Opinion formation driven by PageRank node influence on directed networks
我们研究了两个国家的意见形成模型驱动的PageRank节点的影响，并报告了一个广泛的数值研究如何PageRank影响集体意见的形成在大规模的经验有向网络。在我们的模型中，一个节点的意见可以更新的总和，其邻居节点的意见加权的节点影响力的邻居节点在每一步。我们考虑PageRank概率和它的次线性功率作为节点影响力的措施，并调查在各种条件下的意见的演变。首先，我们观察到所有的网络在一定的松弛时间后达到稳定状态的意见。这个时间尺度随着网络中节点影响的异质性而减小。其次，我们发现我们的模型在稳态下表现出共识和非共识行为，这取决于网络的类型：Web图，物理学文章的引用网络和LiveJournal社交网络表现出非共识行为，而维基百科文章网络表现出共识行为。第三，我们发现，一个更异质的影响力分布导致一个更统一的意见状态的情况下，Web图，维基百科和Livejournal。然而，在引文网络中观察到相反的行为。最后，我们确定，少数有影响力的节点可以施加自己的意见，在所有考虑的网络中的其他节点的显着部分。我们的研究表明，节点影响力的异质性对意见形成的影响可能是显着的，并建议进一步研究网络中节点影响力和集体意见之间的相互作用。
2015-06-06 cs.SI physics.soc-ph
Influence of random opinion change in complex networks
人口中的意见形成引起了广泛的研究兴趣。已经引入和研究了各种模式，包括个人自由意志允许他们改变意见的模式。然而，这些模型没有考虑到这样一个事实，即持有不同观点的个人可能有不同的忠诚度，因此，改变他们观点的概率也不同。在这项工作中，我们研究了意见改变概率的非均匀分布可能会影响意见分布的最终状态。通过模拟几个不同的情况下，不同的对称和非对称的非均匀模式的意见改变概率，我们证明了显着的影响，不同的忠诚度水平的意见分布的最终状态。
2017-03-07 cs.SI physics.soc-ph
Influence Dynamics and Consensus in an Opinion-Neighborhood based Modified Vicsek-like Social Network
我们提出了一个修正的Vicsek模型来研究社交网络中的影响力动态和意见形成。我们工作的前提是，一个群体成员的意见可以被认为类似于空间中粒子的运动方向。这些观点很容易在保持类似信念的熟悉的个人的影响下发生变化。这与仅依赖于基于观点接近度的交互的有界置信模型不同。当志同道合的人相互认识或因信仰而争吵时，影响网络就会发展。这就产生了一个自适应网络，并为其分配了动态中心性分数和不同的影响力强度。一个混合的个人-刚性和柔性-被认为构成群体-自由和保守。我们分析了不同的初始条件，代理类型，它们的密度和公差的紧急群体行为。该模型准确地预测了刚性代理人在阻碍共识方面的作用。此外，一些结构特性的动态网络，这是由于所提出的模型已经建立。
2018-08-31 cs.SI physics.soc-ph
Maximising the Influence of Temporary Participants in Opinion Formation
DeGroot式的意见形成假设社会网络中的代理人之间持续的互动。因此，它无法处理社交网络外部的代理，这些代理仅与永久代理进行临时交互。许多现实世界的组织和个人都属于这一类。例如，一家公司试图说服尽可能多的人购买其产品，但由于各种限制，只能在有限的时间内发挥影响力。我们提出了一个变体的DeGroot模型，允许外部代理与永久的交互一段预设的时间。我们获得了一些见解，最大限度地提高外部代理人的意见形成的影响，通过分析和模拟的变体。
2022-05-30 cs.MA cs.SI
Opinion influence and evolution in social networks: a Markovian agents model
本文对社交网络平台管理的过滤算法对集体意见的影响进行了建模和研究。提出了一个随机多代理模型的意见动态，占一个集中的调整个人之间的相互作用的强度。每个人的意见的演变描述的马尔可夫链，其转移率的影响，通过影响参数的邻居的意见。该模型的属性进行了研究，在一般情况下，以及在有趣的特殊情况下。一般的结果是，社会网络的整体模型表现得像一个高维马尔可夫链，这是可行的蒙特卡洛模拟。在相同的代理人和无偏影响的假设下，它表明，影响强度影响的方差，但不影响期望，共享一定的意见的个人数量。此外，进行了详细的分析，所谓的同行大会，它描述了一个完全连接的图相同的代理人的二元意见的演变。它表明，对等大会可以被归为一个生灭链，可以给出一个完整的分析表征。分析结果和模拟实验都用来突出特定集体行为的出现，例如共识和羊群效应，这取决于影响参数的集中调整。
2018-07-09 cs.SI physics.soc-ph
How does propaganda influence the opinion dynamics of a population ?
