Patterns of Nonlinear Opinion Formation on Networks
本文研究网络非线性观点动力学，证明邻接矩阵谱性质可完全刻画一致或分歧，并揭示特征向量中心性与网络对称性对观点模式及级联输入敏感性的影响。
2021-03-26 cs.SI cs.SY eess.SY
Opinion dynamics with disagreement and modulated information
观点动力学关注的是群体或群体对特定问题达成一致或不一致的社会过程。因此，建模观点动力学代表了一个重要的研究领域，已逐步获得相关的许多不同的领域。现有的方法大多是通过探索一整套的情况下，离散的二元或连续变量表示的意见：例如，独立性，噪音，外部影响，多个问题。在大多数情况下，关键因素是吸引力的动态，通过这种动态，相似或足够相似的代理人变得更接近。只有很少的情况下，明确的分歧的可能性被考虑在内（即，个体意见之间排斥性相互作用的可能性），并且主要用于离散或一维意见。在这里，我们介绍了一个新的意见形成模型，它侧重于明确的分歧，调制在一个自我一致的方式由现有的意见之间的相互作用的个人，和外部信息对系统的影响的重叠的可能性之间的相互作用。意见被建模为一个向量的连续变量相关的多个可能的选择的问题。信息可以被调制以考虑促进多种可能的选择。数值结果表明，极端的信息导致隔离，对人口的影响有限，而温和的消息有更好的成功和凝聚力的效果。此外，初始条件起着重要的作用，人口形成一个或多个集群的基础上，个人之间的初始平均相似性，与过渡点取决于意见选择的数量。
2012-12-01 cs.SI physics.soc-ph
Disagreement and Polarization in Two-Party Social Networks
我们调查的分歧和两极分化的社会网络中有两个两极分化的信息来源。首先，我们定义分歧和两极分化指数在两个政党的领导者-追随者模型的意见动态。然后，我们给出的指数在一个图形拉普拉斯表达式。这些表达式显示了这些量与电阻距离和双谐距离的概念之间的关系。我们接下来研究设计网络的问题，以尽量减少分歧和极化。我们给出了最佳分歧和极化的条件，并进一步证明了追随者节点的分歧和极化的线性组合是追随者之间的边权重的凸函数。我们提出的算法来解决一些相关的连续和离散优化问题，并提出了一些有趣的例子的分析结果。
2020-05-15 cs.SI cs.SY eess.SY
Do Stubborn Users Always Cause More Polarization and Disagreement? A Mathematical Study
本研究基于Friedkin-Johnson观点形成模型，分析用户固执程度对社交网络观点极化和分歧的影响，发现异质场景下提升中立用户固执度可降低极化，并用真实网络实验验证了理论结论。
2024-10-29 cs.SI
Maximizing Diversity of Opinion in Social Networks
Rensselaer Polytechnic Institute（伦斯勒理工学院）
研究如何在包含二元对立意见的意见领袖的社交网络中最大化意见多样性，采用生态学中的多样性指数对系统进行量化，并通过分析路径、循环和树结构给出解决方案。
2019-03-28 cs.SI cs.SY eess.SY
Inference in Opinion Dynamics under Social Pressure
我们引入了一个新的意见动力学模型，一组代理持有两种意见：固有的和宣布。每个代理人的固有意见是固定的，不能被其他代理人观察到。在每个时间步，代理人在社交网络上广播他们声明的观点，这些观点受到代理人固有观点和社会压力的支配。特别是，我们假设代理人可能会声明与他们的固有意见不一致的意见，以符合他们的邻居。这就提出了一个自然的问题：我们能否从对公开意见的观察中估计出行为人的固有意见？例如，代理人的固有意见可能代表他们真正的政治联盟（民主党或共和党），而他们宣布的意见可能会模拟社交媒体上推文的政治倾向。在这种情况下，我们可以通过观察选民的推文来预测选举结果，由于社会压力，这些推文不一定反映他们的政治支持。我们在底层社交网络是一个完整图的特殊情况下分析这个问题。我们证明，只要人口不包括大多数，估计的总和和个人的固有意见是可能的。另一方面，大多数人迫使少数人在时间上撒谎，这使得渐近估计是不可能的。
2022-05-03 cs.SI cs.SY eess.SY
Minimizing Polarization and Disagreement in Social Networks
MIT（麻省理工学院）；Boston University（波士顿大学）
社交媒体和在线社交网络的兴起一直是社会中的一股破坏性力量。意见越来越多地受到在线社交媒体互动的影响，包括分歧和两极分化在内的社会现象现在与日常生活紧密相连。在这项工作中，我们开始研究以下问题：给定$n$代理，每个代理都有自己的初始意见，反映了其核心价值的主题，和意见动态模型，什么是社会网络的结构，最大限度地减少{ \em极化}和{ \em分歧}同时？这个问题是推荐系统的核心：推荐系统应该倾向于两个具有相似思维模式的在线用户之间的链接建议，以保持低分歧，还是两个具有不同意见的用户之间的链接建议，以使每个用户都了解对方对世界的看法，并降低总体极化水平？我们的贡献包括这个问题的数学形式化作为一个优化问题和一个精确的，时间效率高的算法。我们还证明了总是存在一个具有$O(n/ε^2)$边的网络，该网络是最优值的$(1+ε)$逼近。对于一个固定的图，我们还展示了如何在多项式时间内优化我们的目标函数。我们对我们提出的方法进行了实证研究，验证了它们作为挖掘工具的价值，以更好地理解分歧和极化之间的权衡。我们发现，在现实世界的网络中，有很大的空间来减少极化和分歧;例如，在Reddit网络上，用户交换对政治的评论，我们的方法实现了极化和分歧的$\sim 60\,000$倍减少。
