Anti-Diffusion in Continuous Opinion Dynamics
相当大的努力,使用统计物理学中开发的技术一直针对基于代理的意见模型和分析其结果的数值模拟。这些工作阐明了交互代理的各种规则如何在一致性和碎片化之间变化的代理群体中产生稳态行为。在宏观种群水平上,由于缺乏一个连续种群状态的解析控制方程,分析一直受到限制。我们使用的积分微分方程,统治观点动力学的连续概率分布函数的代理意见,发展一种新的非线性偏微分方程的意见分布的演变。高度非线性方程允许生成近似系统。我们考虑了三种初始种群分布,并确定了它们的小时间行为。我们的分析揭示了如何产生集群的结果,从扩散和反扩散的相互作用,以及如何在不同地区的人口分布的初始不稳定性出现。
2018-05-06 physics.soc-ph
Diffusion-driven pattern formation in an opinion dynamical network model
Helmholtz Institute for Functional Marine Biodiversity (HIFMB)(赫尔姆霍兹功能海洋生物多样性研究所);Carl-von-Ossietzky University, Institute for Chemistry and Biology of the Marine Environment(卡尔·冯·奥西茨基大学,海洋环境化学与生物学研究所);Alfred-Wegener Institute (AWI), Helmholtz Center for Polar and Marine Research(阿尔弗雷德·魏格纳研究所(AWI),赫尔姆霍兹极地海洋研究中心)
本文研究了在复杂系统中保持多样性的重要因素,通过基于网络的方法研究意见形成,发现局部动态与社区结构的相互作用能够生成空间模式,使少数意见通过局部主导而得以持续。
2026-06-04 physics.soc-ph
How Recommendation Algorithms Shape Social Networks: An Adaptive Voter Model Approach
University of Graz(格拉茨大学)
本文通过自适应投票模型研究推荐算法对社交网络极化和碎片化的影响,发现局部重连线机制加剧了网络极化和回声室效应。
2026-01-19 physics.soc-ph
Diffusing opinions in bounded confidence processes
我们研究了扩散意见对Deffuant等人的连续观点动力学模型的影响。每个人都有机会以给定的概率改变自己的观点,在以当前观点为中心的区间内随机选择一个观点。我们发现,扩散诱导有序无序转变。在无序状态下,意见分布趋于均匀,而在有序状态下,形成了一组定义明确的意见簇,尽管其中有一些意见传播。如果扩散跳跃不大,集群合并,因此弱扩散有利于意见一致。给出了上述过程的主方程。我们发现,主方程和蒙特卡罗模拟并不总是同意,由于有限尺寸诱导的波动。使用线性稳定性分析,我们可以推导出意见簇和无序状态之间的过渡的近似条件。线性稳定性分析与蒙特卡罗模拟进行了比较。分析了新奇有趣的现象。
2010-09-07 cond-mat.stat-mech physics.soc-ph
Segregation Before Polarization: How Recommendation Strategies Shape Echo Chamber Pathways
The University of Tokyo(东京大学);Institute of Science Tokyo(东京科学大学)
通过扩展动态有界置信模型,研究基于内容与基于链接的推荐策略如何分别导致社交网络先隔离后极化的不同演化路径。
2026-05-30 cs.IR cs.SI physics.soc-ph
An Opinion Dynamics Model for the Diffusion of Innovations
我们研究了连续意见和离散行动(CODA)的代理商采用新产品的动态。该模型是这样的,在采用一个新的想法或产品的拒绝越来越多的加权邻居代理作为证据对产品。在这些规则下,我们研究了收养次数的分布和收养者在人口中的最终比例。我们比较的情况下,最初的采用者聚集的情况下,他们是随机分散在社会网络和调查小世界的影响,采用者的最终比例。该模型预测了一个厚尾分布的后采用者,这是由经验数据验证。
2009-02-12 physics.soc-ph
Predictability of diffusion-based recommender systems
基于网络扩散的推荐方法已被证明在推荐准确性和多样性方面表现良好。现在,已经进行了许多扩展,以进一步提高这些方法的性能。然而,在何种程度上可以预测项目的扩散为基础的算法仍然缺乏了解。在这里,我们主要提出了一种方法来量化基于扩散的算法的可预测性。因此,我们在Movielens和Netflix数据集上进行实验。结果表明,通过优化密度网络上的资源分配方式,基于扩散算法的推荐仍能获得较高的推荐准确率。在稀疏网络上,由于基于扩散的方法的当前精度非常接近其可预测性,因此提高精度的可能性相对较低。在这种情况下,我们发现,可预测性可以显着提高多步扩散,特别是对用户的历史信息较少。与普遍的看法相反,有可能的情况下,更高的可预测性的扩散为基础的方法不对应于那些用户与更多的历史记录。因此,我们提出了扩散覆盖率和项目平均度来解释这一现象。此外,我们证明了在实际的在线系统中的推荐精度被高估的随机划分在文献中使用,建议在实际的在线系统中的推荐可能是一个更困难的任务。