使用计算机模拟分析了一群不断与用户生成内容的共同来源（即互联网）互动并受到宣传的个人的意见演变。该模型是基于有界置信度的方法。在没有宣传的情况下，计算机模拟显示，网上人口作为一个整体，要么是分散的，两极分化的，要么是在某个问题或意识形态上的完美和谐，这取决于个人在接受与他们意见不接近的意见时的不确定性。在应用该模型模拟激进化时，一部分受极端主义宣传影响的在线人口根据其先入为主的观点和观点不确定性而变得激进。研究发现，防止激进化的最佳反宣传不一定是中间派。
2017-04-26 cs.SI physics.soc-ph
Characterizing Opinion Evolution of Networked LLMs
The University of Texas at Austin（德克萨斯大学奥斯汀分校）
研究经典意见动力学模型能否描述多智能体系统中大语言模型（LLM）的意见传播，发现引入偏置项可显著提升建模精度，将平均意见误差降低高达88%。
2026-10-14 cs.MA cs.SI physics.soc-ph
The influence of persuasion in opinion formation and polarization
我们提出了一个模型，探讨了说服力的影响力，在人口的代理商与积极和消极的意见取向。每个代理的意见由整数$k$表示，该整数表示其对给定问题的同意程度，从完全反对$k=-M$到完全赞成$k=M$。相同取向的代理人说服对方的概率$p$，变得更加极端，而相反取向的代理人变得更加温和，因为他们达成妥协的概率$q$。人口最初演变为（a）一个极化状态的$r=p/q>1$，其中意见的分布是在极端值$k=\pm M$达到峰值，或（b）一个集中状态的$r<1$，大多数意见周围$k=\pm 1$。当$r \gg 1$时，极化持续一段时间，该时间发散为$r^M \ln N$，其中$N$是种群的大小。最后，一个极端的共识（$k=M$或$-M$）在一个时间尺度上达到了$r^{-1}$为$r \ll 1$。
2014-05-29 cs.SI physics.soc-ph
An Influence Network Model to Study Discrepancies in Expressed and Private Opinions
本文提出一种融合私人观点演化与从众表达压力的影响网络模型，分析观点指数收敛及个体观点差异产生的条件，并用 Asch 实验验证其解释与预测能力。
2019-02-22 cs.MA cs.SI cs.SY
Bayesian Social Influence in the Online Realm
我们的意见，我们喜欢或不喜欢的东西，取决于我们周围的人的意见。如今，我们受到网络陌生人的意见的影响，这些意见通过网络平台上的评论和评级表达出来。在这里，我们进行了新颖的“学术A/B测试”实验，有超过2,500名参与者来衡量这种影响的程度。在我们的实验中，参与者在YouTube和Vimeo的镜像代理上观看和评估视频。我们控制这些视频下方显示的评论和评级。我们的研究表明，从5 $\%$到40 $\%$的受试者采纳了陌生人在评论中表达的大多数意见。使用贝叶斯定理，我们得到了一个灵活的和可解释的家庭的社会影响力的模型，其中每个人形成后验意见随机以下的logit模型。我们的混合模型的最大化Akaike信息标准的变体代表两个子群体，即，不可影响和可影响的个体。非影响力个体的先验意见与外部意见高度相关且标准误较低，而影响力个体的先验意见标准误较高且由于社会影响而与外部意见相关。我们的研究结果表明，意见是通过贝叶斯规则更新的随机变量，其标准差与意见影响力相关。基于这些发现，我们讨论了如何阻止在网络领域的意见操纵和错误信息的传播。
2020-02-26 cs.CY cs.SI physics.data-an
Consensus, Bi-polarization and Multiformity in Opinion Dynamics with Bidirectional Thresholds
许多经验网络本质上是多元的，相互作用发生在任意代理人的群体中。然后，网络中的代理可以受到邻居类型的影响，常见的例子包括相似性，对立性和可忽略性。虽然在现实世界的复杂系统中，邻里之间的影响力可以准确地描述为一种既友好又敌对的关系，并且研究不同类型影响力下舆论演化的动态过程是有价值的，但很少有研究涉及这一问题。在本文中，我们开发了一个新的模型，在网络上的代理商与双向有界阈值的观点动力学的演变研究。我们定义了个体同化和排斥的范围，以识别不同类型的邻居，并通过转换意见差异来计算相应的邻居对个体的影响。仿真结果表明，该机制能有效解释意见演化过程中两极化现象的形成，双向有界阈值的设置对意见的最终分布有显著影响.此外，我们探讨了初始条件和小世界网络的结构对意见演化的影响。
2020-05-11 cs.SI physics.soc-ph
How Do Emotions Spread And Affect Decision-Making In Social Networks? An Opinion Dynamics Perspective
Indian Institute of Technology Kanpur（坎普尔印度理工学院）
该研究从观点动力学视角，提出基于环模型和拉普拉斯流的情感建模框架，揭示情感传染使相似情感智能体达成共识，进而产生观点共识、极化等行为，并通过数据集验证了相关发现。
2026-10-16 cs.SI cs.SY eess.SY
Social Influence and the Collective Dynamics of Opinion Formation