2017-12-28 cs.DS cs.LG cs.SI
Shaping Opinions in Social Networks with Shadow Banning
提出基于优化的影子禁令方法，可在大规模社交网络上将观点塑造成期望分布，并揭示其可能被平台隐蔽滥用以操纵观点。
2024-02-06 cs.SI cs.SY eess.SY
Stochastic Opinion Dynamics under Social Pressure in Arbitrary Networks
本文研究社会压力下基于交互式Polya瓮模型的随机观点动力学，利用Lyapunov理论和随机逼近方法分析其渐近行为，并给出声明观点达成共识的充要条件，揭示了推断固有信念的困难。
2024-09-30 cs.SI cs.SY eess.SY
Consensus and Disagreement of Heterogeneous Belief Systems in Influence Networks
本文研究强连通影响网络中逻辑矩阵结构对最终观点的作用，给出共识与分歧的判定条件，并指出信念系统异质性是观点强多样性的关键来源。
2018-12-12 cs.MA cs.SI cs.SY
Shifting Opinions in a Social Network Through Leader Selection
我们研究了法国DeGroot的意见动态在一个社会网络中有两个两极分化的政党。我们考虑一个网络，其中一方的领导人是给定的，我们提出的问题，选择的领导人集的反对党，以转移的平均意见，以一个期望的值。当每一方只有一个领导者时，我们用转移矩阵和网络中随机游动的平稳分布来表示平均意见。分析表明，两个领导者节点之间的影响平衡。我们发现，选择最多$k$绝对领导者转移的平均意见的问题是$\mathbf{NP}$ -硬。然后，我们把问题归结为一个带有次模块背包约束和附加基数约束的次模块最大化问题，并提出了一个带有上界搜索的贪心算法来逼近最优解。我们还在随机网络和真实网络中进行了实验，以证明该算法的有效性。
2020-05-16 cs.SI cs.SY eess.SY
Estimating True Beliefs in Opinion Dynamics with Social Pressure
研究社会压力下意见动态中真实信念的参数估计问题，提出在任意网络中均能收敛至内在信念的估计器，并界定了其在共识与非共识场景下的收敛速率。
2024-06-26 cs.SI cs.SY eess.SY
Adversarial Perturbations of Opinion Dynamics in Networks
我们研究网络结构，意见动态和对手的力量，人为地引起分歧之间的联系。我们通过扩展社会科学中的意见形成模型来解决这些问题，以代表最近事件中熟悉的场景，其中外部行为者试图通过假新闻和机器人的复杂信息战争策略来破坏社区稳定。在许多情况下，这些努力的内在目标不一定是改变网络的整体情绪，而是引发不和谐。这些扰动通过底层网络上的意见动态传播，通过计算机科学和社会科学工作分析和抽象的机制传播。我们调查这种攻击的属性，考虑最佳策略的对手寻求创造分歧和实体负责保卫网络免受攻击。我们表明，对于这些类型的目标的不同配方，不同的制度的频谱结构的网络将限制对手的能力播种不和谐，这使我们能够定性地描述哪些网络是最容易受到这些扰动。然后，我们考虑的算法任务的网络防御者，以减轻这些种类的对抗攻击绝缘节点的异质性，我们表明，通过考虑这个问题的几何形状，这个优化任务可以有效地解决通过凸规划。最后，我们概括这些结果，以允许两个网络结构，意见动态过程和分歧的测量变得解耦，并确定对手的权力如何变化，例如，这可能会出现时，意见动态控制通过社交媒体的在线社区，而分歧沿“现实世界”的连接进行测量。
2020-07-13 cs.DS cs.GT cs.SI
Analysis and Consensus Control of Emergent Dynamic Polarization in Minimally-Nonlinear Opinion Dynamics
George Mason University（乔治梅森大学）
本文提出M-NOD框架解析社交网络观点演化产生的动态极化，证明其稳定性条件，开发局部控制策略仅锚定单个智能体即可消除振荡分歧、恢复共识。
2026-08-11 cs.SI cs.SY eess.SY
Hierarchical Fuzzy Opinion Networks: Top-Down for Social Organizations and Bottom-Up for Election
本文提出分层模糊意见网络，分别通过自上而下模型研究领导者意见的渗透与收敛、自下而上模型模拟选举中意见的逐层聚合，证明了分层小群体结构能显著提升收敛速度。
2018-12-07 cs.MA cs.SI cs.SY
