation, a phenomenon in which users exhibit sustained and repetitive engagement with narrow content domains. While cognitive-behavioral fixation has been extensively studied in psychology, methods for computationally detecting and evaluating such fixation remain underexplored. To address this gap, we propose a novel framework for assessing cognitive-behavioral fixation by analyzing users' multimodal social media engagement patterns. Specifically, we introduce a multimodal topic extraction module and a cognitive-behavioral fixation quantification module that collaboratively enable adaptive, hierarchical, and interpretable assessment of user behavior. Experiments on existing benchmarks and a newly curated multimodal dataset demonstrate the effectiveness of our approach, laying the groundwork for scalable computational analysis of cognitive fixation. All code in this project is publicly available for research purposes at https://github.com/Liskie/cognitive-fixation-evaluation.
主题: 社会与信息网络 (cs.SI) ; 计算与语言 (cs.CL)
引用方式: arXiv:2509.04823 [cs.SI]
  (或者 arXiv:2509.04823v1 [cs.SI] 对于此版本)
  https://doi.org/10.48550/arXiv.2509.04823
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Yujie Wang [查看电子邮件]
[v1] 星期五, 2025 年 9 月 5 日 05:50:00 UTC (18,606 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.SI
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-09
切换浏览方式为:
cs
cs.CL

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号