社会影响力是个人通过与他人的社会交往来调整自己的观点、修正自己的信念或改变自己的行为的过程。在我们这个紧密相连的社会中，社会影响力在许多自组织现象中发挥着重要作用，例如文化市场中的羊群效应、思想和创新的传播以及流行病期间恐惧的放大。然而，意见形成的机制仍然知之甚少，现有的基于物理的模型缺乏系统的经验验证。在这里，我们报告了两个对照实验，展示了回答事实问题的参与者在接触到他人的意见和信心水平后如何修改他们的初步判断。基于对59名被试15个不同项目的同伴意见的观察，我们绘制了一张影响图，描述了互动过程中同伴影响的强度。一个简单的过程模型，从我们的观察，演示了如何在一组相互作用的人的意见可以收敛或分裂重复的互动。特别是，我们确定了两个主要的吸引力的意见：（一）专家效应，诱导一个高度自信的个人在组中的存在，和（二）多数效应，由一个临界质量的外行人共享类似的意见。额外的模拟揭示了一个临界点的存在，在这个临界点上，一个吸引子将主导另一个吸引子，从而将集体意见推向一个给定的方向。这些研究结果的影响，了解公众舆论的形成机制和管理冲突的情况下，自信和更好地了解少数挑战的意见，一个庞大的不知情的大多数。
2013-11-14 cs.SI nlin.AO physics.soc-ph
Modeling Opinion Dynamics: Ranking Algorithms on Heterogeneous Populations
影响过程的异质性是社会系统的一个重要特征：我们如何感知社会影响力以及我们如何影响其他个体，在很大程度上受到我们的意见和非意见属性的影响。后者包括人口、文化和结构（我们如何嵌入社交网络）特征。此外，影响过程的结果还可能取决于相互作用的个体在其特征方面的相似程度。本文讨论了这个问题，并阐述了基于代理的模型，是敏感的个人特征，意见和非意见的。该模型是加强与排名算法，模仿现实世界中广泛采用的在线社交网络的排名算法。对于由此产生的模型，我阐述了一个平均场近似，通过一个自治的常微分方程系统，描述了在宏观层面上的模型的行为。对该系统的性质进行了深入的研究。
2022-09-03 cs.SI math.DS physics.soc-ph
Opinion formation at Ising social networks
Univ. Toulouse, CNRS, Laboratoire de Physique Théorique（图卢兹大学、法国国家科学研究中心、理论物理实验室）
该研究通过伊辛模型探讨了社会网络中意见形成过程，揭示了当非精英意见影响力增强时，主导意见从精英转向群体的现象。
2025-11-16 cond-mat.stat-mech 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
Pre-Construction of Opinion Dynamics Considering Structural Inequality: Interdisciplinary Analysis of Complex Social Stratification, Media Influence, and Functionalism
本研究跨学科分析精英统治、媒体影响和预定理论如何作为机制维持社会阶层不平等，并探讨不平等的构建、再生产及其理论辩护。
2024-04-19 cs.SI physics.soc-ph
Maximizing Contrasting Opinions in Signed Social Networks
经典的影响力最大化问题在社交网络中找到有限数量的有影响力的种子用户，使得网络中受影响的用户的预期数量最大化，遵循影响力级联模型。这个问题已经在不同的设置中进行了研究，进一步推广了图结构，例如，边缘权重和极性，目标用户类别等。在本文中，我们介绍了一个独特的影响力扩散的情况下，涉及人口分裂成两个不同的群体，具有相反的意见。我们的目标是找到最有影响力的$k$种子节点，以便同时最大限度地采用两个不同的，对立的意见，在两个群体中，分别。有效地找到这些有影响力的用户在广泛的应用中至关重要，例如增加选民参与度和投票率，引导公众辩论和关于有争议意见的社会问题的讨论。我们用选民模型来模拟意见扩散和动态，然后设计一个线性时间和精确的算法COSiNeMax，同时还研究了网络中的长期意见特征。我们的实验与几个真实世界的数据集证明了所提出的算法的有效性和效率，与各种基线相比。
2019-10-26 cs.SI physics.soc-ph
Evidential positive opinion influence measures for viral marketing
University of Tunis（突尼斯大学）；ISG Tunis（突尼斯高等管理学院）；univ Rennes（雷恩大学）；CNRS（法国国家科学研究中心）
病毒式营销是一种相对较新的营销形式，它利用社交网络来推广品牌，产品等，其背后的想法是在网络上找到一组有影响力的人，可以引发大量的传播和采用。在本文中，我们将介绍一个基于证据意见的病毒式营销影响力最大化模型。此外，我们的方法解决了现实世界中病毒式营销的三个基于意见的场景。第一种情况涉及对产品有积极看法的影响者。第二种情况涉及对产品有积极看法的影响者，并对也有积极看法的用户产生影响。第三种情况涉及影响对产品有积极看法的用户，并对其他用户对产品的负面看法产生影响。接下来，我们提出了六个影响力指标，每个场景两个。我们还使用了一个影响力最大化模型，该模型为每个场景检测到的影响者的集合。最后，我们通过对生成的数据集和从Twitter收集的真实世界数据集进行的一些实验，展示了所提出的模型与每个影响度量的性能。
2019-07-11 cs.AI cs.SI