Opinion evolution in time-varying social influence networks with prejudiced agents
Delft University of Technology（代尔夫特理工大学）；Institute for Problems of Mechanical Engineering (IPME RAS)（俄罗斯科学院机械问题研究所）；ITMO University（ITMO大学）；CNR-IEIIT, Politecnico di Torino（都灵理工大学CNR-IEIIT研究所）；University of Groningen（格罗宁根大学）；University of California Santa Barbara（加州大学圣塔芭芭拉分校）
本文研究了在时变社会影响网络中，偏见代理的意见演化问题，提出了一种新的意见形成模型，并探讨了其在时变网络中的扩展应用。
2017-04-23 cs.SI cs.SY eess.SY
Opinion dynamics in social networks with stubborn agents: an issue-based perspective
Xidian University（西安电子科技大学）；Peking University（北京大学）
本文研究了社会网络中固执代理在议题序列上的意见共识，分析了网络拓扑和系统矩阵对F-J模型收敛性的条件，并探讨了固执代理在议题序列中的意见达成机制。
2017-08-13 cs.SI cs.SY eess.SY
Fuzzy Opinion Networks: A Mathematical Framework for the Evolution of Opinions and Their Uncertainties Across Social Networks
本文提出模糊意见网络框架，通过高斯节点连接模拟意见传播，分析不同网络结构中意见及其不确定性的演化机制。
2016-02-21 cs.SI cs.SY eess.SY
Modelling the coevolution of opinion dynamics and decision making in social dilemmas
Adelaide University（阿德莱德大学）；Politecnico di Torino（都灵理工大学）；University of Groningen（格罗宁根大学）
本文提出一个数学模型，研究社会困境中行动与意见的共演，结合公共物品游戏与意见动态模型，分析共演博弈的均衡及收敛条件。
2026-04-10 cs.SI cs.SY eess.SY
A Novel Dynamic Epidemic Model for Successive Opinion Diffusion in Social Networks
RPTU Kaiserslautern-Landau（莱茵兰-普法尔茨科技大学凯泽斯劳滕-兰道校区）；Lingnan University（岭南大学）；German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）
本文提出了一种新型动态流行病模型，用于研究社交网络中连续意见扩散，通过考虑社会距离影响和谣言传播对网络结构的影响，揭示意见扩散动态及社会极化机制。
2025-11-28 cs.SI
A two-layer model for coevolving opinion dynamics and collective decision-making in complex social systems
基于意见动力学和进化博弈论的文献，我们提出了一个新的数学框架来模拟复杂社会系统中意见和决策相互交织的共同进化。在该框架中，社会社区的成员更新他们的意见，并修改他们的行动，因为他们了解别人的意见分享的沟通渠道，并通过影响力的渠道观察别人的行动，这些互动决定了一个两层的网络结构。我们提供了一个应用程序的建议框架，通过定制它来研究采用一种新的社会规范，表明该模型能够捕捉到出现的几个现实世界的集体现象，如范式转变和不受欢迎的规范。通过建立分析条件和蒙特卡罗数值模拟，我们阐明了意见动态和决策之间的耦合，以及网络结构，在塑造社会系统中复杂的集体行为的出现的作用。
2021-02-18 cs.MA cs.SI cs.SY
Opinion Maximization in Social Networks
通过不同观点的综合和对比形成意见的过程一直是经济学和社会科学中许多研究的主题。今天，这一过程也体现在在线社交网络和社交媒体中。成功的促销活动的关键特征是，他们考虑到这种意见形成的动态，以创造一个关于特定信息项目，如一个人，一个产品，或一个想法的整体有利的意见。在本文中，我们采用了一个完善的社会意见动态模型，并正式确定一组目标个人的积极意见的信息项将最大限度地提高整体积极的意见，在社会网络中的项目的问题的广告设计问题。我们把这个问题称为“竞选”。我们研究了CAMPAIGN问题的复杂性，并设计了求解该问题的算法，在实际数据上的实验证明了算法的有效性和实用性。
2013-01-30 cs.SI physics.soc-ph
Opinion Formation Threshold Estimates from Different Combinations of Social Media Data-Types
