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

本文介绍了一个基于态度变化理论、群体行为理论和演化博弈理论的代理人在线舆论形成模型，该模型考虑了信誉度、接受者特征和群体环境对说服过程的影响，并将该模型应用于 Twitter，分析了话题类型、参数变化和意见领袖对舆论形成的影响。实验结果显示，争议性话题的意见演化表现出更大的不确定性和可持续性，而利益成本比对意见形成有着显着的影响，适当的比例将导致最长的放松时间或最统一的全球意见。此外，拥有大量追随者的名人比专家更有能力影响公众舆论。

Jul, 2018

本研究采用社会舆论动力学模型，将宣传设计问题形式化为识别目标受众的问题，旨在通过他们的积极反馈最大化信息在社交网络中的整体积极反馈，我们设计了解决该问题的算法，并在实际数据上进行了实验，证明了算法的高效性和实用性。

Jan, 2013

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

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

该论文研究了多分配学习范式的最优样本复杂度，并给出了符合最优样本复杂度的算法。其中，他们的样本复杂度界限超过了仅学习单个分布的学习的样本复杂度。

Oct, 2022

通过引入时间和空间上的扩展维度、构建意见聚类、削弱意见遗忘和依赖行为、以及网络分析等方法，本文提出了一个综合框架来加强共识建设，并强调了多样的观点、网络分析和有影响力的实体在其中的重要性。

Nov, 2023

研究了社交网络上的多数决策问题，在形成初步决策后，考虑交互作用对决策的影响，并探讨在不同的社交网络条件下，少数服从多数的情况是否成立以及信息聚合是否有效。

Jul, 2012

通过使用一种新的算法来检测高影响力的用户，即使只知道社交网络的拓扑结构，攻击者仍能在社交网络中激起不和谐，我们证明了这种攻击是可能的。

Jun, 2023

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