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
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
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
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
How to Quantify Polarization in Models of Opinion Dynamics
人们普遍认为，社会在重要问题上正变得越来越两极分化，这种动态与社交网络中意见形成的常见数学模型不一致。特别是，基于意见方差的极化测量已知在诸如流行的DeGroot模型的框架中随着时间的推移而减少。补充最近的工作，试图通过修改意见模型来解决这种明显的不一致，我们反而解决了不一致，提出了改变如何量化极化。我们提出了一个自然类的基于组的极化措施，捕捉到的意见聚集成不同的群体的程度。使用理论论据和经验证据，我们表明，这些基于组的措施显示有趣的，非单调的动态，即使在简单的DeGroot模型。特别地，对于许多自然的社交网络，基于组的度量可以随时间增加，从而正确地捕获对增加的极化的感知。我们的结果建立在DeMarzo等人的工作基础上，他引入了一个基于意识形态结盟的群体极化度量。我们表明，从这项工作的核心工具，DeGroot模型下的个人意见的极限分析，可以扩展到其他基于组的极化措施，包括既定的统计措施，如双峰的动态。我们还考虑了极化的本地措施，可操作的极化是如何在网络环境中感知。结合先前工作的证据，基于群体的措施更好地与现实世界的看法极化，我们的工作提供了正式的支持，使用这些措施，在未来的研究中，基于方差的极化的意见动态。
2021-10-26 cs.SI
Leveraging Graph Embeddings for Opinion Leader Detection
本文提出一种模型无关框架，将意见领袖检测转化为节点嵌入排序任务，结合两种排序算法提升检测全面性，并分析动态网络中的时间变化。
2023-05-15 cs.SI
Big data challenges for the social sciences: from society and opinion to replications
处理社交的大数据产生预测相关性，有利于品牌和网络平台。除了“社会”和“意见”（文本为它们列出了一个谱系）之外，还出现了“痕迹”，这些痕迹必须被社会科学理论化为“复制”，以便从实体的广泛可追溯性的不确定状态中获益。在数字网络出现之前，高频复制作为一种集体现象确实存在，但现在它们留下了可以计算的痕迹。目前正在出现的第三代社会科学必须承担数字网络所创造的数据世界的特定性质，而不是将它们减少到“社会”或“意见”科学的类别。Twitter和其他数字语料库上最近的作品中的例子表明，尽管对传播、病毒式传播和模因学的见解可以帮助建立一个新的理论框架，但对结构性效应或市场风格权衡的搜索是如何普遍存在的。
2016-07-18 cs.SI
(Mis)alignment Between Stance Expressed in Social Media Data and Public Opinion Surveys
立场检测旨在确定一个人是支持还是反对一个目标概念，有望从大量的社交媒体数据流中揭示公众舆论。然而，即使是对社交媒体内容的人类注释也并不总是能捕捉到民意调查所衡量的“立场”。我们通过直接比较个人自我报告的立场与从社交媒体数据中推断的立场来证明这一点。利用对受访者Twitter手柄的纵向民意调查，我们对四个突出目标的1，129人进行了比较。我们发现，召回率是高的“亲”和“反”的立场分类，但精度是可变的，在一些情况下。我们确定了三个因素，导致文本和作者的立场之间的脱节：时间的不一致性，结构的差异，以及测量误差的调查受访者和注释。通过提出一个框架来评估的立场检测模型的局限性，这项工作提供了重要的洞察立场检测真正的措施。
2021-09-07 cs.SI
Opinion Dynamics with Backfire Effect and Biased Assimilation