被动消费与主题相关的可量化数量的社交媒体信息可能会导致个人形成意见。如果这些人中有相当一部分人出于他们最近确立的观点而采取行动，那么无论信息的真实性如何，都可能引发一场运动或公众舆论的转变。鉴于社交媒体在现代社会中无处不在，我们必须了解社交媒体数据导致意见形成的门槛。本研究通过询问2222名参与者关于各种社交媒体数据类型的数量来估计人口意见形成阈值（即，图像、视频和/或消息），他们将需要被动地消费以形成意见。意见的形成是通过三个维度来评估的：1）数据类型，2）背景，3）来源。这项工作为估计通过社交媒体信息影响人群所需的数据量提供了理论基础。
2018-10-02 cs.SI
Learning and Forecasting Opinion Dynamics in Social Networks
社交媒体和社交网络站点已经成为用于新闻、话题和想法的展示和讨论的全球公告板，其中社交媒体用户经常通过从他们的朋友分享的意见中学习来更新他们关于特定话题的意见。在这种情况下，我们是否可以学习一个数据驱动的意见动态模型，能够准确地预测用户的意见？在本文中，我们介绍了SLANT，一个概率建模框架的意见动态，它代表用户的意见随着时间的推移，通过显着的跳跃扩散随机微分方程，并允许有效的模型模拟和参数估计从历史细粒度的事件数据。然后，我们利用我们的框架，得出一组有效的预测公式的意见预测和确定的条件下，意见收敛到一个稳定的状态。从Twitter收集的数据的实验表明，我们的模型提供了一个很好的适合的数据和我们的公式实现更准确的预测比替代品。
2016-05-24 cs.SI physics.soc-ph
Agent-based opinion formation modeling in social network: a perspective of social psychology
以往关于意见建模的研究大多缺乏对个体心理活动和群体行为的同步研究。本文从社会学和心理学的角度出发，以态度改变理论、群体行为理论和进化博弈理论为基础，提出了一个基于Agent的网络舆论形成模型。在该模型中，影响说服过程的因素有三个，即领导者的可信度、受众的特征和群体环境。该模型被应用到Twitter的主题类型，参数变化，意见领袖的意见形成的影响进行了分析。实验结果表明，争议话题的意见演化具有较大的不确定性和可持续性。收益成本比对意见形成有显著影响，适度的收益成本比将导致最长的松弛时间或最统一的全球意见。此外，拥有大量粉丝的名人比专家更有能力影响公众舆论。本文丰富了舆论形成模型的研究内容，为企业的公共关系管理和市场预测提供了理论依据。
2019-07-04 cs.SI physics.soc-ph
Opinion modeling on social media and marketing aspects
我们介绍和讨论动力学模型的意见形成社交网络中的分布函数取决于双方的意见和连接的代理。意见形成模型随后与描述通过社交网络在网络上传播产品的受欢迎程度的动力学模型相耦合。对基本动力学模型的数值实验表明，与社交媒体网站上的标签趋势的一些测量结果有很好的定性一致性，并说明了公司如何利用网络结构来最好地获得其产品的广告。
2018-05-04 cs.SI nlin.AO physics.soc-ph
Imperfect bifurcations in opinion dynamics under external fields
我们通过一个动力学交换模型来研究广告和宣传等外部领域对观点动力学的影响。我们解决的情况下，两个相反的替代品可以选择，但犹豫不决的可能性也存在。在这个模型中，个体通过成对的相互作用相互影响，这些相互作用可以是一致的或不一致的，也有可能扭曲决策的外部场。两个参数被用来模拟与场的相互作用：一个是衡量个体受影响的敏感性，另一个是量化方向。我们研究这个模型在一个完全连接的社会网络的情况下，通过数值模拟的动力学交换动力学和分析结果来自平均场速率方程。我们展示了外部偏见如何引起不完美的分叉和尖点灾难，允许突然的变化和滞后，这取决于人际互动中的分歧水平和外部影响的强度。
2019-11-12 cond-mat.stat-mech cs.SI
Measuring Asymmetric Opinions on Online Social Interrelationship with Language and Network Features
Tianjin University（天津大学）
本文没有从客观的角度研究社会关系的性质，而是关注个体对相互关系的主观和不对称看法。受社会语言学理论的启发，我们探讨了两个人对他们的相互关系的看法与他们的互动语言特征。在排除个人语言风格差异的基础上，我们阐明了交互语言特征值的不对称性可以反映个体对彼此关系的不对称看法。我们还讨论了意见不对称程度与个体人格特质的关系。此外，为了具体测量个体对人际关系的不对称看法，我们开发了一个综合交互语言和社会网络特征的新模型。在安然邮件数据集上的实验结果提供了多个关于相互关系的非对称意见证据，也验证了该模型在测量意见不对称程度方面的有效性。
2016-11-15 cs.CL cs.SI
A Multi-Opinion Based Method for Quantifying Polarization on Social Networks