A model of anonymous influence with anti-conformist agents
研究了一个具有顺从者和反顺从者的匿名影响的随机模型。每一个对某个问题有“是”或“否”初始意见的代理人都可以由于社会影响而改变他的意见。我们考虑匿名的影响，这取决于代理人的数量有一定的意见，但不是对他们的身份。如果一个人说“是”的概率随着“是”的代理人的数量而增加/减少，那么他就是顺从者/反顺从者。我们专注于三类聚合规则（纯从众，纯反从众，和混合聚合规则），并研究两种类型的社会（没有，和混合代理）。对于这两种类型，我们提供了一个完整的定性分析收敛，即，确定所有吸收类别及其发生条件。还研究了具有无穷多个个体的纯情形。我们表明，正如预期的那样，社会中反顺从者的存在带来了两极分化和不稳定：两个群体的两极分化，模糊两极分化（即，边界模糊）、周期、周期类以及或多或少的混乱情况，其中在任何时间步，“是”代理的集合可以是社会的任何子集。令人惊讶的是，反顺从者的存在也可能导致意见逆转：具有稳定意见的顺从者的大多数群体可以通过级联现象朝着相反的意见发展，并保持这种状态。
2019-06-14 cs.SI physics.soc-ph
Resource-Mediated Consensus Formation
在社会科学中，模拟舆论动态来研究同质性和影响力之间的相互作用以及随后的回音室的形成具有重要意义。因此，在本文中，我们通过实现一个独特的社交游戏来研究回声室，在这个游戏中，我们产生了大量的代理人，每个代理人都被分配了一个问题的两种意见之一，并以游戏货币的形式产生了有限的影响力。代理人试图在游戏结束时获得多数意见，以获得同样以游戏货币支付的奖励。在每轮开始时，随机选择一个代理，称为发言人。第二个代理是在说话者影响的半径（这是说话者邻居的子集）中选择的，以作为听众与说话者交互。在这种互动中，演讲者提出从他们的个人影响力预算中获得游戏货币的回报，以说服听众在未来几轮中保持演讲者的意见，直到再次选择听众。听者可以选择接受或拒绝这一回报，以在未来几轮中保持说话者的观点。听众的选择只通过他们对邻近代理人意见的有限看法来估计全球多数意见。我们表明，影响力游戏导致形成的“回声室”，或同质集群的意见。我们还研究了各种情况下，破坏创建这样的回声室，包括引入不同意见的代理之间的资源差距，最初优先分配意见的代理，并引入承诺的代理，谁从来没有改变他们的初始意见。
2022-06-14 cs.MA cs.SI
Hierarchical Consensus Formation Reduces the Influence of Opinion Bias
我们研究了层次结构的作用，在一个简单的集体共识形成的基础上有界的信心模型与连续的个人意见。对于本文所考虑的这个模型的特定变化，我们假设，每当两个人相互作用并形成共同的决定时，都会引入对极端意见的偏见。作为一个简单的代理等级社会结构，我们介绍了一个两步决策过程中，在第二步中，志同道合的个人群体被取代的代表，一旦他们达成了当地的共识，和代表反过来形成一个集体决策的下游过程。我们发现，引入这样一个分层决策结构可以提高共识的形成，在这个意义上，最终的集体意见是更接近真正的平均个人意见比没有它。特别是，我们数值研究如何由代表个人代表的群体的大小的志同道合的个人影响的偏见的影响，最终的人口范围内的共识。这些结果是感兴趣的组织政策的设计和优化层次结构的背景下，群体决策。
2012-07-21 cs.SI physics.soc-ph
An Investigation into the Causal Mechanism of Political Opinion Dynamics: A Model of Hierarchical Coarse-Graining with Community-Bounded Social Influence
本研究提出基于社区边界社会影响的分层粗粒化模型，利用CODA模型模拟政治舆论动态，发现高层次连通性通过向下因果驱动全局共识，为理解极化现象提供了新视角。
2025-04-03 cs.MA cs.SI
Opinion-aware Influence Maximization in Online Social Networks
本文研究意见感知的影响力最大化问题，提出基于反向可达集和夹逼近似的算法，在保证正面意见扩散的同时抑制负面意见传播，并在三个真实数据集上验证了其优越性。
2023-01-27 cs.SI
Bounded-Confidence Models of Opinion Dynamics with Neighborhood Effects
本研究提出纳入邻域效应的邻域有界置信观点动力学模型，引入传递性影响与基于邻域的网络自适应机制，经数值模拟发现邻域效应会降低网络谱隙和度同配性。
2025-05-22 cs.SI math.DS nlin.AO
Opinion dynamics in bounded confidence models with manipulative agents: Moving the Overton window
本文研究了操纵性智能体如何通过其数量和观点轨迹策略改变有限信任模型的自然观点动力学，揭示了正常智能体在特定加权模型中的反向移动效应，并为Hegselmann-Krause模型确立了操纵性群体持续产生影响的条件。
2025-01-27 cs.SI physics.soc-ph stat.AP
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
Topic-Level Opinion Influence Model(TOIM): An Investigation Using Tencent Micro-Blogging
