社交网络中的意见波动和分歧
研究社会系统中意见收敛的模型,发现指导邻居意见和类似信仰的网状连接都是影响意见形成的因素,并提出了一个简单的模型来控制这两个因素的平衡,发现该模型在参数变化的过程中发生了连续相变,从多样化的意见到大多数人持有同样的意见。
Mar, 2006
通过模拟社会网络中人们的意见动态,研究了一种具有内生信念的模型,发现在这种情况下很少能达成共识,并提供了达成共识的最低成本与社会最优状态的紧密界限。同时,讨论了如何通过调整网络结构来减少达成共识的成本。
Mar, 2012
分析了随机连续意见动态系统的比例极限,即小道消息模型,并且发现在大量的代理人口大小的极限下,经验意见密度以指数概率速率有效地聚焦在描述系统均场动力学的概率测度控制的普通微分方程的解周围,并考察了所关联的初值问题的性质。同时,分析了边界信心意见动力学以及异质性环境的存在对解的渐近行为的影响。
Mar, 2010
本文研究有界信心模型的观点动态演化,证明了当时间趋近无穷大时,各群体内部观点趋于局部集群,随后每个集群内的观点将收敛到集群重心。同时,研究表明,随着同伴数量趋近无穷大,观点处理过程收敛到非线性 Markov(或 McKean-Vlasov)过程。最后,证明了方程具有密度初始条件时具有密度解,并开发了一种数值方案。
Jun, 2010
研究了一个完全连接的系统中的意见动态,在没有记忆的情况下,考虑了包括选民模型和最佳 - k 多数规则在内的非常流行的意见动态,结果表明缺乏记忆会防止有效收敛,而使用随机意见动态快速收敛于正确的意见为信息传播过程所必需的。
Feb, 2023
通过分析出生率、手机销售和音乐会掌声降低等数据集,运用随机场伊辛模型,研究了模仿和社会压力带来的群体效应,发现其具有标度关系 h ~ w^{-kappa},其中 kappa 取 0.62~0.71。
Apr, 2005
提出了一种模型,其中代理的行动表现出离散性,但其在相互作用下更新的观点则是连续的,将这种新的更新规则应用于选民模型和 Sznajd 模型中,研究了它的后果,发现了极端主义者的出现是该模型的一个特征。
Nov, 2007
研究了观点动态学中代理人在面对来自决策观察的社交压力时,选择二元行动的情况。证明了即使行动可以被广泛接受或极化,最终结局仍然是随机的,并揭示了失去个体决策背后细微差别的信息往往导致了非理性跟风行为。
Apr, 2017
研究 Krause 引入的一种观点动态模型,其中每个代理都有一个由实数表示的观点,并通过对所有与其自身观点相差不到 1 的代理观点求平均来更新其观点。通过给出一个新的聚类收敛证明,我们表明所有处于同一组中的代理持有相同的观点。然后我们引入了特定的平衡稳定性概念,在稳定平衡时提供了相互簇距离的下限。为了更好地理解当代理数量很大时系统的行为,我们还引入并研究了涉及到无穷多个代理的变量,从而获得了部分收敛结果以及跨簇距离的下限,在一些温和假设下。
Jul, 2008
本文研究如何通过网络结构来降低社交媒体带来的观点极化和分歧,并提出了一种精确且高效的算法,同时对算法进行了合成及真实数据的测试,结果表明该算法对于推荐系统和社交网络优化具有重要意义。
Dec, 2017