社交媒体平台已成为政治和社会互动的中心，分析意见的两极分化越来越受到关注。在这项研究中，我们提出了一个衡量量化的极化社交网络。与最先进的方法不同，所提出的度量不假设两种意见的情况，并适用于多个意见。我们在不同的网络上测试了我们的指标，其中包含多个观点和不同程度的极化。从所提出的度量获得的分数与基于二进制意见的基准网络上的最先进的方法相当。该技术还在多观点场景中区分具有不同极化水平的网络。我们还量化了从Twitter获得的关于使用羟氯喹或氯喹等药物治疗COVID-19的转推网络中的极化。我们的指标表明，用户之间的意见两极分化程度很高。这些发现表明，使用者对使用羟氯喹和氯喹药物治疗COVID-19患者的益处存在不确定性。
2022-11-29 cs.SI
Opinion Maximization in Social Networks by Modifying Internal Opinions
College of Computer Science and Artificial Intelligence（计算机科学与人工智能学院）；Fudan University（复旦大学）
本文提出通过修改关键节点内部意见来最大化社交网络整体意见，采用高效采样算法和确定性异步算法，实现高效率和精度的优化方案。
2025-10-20 cs.DS cs.SI
Structure vs. Language: Investigating the Multi-factors of Asymmetric Opinions on Online Social Interrelationship with a Case Study
Tianjin University（天津大学）
虽然目前的研究往往从客观的角度来研究在线社会关系的属性，但在社会计算研究中，我们还需要了解个体对他们之间相互关系的主观看法。受社会语言学理论的启发，最新的研究表明，互动语言可以揭示个体对彼此关系的不对称看法。为了解释意见在相互关系上的不对称性，本文将研究范围从单一关系扩展到网络社会的结构性语境。我们分析了交互式语言特征和相互关系的结构语境之间的相关性。考虑了社会网络中顶点、边和三角形的结构上下文。通过对安然邮件数据集的统计分析，我们发现个体对人际关系的看法（以交互语言特征衡量）与其在社会网络中的一些重要结构语境有关。这一结果可以帮助我们理解和测量的个人意见，他们的相互关系与更多的内在信息。
2016-11-02 cs.CL cs.SI
Targeting interventions for displacement minimization in opinion dynamics
社会影响在很大程度上被认为是舆论形成过程中的一个关键因素。近年来，外部力量在社交网络中引发观点位移和两极分化的作用引起了人们的极大关注。这尤其是因为必须了解并尽可能防止政治运动和选举期间的干预现象。在本文中，我们制定并解决了有针对性的干预问题的意见位移最小化的社会网络。具体来说，我们考虑一个最小-最大的问题，社会规划者（防御者）的目标是在她给定的预算约束内选择最佳的网络干预，以尽量减少系统中的意见位移，而对手（攻击者）则试图最大化。我们的研究结果表明，最佳干预的防御者有两个政权。对于足够大的预算，社会规划师的最佳干预作用于所有节点成比例的网络中心性的新概念。对于较低的预算值，这种最佳干预具有更微妙的结构，并且相当集中于少数目标个人。
2022-09-14 cs.SI math.OC
Opinion Dynamics of Online Social Network Users: A Micro-Level Analysis
在本文中，我们提出了一个大规模样本的在线社交网络用户的意见动态的实证研究。我们估计用户的意见作为连续标量的基础上，他们的订阅信息源和分析如何友谊连接影响这些估计的动态。区分积极的（对朋友的意见）和消极的（远离朋友的意见）意见转变，我们发现，意见转变的存在和大小正相关（主要是通过线性形式或倒U形形式），用户和他们的朋友之间的意见分歧的程度。此外，我们使用意见分歧来调节积极和消极转变之间的平衡：如果焦点用户和他们的朋友的意见太相似或不相似，则积极转变的可能性相对较低。
2022-01-25 cs.SI math.DS
Predictive Modeling of Opinion and Connectivity Dynamics in Social Networks
近年来，人们对建模和理解通过人类网络传播的意见和创新机制的兴趣越来越大。通过分析真实世界的社交数据，研究人员能够更好地了解社交网络的动态，并随后对这些网络随时间的变化进行建模。我们开发了一个社会网络模型，既利用了基于代理的方法与动态更新的意见和代理之间的连接，并反映意见传播和结构变化随着时间的推移，在现实世界中观察到的数据。我们使用来自麻省理工学院人类动力学实验室的社会进化数据集的数据来验证该模型，该数据集描述了目标学生群体在九个月内友谊和健康自我感知的变化。我们证明了该方法的有效性，通过预测的意见传播和网络连接的变化。我们还使用该模型来评估网络参数，如“开放性”的水平和意愿，将意见的邻居代理，影响结果。该模型不仅提供了洞察不断变化的社交网络的动态，但也提出了一个工具，人们可以调查各种结构和意见分布的网络的意见传播策略。
2016-03-27 cs.SI physics.soc-ph
Data Driven Modeling Social Media Influence using Differential Equations