Tsinghua University（清华大学）
从微博客中挖掘用户意见已经在美国最流行的社交网站如Twitter和Facebook上得到了广泛的研究，但在其他国家（如中国），对微博客网站的研究却很少。本文通过对中国最大的微博客网站之一腾讯微博客的社会舆论影响力进行分析，试图揭示中国微博客用户的行为模式。本文提出了一个主题级的意见影响力模型（TOIM），同时将主题因素和社会的直接影响力在一个统一的概率框架。基于TOIM，提出了两种考虑间接影响的话题级观点影响传播和聚合算法：CP（Conservative Propagation）和NCP（NonConservative Propagation）。TOIM利用用户的历史社交互动记录，通过统计学习过程来构建用户的进步意见和邻居的意见影响力，这些意见可以进一步用于预测用户对某些特定主题的未来意见。为了评估和测试该模型，设计了一个实验，并使用腾讯微博客的子数据集。实验结果表明，TOIM在预测用户意见方面优于基线方法。CP和NCP的应用无显著差异，但能显著提高TOIM的回忆率和F1-测量。
2012-10-24 cs.CY cs.LG cs.SI
Using mathematics to study how people influence each other's opinions
本文介绍了一个由社会互动引起的观点变化数学模型，并说明此类模型如何帮助研究准确与不准确信息的传播，以及研究者如何提升模型的现实性。
2024-08-05 cs.SI math.DS math.HO
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
Drift Behavior in a Bounded-Confidence Opinion Model with Media Influence
University of California, Los Angeles (UCLA)（加州大学洛杉矶分校）；Santa Fe Institute（圣塔菲研究所）
通过扩展Deffuant-Weisbuch有界置信模型引入两个对立媒体源，研究极化媒体对观点漂移的影响，分析参数如何促进或抑制漂移。
2026-06-29 cs.SI math.DS math.PR
Opinion-Based Centrality in Multiplex Networks: A Convex Optimization Approach
大多数人同时属于几个不同的社交网络，在这些网络中，他们的关系可能是不同的。他们对某些主题有自己的看法，并在这些网络上分享和传播，同时也受到其他人看法的影响。在本文中，我们建立在这一观察，提出了一个新的节点中心性措施复用网络。我们的措施，所谓的意见中心，是基于一个随机模型，代表在这样的网络中的意见传播动态。我们制定了一个优化问题，包括在最大限度地提高整个网络的意见时，控制一个外部的影响，能够单独影响每个节点。我们找到了这个问题的数学封闭形式，并使用它的解决方案，以获得我们的中心性措施。根据意见中心性，越值得投入外部影响力的节点就越具有中心性。我们进行了实证研究，提出了一个玩具网络的中心性，以及收集现实世界的网络。我们的措施一般是负相关的，现有的多重中心性措施，并强调不同类型的节点，根据其定义。
2017-06-09 cs.GT cs.SI physics.soc-ph
Dynamic Models of Appraisal Networks Explaining Collective Learning
University of California, Santa Barbara（加州大学圣塔芭芭拉分校）
本文提出了一种团队学习过程的动态模型，从集中式管理到人际评估的社会模型，探讨了理性最优行为的产生条件及次优情况。
2016-09-29 cs.MA cs.SI cs.SY
Maximizing positive opinion influence using an evidential approach
Université de Tunis（突尼斯大学）；Université de Rennes 1（雷恩第一大学）；Centre d’Etudes et de Recherche des Télécommunications（电信研究中心）；Université de Carthage（迦太基大学）
在本文中，我们提出了一个新的数据为基础的模型，在线社交网络的影响力最大化。我们利用信度函数的理论来克服数据不完美的问题。此外，所提出的模型搜索，以检测影响者用户，采取了积极的意见，对产品，想法等，要传播。此外，我们提出了一些实验来显示我们的模型的性能。
2016-10-20 cs.AI cs.SI
Analyzing Mass Media influence using natural language processing and time series analysis
集体社会行为的一个关键问题是大众传媒对公众舆论的影响。已经开发了不同的方法来定量地解决这个问题，从现场实验到数学模型。在这项工作中，我们提出了一个组合的工具，涉及自然语言处理和时间序列分析。我们比较了大众媒体新闻文章的选定功能与可衡量的民意表现。我们将我们的分析应用于属于2016年美国总统竞选的新闻文章。我们比较民意调查的变化（作为民意的代理）与新闻内涵（情绪）或选定的一组媒体的议程（主题）的变化。我们的研究结果表明，情绪内容本身是不够的，以了解民意调查的差异，但主题覆盖和情绪内容的组合提供了一个有用的洞察背景下，公众舆论的变化。这项工作中采用的方法是非常普遍的，可以很容易地扩展到其他感兴趣的主题。