2019-03-29 cs.CY cs.IR physics.soc-ph
A trust-based recommendation method using network diffusion processes
各种基于评分的推荐方法已经得到了广泛的研究,包括著名的协同过滤方法和一些基于网络扩散的方法,然而,社会信任关系没有充分考虑时,提出建议。在本文中,我们提出了一种基于信任的推荐方法,名为CosRA+T,整合到资源再分配过程中的信任关系的信息后,文献的贡献。具体来说,可调参数用于在重新分配回对象之前缩放受信任用户接收的资源。有趣的是,我们找到了一个最佳的缩放参数为建议的CosRA+T方法,以实现其最佳的推荐精度,最佳值似乎是通用的几个评估指标在不同的数据集。此外,在两个真实世界的评级数据集上进行的大量实验结果表明,CosRA+T在整体准确性,多样性和新颖性方面都有显着提高。我们的工作采取了一个步骤,设计更好的推荐算法,采用多种资源的社会网络信息。
2018-03-22 cs.IR physics.soc-ph
Social media battle for attention: opinion dynamics on competing networks
本文提出多重网络观点动力学模型,研究用户在竞争性社交媒体平台间的注意力分配,发现中性算法平台仍可能维持极化,而多平台动态隔离可在提升满意度时不加剧极化。
2023-10-27 cs.SI physics.soc-ph
Information filtering via hybridization of similarity preferential diffusion processes
推荐系统是解决在线系统中信息过载问题的最有前途的方法之一。推荐系统可以根据个人历史记录,在巨大的信息空间中为用户找到有趣且相关的对象。许多物理过程,如质量扩散和热传导已被应用到设计的推荐算法。这两种算法的混合已被证明提供准确和多样的推荐结果。本文提出了两个相似的优先扩散过程。在两个基准数据集上的实验分析表明,由于扩散中的相似性偏好,该算法的推荐精度和多样性都得到了提高。的相似性优先扩散过程的杂交显着优于最先进的推荐算法。最后,通过对网络稀疏性的分析,发现稠密系统和稀疏系统之间存在显著的差异,这表明在稀疏系统中,以往文献中关于推荐的所有结论都需要重新审视。
2013-08-31 cs.IR cs.SI physics.soc-ph
Wisdom of the Crowd: Incorporating Social Influence in Recommendation Models
推荐系统最近受到了相当大的关注。然而,大多数研究都集中在提高协同过滤(CF)技术的性能。社交网络不可或缺地为我们提供了关于人们偏好的额外信息,应该加以考虑和部署,以提高推荐的质量。本文基于社会传染和社会影响网络理论,提出了两种推荐模型,分别针对个人和群体。在个体推荐模型中,引入社会传染结果对协同过滤预测结果进行改进,模拟了决策过程中信息级联的结果。在群体推荐模型中,我们运用社会影响网络理论,将群体成员之间的人际影响纳入到推荐模型中,形成一个固定的意见分歧模式,然后对群体成员的意见进行聚合。通过引入感受性和人际影响的概念,使评分结果具有一定的灵活性,并倾向于评分为“必要”的成员。
2013-05-17 cs.IR cs.LG cs.SI
The role of taste affinity in agent-based models for social recommendation
在互联网时代,在线社交媒体成为个人之间分享意见和信息的主要工具。在这项工作中,我们研究了一个自适应模型的社交网络,定向链接连接用户具有相似的口味,并通过社会推荐的信息传播。基于代理的模拟两个不同的人工设置建模用户的口味与模式在真实数据中看到的,这表明用户在他们的兴趣范围不同是一个更现实的假设比用户只在他们的特定利益不同。我们进一步引入了一套广泛的相似性度量的基础上,用户的过去的评估,并评估其使用在给定的社会推荐模型与人工模拟和真实数据。观察到优越的推荐性能相似性指标,优先考虑用户的小范围-谁因此作为选择性过滤器在社会推荐。
2013-01-18 cs.SI physics.soc-ph
Max-Plus Opinion Dynamics With Temporal Confidence
通常在以人为基础的互动环境中,信息的时间层次的存在在社区内的传播和观点动力学中发挥着重要作用。例如,在个体代理层面,最近获得的信息可能在决策过程中产生更大的影响。为了便于进一步探索这种效果,我们引入了一种有效的方法来建模时间异步的意见更新,更新的时间取决于从邻居收到的意见状态的时间。该框架使得能够通过滞后向量引入信息到达时间滞后。这些被用来加权代理收到的信息的相关性,基于其接收和随后的意见更新之间的延迟。时间动态(即信息传输的时间)由一个称为最大代数的底层代数结构控制。我们调查所产生的连续观点动力学下的最大加政权使用修改后的Hegselmann-Krause模型,取代传统的置信区间的基础上的意见之间的距离,而不是一个基于最近的代理收到的信息。
2021-01-06 physics.soc-ph