个人根据他们的社会互动来修改他们对某个主题的看法。意见演化模型将意见的变化概念化为一维连续体，影响力的效果由群体规模、网络结构或群体内意见之间的关系构建。然而，如何建模的在线社会影响力的作用下的个人意见的演变过程仍然是不清楚的。在这里，我们表明，一维连续的用户意见可以表示压缩的高维词嵌入，其演变可以准确地模拟一个常微分方程（ODE），反映了社会网络影响者的互动。我们的三个主要贡献是：（1）引入了一个数据驱动的管道，代表个人的意见演变与时间内核，（2）基于以前的心理学模型，我们建模的意见演变过程作为一个功能的在线社会影响力使用常微分方程，（3）应用我们的意见演变模型的实时Twitter数据。我们对2020年至2022年期间87名活跃用户及其对COVID-19话题的相应影响力进行了分析。回归结果表明，量化意见中99%的变化可以通过我们对影响者的相关意见进行建模来解释。我们对COVID-19主题的研究和对分析账户的研究表明，社交媒体用户主要根据他们关注的影响者（例如，模型解释了99%的变化），并且意见在长时间尺度上的自我演变是有限的。
2022-07-27 cs.SI
Dynamics of Opinions with Bounded Confidence in Social Cliques: Emergence of Fluctuations
在本文中，我们研究了在社交网络上的意见的社会集团有限的信心的演变。节点的初始意见是独立和同分布的;在每个时间步，节点审查随机选择的本地集团的平均意见。集团平均值可能代表当地群体对同伴的压力。然后节点更新他们的意见在有界的信心：只有当代理个人意见和相应的本地集团压力之间的差异是低于阈值，这个代理意见更新根据DeGroot规则作为两个值的加权平均值。因此，这种意见动力学是经典的Deffuant-Weisbuch模型的推广，其中只有成对的相互作用发生。首先，我们证明条件下，所有节点的意见收敛到有限的限制。我们表明，在限制的情况下，所有节点实现共识，以及所有节点实现成对不同限制的情况下，即，社会分歧，都不是小事接下来，我们表明，意见波动可能会发生在这个意义上说，至少有一个代理在网络中未能举行一个收敛的意见轨迹。事实上，我们证明了这种波动事件发生的概率是严格正的，并建设性地提出了一个初始值事件，在该事件下，波动事件发生的概率为1。这些结果增加了对有限信心在社会舆论动态中的作用的理解，并且波动的可能性表明，在Deffuant-Weisbuch模型中引入派系从根本上改变了这种舆论动态过程的行为。
2021-07-11 cs.SI
A Game Approach to Multi-dimensional Opinion Dynamics in Social Networks with Stubborn Strategist Agents
本文提出社交网络多维观点形成的微分博弈模型，在开环信息结构下求得唯一纳什/最坏情况均衡解，并给出分布式实现，通过小型网络实验与非策略者社会最优行为进行对比验证。
2024-02-22 cs.SI
Social Opinions Prediction Utilizes Fusing Dynamics Equation with LLM-based Agents
本文提出FDE-LLM算法，将大语言模型智能体与元胞自动机和SIR动力学方程融合，区分意见领袖与追随者，在微博数据集上显著提升了社会观点动态预测的准确性。
2025-05-06 cs.CY cs.SI
Phase Field Modeling in Social Media Dynamics:Simulation of Opinion Evolution with Feedback, Separation
本研究提出一种基于相场建模的数值模型，利用连续变量表示用户意见，结合确认偏差等心理因素与真实数据，模拟社交网络信息传播与反馈，定量分析意见极化和回音室效应。
2024-04-19 cs.SI physics.soc-ph
Opinion Dynamics on Correlated Subjects in Social Networks
了解集体信仰的演变对于了解政治趋势以及社会品味和意见至关重要。特别是，它是至关重要的，以开发分析模型，可以预测的信念动态和捕获的相互依存的意见对不同的主题。在本文中，我们解决这个问题，也占个人的内生过程中的意见演变，以及个人的意见，可能会出现在存在的个人的敌对态度之间的相互排斥。使用平均场的方法，我们通过一个多维的福克-普朗克方程的一个大人口的个人的意见的时间演变的特征，我们确定的条件下，保持稳定。最后，我们得出的稳态意见分布作为个人的个性和现有的社会互动的函数。我们的数值结果显示了有趣的动态在不同的社会群体的集体信念，他们突出了相关的主题，以及个人的对抗态度的影响。
2019-10-24 cs.SI physics.soc-ph
From Spin States to Social Consensus: Ising Approach to Dimer Configurations in Opinion Formation
本文基于Trust-Distrust Model（TDM），结合二聚体构型和Ising模型，提出了一种新的意见动力学方法，通过数学模型和数值模拟探索信任与不信任的相互作用及外部刺激对社会意见形成的影响。
2023-11-23 cs.SI physics.soc-ph
The generation and regulation of public opinion on multiplex social networks