2020-06-12 cs.SI physics.soc-ph
Influence of opinion dynamics on the evolution of games
在某些情况下，如缺乏信息或有限理性，人类玩家可以根据简单的意见决定在游戏中选择哪种策略。这些观点可以在每轮之后通过观察自己或他人的收益结果进行修改，也可以在与其他玩家交换印象后进行修改。通过这种方式，策略的更新可以成为一个超越基于适应度的简单进化规则的问题，并成为一个社会问题。在这项工作中，我们探索这种情况下，耦合一个游戏的观点动力学模型。该意见是由一个连续的变量，对应于代理人的确定性方面的战略是最好的。通过使策略的选择成为随机事件，其概率由意见调节，意见转化为行动。一定程度上考虑到前一轮的回报，但主要的更新规则的意见是由一个模型的启发，在社会交流。我们发现，耦合模型的动力学不动点不同于单独的进化博弈或意见模型。此外，出现了新的功能，如弹性的一部分合作者的拓扑结构的社会互动网络或存在的一小部分极端分子的球员。
2012-07-21 cond-mat.stat-mech cs.SI physics.soc-ph
Winning the Social Media Influence Battle: Uncertainty-Aware Opinions to Understand and Spread True Information via Competitive Influence Maximization
提出一种基于深度强化学习并整合主观逻辑的竞争性影响力最大化框架，通过不确定性感知观点模型在社交网络中有效传播真实信息以缓解虚假信息，显著优于现有方法并在部分可观测网络中表现稳健。
2024-04-30 cs.SI
Influencing Opinion Dynamics in Networks with Limited Interaction
这项工作的重点是设计影响策略，以塑造个人网络的集体意见。我们考虑一个变种的选民模型中的意见演变的两种方式之一。在没有外部影响的情况下，意见通过网络中个人之间的互动而演变，而在存在外部影响的情况下，意见会向影响者偏好的方向转变。我们专注于一个有限的时间范围和影响战略的特点是，当它施加影响，在这个时间范围内，鉴于其预算限制。之前关于这个意见动态模型的工作假设个人会考虑网络中所有个人的意见。我们概括这一点，并考虑设置个人的意见演变取决于从网络的意见有限的集合。我们的最佳影响策略的性质的功能，在这种收集的意见形成的方式。
2020-02-03 cs.SI cs.SY eess.SY
Beyond Binary Opinions: A Deep Reinforcement Learning-Based Approach to Uncertainty-Aware Competitive Influence Maximization
针对竞争性影响力最大化问题，提出一种基于深度强化学习的不确定性感知框架DRIM，利用主观逻辑建模用户不确定性，优化种子选择，显著提升真实信息传播并超越现有方法。
2025-04-21 cs.SI
Expertise and confidence explain how social influence evolves along intellective tasks
Department of Computer Science, University of California, Santa Barbara, CA 93106（计算机科学系，加州大学圣巴巴拉分校）；Department of Mechanical Engineering, University of California, Santa Barbara, CA 93106（机械工程系，加州大学圣巴巴拉分校）；Center for Control, Dynamical Systems, and Computation, University of California, Santa Barbara, CA 93106（控制、动态系统与计算中心，加州大学圣巴巴拉分校）；Department of Sociology, University of California, Santa Barbara, CA 93106（社会学系，加州大学圣巴巴拉分校）
本文研究了小群体执行智力任务时人际影响力的演变，发现专业知识与社交自信更高的个体影响力更大，并提出了认知动力学模型和深度神经网络预测方法，兼顾了预测准确性与可解释性。
2025-11-03 cs.LG cs.SI cs.SY
The Effect of Network Topology on the Equilibria of Influence-Opinion Games
研究在两人博弈中网络连通性对 Stackelberg 均衡的影响，提出基于线性二次调节器的可扩展迭代算法求解高维博弈，并通过实验识别出提升网络对抗影响韧性的结构特征。
2025-06-27 cs.SI cs.SY eess.SY
Harmonizing vs Polarizing Platform Influence Functions
本文研究社交网络中受同伴和平台算法影响的观点演化动态，通过微分方程建模分析导致极化的因素及缓解策略，并在多种图模型中揭示了平台影响函数在避免极化中的作用。
2024-10-11 cs.SI
Opinion Leader Detection in Online Social Networks Based on Output and Input Links
K. N. Toosi University of Technology（K. N. 托西理工大学）