信息传播和舆论发展是大多数社交媒体平台的基本要素，往往被描述为独特的人为事件。然而，人们往往忽视这两种现象之间的相互依存关系。信息传播是舆论形成的基础，舆论又推动信息传播。在我们的研究中，我们建模的信息和舆论之间的协同进化关系的异构多元化网络。这种模式考虑到了少数人的坚定意见和大多数人的波动意见。研究结果揭示了该模型中民意的平衡态以及主流民意与极端个体之间的线性关系。此外，我们提出了一个战略，调节舆论的立场，调整极端群体，这可以作为一个基础，实施卫生政策的舆论影响。
2023-03-24 cs.SI physics.soc-ph
Deciphering Social Opinion Polarization Towards Political Event Based on Content and Structural Analysis
有一些证据表明，社会意见的两极分化导致了关系的破裂，有些在小社区的规模，但其他人可以分裂大型组织，甚至一个国家。传统的方法，以回答社会上的意见两极化的根源，通常使用随机抽样或基于问卷的方法，认为在时间和金钱方面昂贵。相反，利用社会媒体数据的大数据方法提供了一个丰富的资源来研究几个问题，如：社会意见极化如何形成，动态社会网络机制在时间窗口观察，识别主导行为者和社区。大数据方法的力量在于分析的数据数量，其中过程中涉及的数据越多，描述人口状况就越准确。如今，计算能力不再成为处理大规模数据的障碍，从而使观察社会意见极化过程成为可能。
2021-02-16 cs.SI
Model of Opinion Spreading in Social Networks
我们提出了一个新的模型，它捕捉信息和意见传播之间的主要区别。在信息传播中，额外接触某些信息的影响很小。相反，当一个行动者接触到两个有意见的行动者时，他接受这个意见的可能性要比接触一个这样的行动者时高得多（J. Kleinberg称之为“0-1-2效应”）。在每个时间步中，如果一个参与者没有意见，我们随机选择2个他的网络邻居。如果他们中的一个有一个意见，演员采用的意见与一些低概率，如果两个-与较高的概率。在不同的现实世界社交网络和相似的随机无标度网络上模拟了意见传播。结果表明，小世界结构对临界点时间有着至关重要的影响.“0-1-2”效应导致行动者启动舆论传播能力的显著差异。根据他在网络中的拓扑位置，演员是一个影响者。
2011-06-05 cs.SI physics.soc-ph
The role of conformity in opinion dynamics modelling with multiple social circles
本研究针对传统单层从众观点建模的局限，提出支持个体在不同社交圈表达不同连续观点的从众模型，扩展权威、观点开放性等影响要素，验证仅单纯从众会引发观点趋同。
2024-03-07 cs.SI physics.soc-ph
Effects of Initial State on Opinion Formation in Complex Social Networks with Noises
复杂社交网络中的观点形成即使基于一些最简单的系统演化模型也可能表现出复杂的系统动力学。一个有趣而重要的问题是初始状态对最终稳态意见分布的影响。我们发现，虽然不同的初始意见分布肯定会对没有噪声的社会系统中的意见演化产生影响，但在有噪声的系统中，如果有足够的时间，不同的初始状态基本上不会对最终稳定状态产生任何显着差异。相反，正是偏好意见的基本分布决定了系统的最终状态。这样的观察与长期以来对系统初始状态在意见形成中的作用的信念相矛盾。我们提出了一些简短的讨论的原因支持我们的声明，这样的观察在现实生活中的应用的影响。
2020-04-01 cs.SI nlin.CD
Opinion Polarization by Learning from Social Feedback
Max Planck Institute for Mathematics in the Sciences（马克斯·普朗克数学科学研究所）
我们探索了一种新的机制来解释极化现象的观点动力学中，代理人评估的基础上表达他们获得的社会反馈的替代意见。在社会环境中对所支持的意见的高度支持被视为积极的反馈，这加强了与该意见相关的价值。在模块化程度足够高的连通网络中，不同的代理群体可以形成强烈的竞争观点。将社会反馈过程与标准均衡概念联系起来，我们分析了双极化稳定性的充分条件。虽然以前的模型强调了基于商议的交流的极化效应，但我们的模型强调了基于情感体验的极化路线，而没有关于负面影响或有限信心的假设。
2018-10-19 cs.LG cs.SI nlin.AO
Opinion Manipulation in Social Networks
在这项工作中，我们感兴趣的是找到最有效的使用预算，以促进一个意见，支付代理人在一个组内取代他们的真实意见。我们将意见建模为从0到1的连续标量，1（0）代表非常积极（消极）的意见。我们专注于代理之间的不对称信任。代理的迭代更新对应于对其他代理的动作的最佳响应。由此产生的置信矩阵可以看作是一个等价的马尔可夫链。我们提供了简单而有效的算法来解决这个问题，我们通过一个例子来说明如何在实践中解决所述的问题。
2016-08-30 cs.GT cs.SI
Dynamics of Opinions with Social Biases
本文旨在对个体偏见下的社会舆论动态进行系统分析。作为经典DeGroot社会互动的推广，定义为随着时间的推移而演变的同行意见的线性耦合动力学，偏见添加到状态依赖的边缘权重，因此导致高度非线性的网络动力学。以前的研究已经处理了收敛性和稳定性分析，这样的系统的一些特定的初始节点的意见和网络结构，在这里，我们专注于个人偏见如何影响社会均衡及其稳定性。首先，我们证明了当初始网络意见向状态空间的一侧极化时，节点偏差将驱动意见向相应的区间边界演化。这种极化吸引效应在甚至定向和切换网络结构下继续保持。接下来，对于一些基本的网络结构，一些重要的内部网络平衡明确提出了广泛的系统参数，这是局部不稳定的一般。特别是，区间质心被证明是不稳定的，无论偏置电平和网络拓扑结构。
2018-02-04 cs.SI
Partitioned Sampling of Public Opinions Based on Their Social Dynamics
民意调查通常是从整个人口中随机抽样，将个人意见视为独立的。在现实世界中，个人的意见往往是相互关联的，例如，在社交网络中的朋友之间。在本文中，我们探讨了分区抽样的思想，它划分的个人与高的意见相似性成组，然后分别抽样每一组，以获得一个准确的估计人口的意见。我们严格地将上述思想表述为一个优化问题。然后，我们表明，在每个组中只包含一个样本的简单分区总是更好的，并减少寻找最佳的简单分区，一个良好的研究Min-r-Partition问题。我们采用了一个近似算法和一个启发式算法来解决优化问题。此外，为了有效地获得意见相似度，我们采用了一个著名的意见演化模型来描述社会互动，并提供了一个精确的计算模型的基础上的意见相似度。我们使用合成和真实世界的数据集来证明，分区抽样方法的结果显着提高抽样质量，它是强大的，当一些意见相似性是不准确的，甚至丢失。
2016-11-25 cs.SI physics.data-an physics.soc-ph
Cascade-driven opinion dynamics on social networks
Institute of Informatics and Telematics (IIT) of the National Research Council (CNR), Italy（意大利国家研究委员会信息学与遥测研究所）
本文提出 FJC 模型，整合信息 cascades 和意见动态，揭示社交化与新闻分享如何影响意见演变，强调中心意见领袖的影响力增强。
2026-03-16 cs.SI
Measuring relative opinion from location-based social media: A case study of the 2016 U.S. presidential election
社交媒体已成为民意调查的新兴替代品，用于收集民意，但作为被动数据源，它仍然面临许多挑战，如无结构性，可量化性和代表性。带有地理标签的社交媒体数据为揭示表达意见的用户的地理位置提供了新的机会。本文旨在回答两个问题：1）是否可以从社交媒体获得可量化的民意测量，以及2）与民意调查相比，它是否可以产生更好或补充的措施。本研究提出了一种新的方法来衡量Twitter用户对公共问题的相对意见，以适应更复杂的意见结构，并利用地理有关的公共问题。为了确保这种新措施在技术上可行，开发了一个建模框架，包括通过采用最先进的方法构建训练数据集，并设计了一种新的深度学习方法，称为Opinion-Oriented词嵌入。通过对2016年美国总统大选中所选推文的案例研究，我们展示了我们相对观点方法的预测优势，并展示了它如何帮助视觉分析和支持观点预测。虽然相对意见措施被证明是更强大的民意调查相比，我们的研究也表明，前者可以有利地补充后者的意见预测。
2020-04-20 cs.CY cs.SI physics.soc-ph
A Distance Measure for the Analysis of Polar Opinion Dynamics in Social Networks
社交网络中的意见动态分析在当今的生活中起着重要的作用。对于预测用户的政治偏好等应用，能够分析竞争观点的动态是特别重要的。在观察社交网络用户的极端观点随时间的演变时，我们能否判断网络何时“表现”异常？此外，我们能否预测用户的意见在未来会如何变化？意见是否会根据现有的网络意见动态模型演变？要回答这些问题，研究单个用户的行为是不够的，因为意见可以远远超出用户的egonet。我们需要一种方法来同时分析所有网络用户的意见动态，并捕捉个人的行为对社会网络的全局演化模式的影响。在这项工作中，我们引入了社会网络距离（SND）-一个距离测量，量化的“成本”的演变的一个快照的社会网络到另一个快照下的各种模型的极性意见传播。SND具有丰富的语义的运输问题，然而，是可计算的时间线性的用户数量，这使得SND适用于大规模的在线社交网络的分析。在我们的实验与合成和真实世界的Twitter数据，我们证明了我们的异常事件检测的距离测量的效用。它达到了0.83的真阳性率，是替代品的两倍。当用于Twitter的意见预测，我们的方法的准确率为75.63%，这是7.5%，高于下一个最好的方法。源代码：https://cs.ucsb.edu/~victor/pub/ucsb/dbl/snd/
2015-10-17 cs.DM cs.DS cs.SI
Modeling the Impact of Timeline Algorithms on Opinion Dynamics Using Low-rank Updates
本文提出一种基于Friedkin-Johnsen模型的方法，通过低秩更新建模时间线算法对观点动态的影响，并设计梯度下降算法在近线性时间内最小化网络极化与分歧，同时发布了包含超2.7万节点的数据集。
2024-02-15 cs.SI