网络中的用户如何根据邻居的意见更新自己的意见的理解在网络科学领域引起了极大的兴趣，越来越多的文献认识到这个问题的重要性。在这篇研究论文中，我们提出了一个新的动态模型的意见形成有向网络。在该模型中，每个节点的意见被更新为其邻居意见的加权平均值，其中权重代表社会影响力。我们定义了一个新的中心性措施作为一个社会影响力的影响力和一致性的基础上度量。我们使用两个意见形成模型来衡量这种新方法：（i）Degroot模型和（ii）我们自己提出的模型。以前发表的研究没有考虑从众性，在计算社会影响力时只考虑了节点的影响力。在我们的定义中，低入度和高出度的节点连接到高出度和低入度的节点具有更高的中心性。作为这项研究的主要贡献，我们提出了一个算法，在社交网络中找到一个小的节点子集，可以对其他节点的意见产生重大影响。在真实数据上的实验表明，该算法的性能明显优于先前发表的最先进的方法。
2022-08-28 cs.AI cs.SI
Modelling influence and opinion evolution in online collective behaviour
舆论演变和判断修正是通过社会影响来介导的。基于一个大型的众包在体外实验（n=861），它示出了如何共识模型可以用来预测在线集体行为的意见演变。这是第一次对真实数据集测试意见动态定量模型的预测能力。与以前的研究不同，该模型是在不用于校准的数据上进行验证的，这避免了对更复杂的模型的偏爱，并防止了过度拟合。该模型是参数化的影响力，每个人，一个因素，在何种程度上个人纳入外部判断。预测的准确性取决于参与者过去行为的先验知识。反映数据可用性的几种情况进行了比较。当数据稀缺时，来自先前参与者的数据被用来预测新参与者的行为。判断修正包括不可预测的变化，这限制了预测的可能性。提出了不可预测性的第一个衡量标准。该措施是基于一个特定的控制实验。超过三分之二的预测错误是由于人类判断修正过程的不可预测性而不是模型的不完善。
2016-06-03 cs.SI
Disabling External Influence in Social Networks via Edge Recommendation
现有的社会心理学研究表明，社交网络的用户依赖于邻居的意见来形成他们的意见。根据DeGroot意见形成模型，一个特别重要的值是渐近共识值--由用户特征向量中心度加权的用户意见之和。这个值在网络中扮演着吸引人的角色，并且是外部影响的有利可图的目标。然而，由于任何潜在的恶意控制的意见分布在社会网络中显然是不可取的，它是重要的设计方法，以防止外部试图从战略上改变的渐近共识值。在这项工作中，我们假设对手希望通过改变网络中一些用户的意见来最大化渐近共识值;然后，我们状态DIVER-一个NP-hard问题，通过战略性地向网络添加有限数量的边缘来禁用这种外部影响尝试。依靠马尔可夫链的理论，我们提供扰动分析，显示如何特征向量的中心，因此，潜水员的目标函数的变化，以响应边缘的除了网络。后者导致设计一个伪线性时间启发式潜水员，其计算依赖于有效的估计平均首次通过时间在马尔可夫链。我们在实验中证实了我们的理论发现。
2017-09-24 cs.DM cs.DS cs.MA
Feedback Loops in Opinion Dynamics of Agent-Based Models with Multiplicative Noise
我们引入了一个基于代理的模型，共同发展的意见和社会动态，乘性噪声的影响下。在这个模型中，每个代理的特点是在社会空间中的位置和一个连续的意见状态变量。智能体的运动受其他智能体的位置和意见的影响，同样，意见动态受智能体的空间接近度和他们的意见相似性的影响。使用数值模拟和形式分析，我们研究了意见动态和流动性的代理人在社会空间之间的反馈回路。我们调查的行为，这反弹道导弹在不同的制度，并探讨各种因素的影响，出现的现象，如群体的形成和意见的共识。我们研究了经验分布，并在无限数量的代理人的限制，我们得到了相应的降阶模型由偏微分方程（PDE）。最后，使用数值例子，我们表明，由此产生的偏微分方程模型是一个很好的近似原ABM。
2022-09-15 cs.SI math.DS
Opinion Evolution among friends and foes: the deterministic Majority Rule - extended abstract
个人的社会关系对个人观点（关于一个话题，一个产品或其他任何东西）的影响是一个众所周知的现象，它已经被广泛研究。本文考虑了一个积极（即信任）或消极（不信任）的社会关系网络，其中每个人都有一个初始的积极或消极的意见（关于一个话题，一个产品或其他任何东西），随着时间的推移，在离散的时间步长，由于每个人从邻居那里得到的影响而改变。这里，可信邻居的影响与邻居的意见一致，而不可信邻居的影响与邻居的意见相反。这个扩展的摘要引入了基于局部阈值的意见动态，并且在陈述了当个人根据大多数邻居的意见改变他们的意见时在这种设置中产生的一些自然可达性问题的计算复杂性之后，证明了根据任何这样的模型演化的对称的仅正关系网络所满足的意见配置的数量的上限，它是网络大小的多项式。这推广了[Krishnendu Chatterjee，Rasmus Ibsen-Jensen，Ismaël Jecker和Jakub Svoboda，“Simplified Game of Life：Algorithms and Complexity”，第45届计算机科学数学基础国际研讨会（MFCS 2020）]中的结果。
2022-11-30 cs.CC cs.SI
Quantify Influence of Delay in Opinion Transmission of Opinion Leaders on COVID-19 Information Propagation in the Chinese Sina-microblog
在快速演变的重大公共卫生危机（如COVID-19疫情）中，多条相关信息可按顺序发布于社交媒体平台。后续发布时间之间的间隔可能对新旧信息的传输和交叉传播产生不同的影响，从而导致新信息的转发用户的峰值和最终规模不同，这取决于内容相关性以及新信息是在旧信息的爆发阶段还是准稳态阶段发布。为了帮助设计有效的通信策略，以确保信息被传递到最大数量的用户，我们开发和分析两类具有延迟传输的可靠-转发-免疫信息传播模型，以描述相关信息的交叉传播过程。我们使用新浪微博的真实数据对这些模型进行参数化，并使用参数化模型来定义和评估相互吸引力指数，我们使用这些指数和参数敏感性分析来告知策略，以确保新信息在微博中有效传播的最佳策略。
2020-11-13 cs.SI
Fairness and Consensus in an Asynchronous Opinion Model for Social Networks (Technical Report)
本文提出基于 DeGroot 的异步观点转移系统模型，分析强连通社交网络中的共识收敛条件，证明标准强公平性不足以保证共识，引入更弱的 m-有界公平性概念并证明其可保证共识，同时将该结果推广到动态影响场景。
2024-09-06 cs.SI
Holistic Influence Maximization: Combining Scalability and Efficiency with Opinion-Aware Models
来自社交网络的图形数据的稳定增长导致了在寻找影响力最大化问题的解决方案方面的广泛研究。在本文中，我们提出了一个整体解决方案的影响力最大化（IM）问题。(1)我们引入了一个意见暨互动（OI）模型，密切反映了现实世界的场景。在OI模型下，我们引入了一个新的问题，最大化的有效意见（MEO）的影响用户。我们证明了MEO问题是NP-困难的，除非P=NP，否则不能在一个常数比内近似。(2)我们提出了一个启发式算法OSIM有效地解决MEO问题。为了更好地解释OSIM启发式，我们首先介绍EaSyIM -OSIM的意见无关版本，一个可扩展的算法，能够在商品硬件上的实际计算时间内运行。除了作为OSIM的基本构建块之外，EaSyIM还能够解决IM问题的可伸缩性方面-内存消耗和运行时间。从经验上讲，我们的算法是能够保持在传播的偏差始终在5%的文献中最知名的方法。此外，我们的实验表明，OSIM和EaSyIM都是有效的，高效的，可扩展的，并显着提高了分析真实数据集的能力。
2016-02-09 cs.DB cs.SI
Learning hidden influences in large-scale dynamical social networks: A data-driven sparsity-based approach
从经验数据中估计人际影响力是社会结构和动态研究中的一个核心挑战。意见动力学理论是一门研究社交网络中意见形成的新兴交叉学科，在市场营销、广告和推荐等方面有着巨大的应用潜力。社会影响力是指个体在社会系统中与他人的相互作用所引起的行为变化，例如组织，社区或一般社会。互联网的出现使大量数据易于获得，可用于衡量社会对大量人口的影响。在这里，我们的目标是定性和定量地推断社会影响力的数据使用系统和控制的观点。首先，我们介绍了一些意见动力学的定义和模型，并回顾了在线社交网络的结构约束，基于稀疏性的概念。然后，我们回顾了从一组观测数据推断网络结构的主要方法。最后，我们提出了一些算法，利用引入的模型和结构约束，重点放在样本的复杂性和计算要求。
2020-07-23 cs.SI cs.SY eess.SY
Modeling how social network algorithms can influence opinion polarization
在社交网络的不同方面中，动力学已经被提出来模拟意见如何被传输。在这项研究中，我们提出了一个模型，模拟在一个在线的社交网络，其中的职位是从外部信息创建的通信。我们将网络的节点和边分别视为用户和他们的友谊。一个实数与代表其意见的每个用户相关联。动态开始于与随机意见有联系的用户，并且根据给定的概率函数，这个人可以发布这个意见。这一步在下文中称为后传递。在下一个步骤中，称为帖子分布，另一个概率函数被用来选择可以看到帖子的用户的朋友。帖子传输和分发分别表示用户和社交网络算法。如果一个人与一个帖子有联系，它的观点可能会被吸引或排斥。此外，被拒绝的人可以通过重新布线来改变他们的友谊。这些步骤被多次执行，直到动态收敛。取得了一些令人印象深刻的成果，其中包括形成了两极分化和意见一致的局面。在回声室的情况下，重新布线概率的可能性被发现是决定性的。然而，对于特定的网络拓扑结构，具有明确定义的社区结构，这种影响也可能发生。总之，研究结果表明，职位分配策略是缓解或促进两极分化的关键。
2021-01-29 cs.SI
Consensus in Models for Opinion Dynamics with Generalized-Bias
本文提出扩展DeGroot模型的广义偏差舆论模型，刻画多种认知偏差，证明强连通影响图下智能体仍收敛到共识，为社交网络舆论机制提供新见解。
2024-09-17 cs.SI math.DS
An experimental study of the influence of anonymous information on social media users
本研究通过两阶段预注册实验和基于代理的建模，发现匿名信息能显著影响社交媒体用户的意见选择，且影响强度随用户信心增强而减弱。
2025-04-21 cs.SI