用于内容生成的人工智能工具的民主化，再加上所有人都能不受限制地访问大众媒体（例如通过微博和社交媒体），使得人们越来越难以区分事实和虚构。这就提出了一个问题：在没有已知现实基础的情况下，个人观点如何在这样的网络环境中演变。研究这个问题的主流方法是使用社会科学中的简单模型，研究个体在接触到他们的社会邻居时如何改变他们的观点，并将其应用于大型社交网络。我们提出了一个新的模型，它结合了两个已知的社会现象：（i）\emph{Biased Assimilation}：个人倾向于采用其他意见，如果他们是类似于自己的;（ii）\emph{Backfire Effect}：事实上，相反的意见可能会进一步巩固某人在他们的立场，使他们的意见更加极端，而不是缓和它。对该模型的深入理论和实证分析揭示了两极分化和共识存在的直观条件，以及由此产生的意见的性质。
2019-03-27 cs.SI
MindVote: When AI Meets the Wild West of Social Media Opinion
Vanderbilt University（范德堡大学）；Yale University（耶鲁大学）
针对现有LLM舆论预测评估脱离真实社交媒体语境的问题，本文提出首个基于Reddit和微博真实投票的基准MindVote，涵盖3918个投票、23个主题，并对15个LLM进行全面评估，推动更具社会智能的AI发展。
2025-11-08 cs.SI
Minimizing Polarization and Disagreement in the Friedkin-Johnsen Model with Unknown Innate Opinions
本文研究了在未知所有节点固有意见的FJ模型下最小化极化与分歧的预算优化问题，提出包含节点查询、意见重构和目标优化的三步框架，并通过误差传播分析和多数据集实验证明其在有限信息下的有效性。
2025-01-28 cs.SI
The Social System Identification Problem
本文的重点是对我们所说的社交雷达进行建模，即一种通过在注入网络顽固代理后对他们的意见进行采样并随着它们的发展来估计社交代理之间的相对影响力的方法。顽固的代理人的意见不受他们试图动摇的同伴的影响，他们的意见偏见是社交网络系统的已知输入。新颖的是在模型中提出了探索社会网络和相关的回归问题的解决方案。该模型允许将观察到的意见映射到系统方程上，该系统方程可用于推断社交图和表征链接的信任量。
2015-08-21 cs.SI
How to Find Opinion Leader on the Online Social Network?
本文综述并交叉比较社会理论、图论、压缩感知与控制理论中的意见领袖识别方法，提出将社会—物理影响模型嵌入图信号分析的跨学科路径，并通过 Twitter 案例验证。
2025-01-11 cs.SI
Dynamics of opinion polarization
研究基于Friedkin-Johnsen模型的观点极化问题，推导极化条件与不变关系，提出寻找极化向量的方法，并在真实社交网络图中验证理论发现。
2023-05-22 cs.SI
A Viral Marketing-Based Model For Opinion Dynamics in Online Social Networks
在线社交网络为公民提供了一个就不同社会问题形成意见的媒介，也是一个公众讨论的论坛。它们还使用户接触到病毒式内容，如突发新闻文章。在本文中，我们研究这两个方面之间的相互作用：意见形成和信息级联在线社交网络。我们提出了一个新的模型，使我们能够量化用户如何改变他们的意见，因为他们接触到病毒式内容。我们的模型是流行的Friedkin-Johnsen模型的意见动态和独立的级联模型的信息传播的组合。我们提出了模拟我们的模型的算法，我们提供了近似算法优化某些网络指数，如用户意见或分歧-争议指数的总和，我们的方法可以用来获得洞察到多少病毒内容可以增加这些指数在线社交网络。最后，我们在真实世界的数据集上评估我们的模型。我们的实验表明，营销活动和极化内容对网络的影响有很大的不同：虽然前者对网络中的极化只有有限的影响，后者可以增加极化高达59%，即使只有0.5%的用户开始分享极化内容。我们相信，这一发现揭示了当今在线媒体中日益严重的隔离现象。
2022-04-08 cs.SI
Social Media Study of Public Opinions on Potential COVID-19 Vaccines: Informing Dissent, Disparities, and Dissemination
目前SARS-CoV-2疫苗的开发是前所未有的。然而，人们对社交媒体上公众对疫苗的微妙看法知之甚少。我们采用人工引导的机器学习框架，使用来自近200万独立Twitter用户的600多万条推文，收集公众对SARS-CoV-2潜在疫苗的意见，将其分为三组：支持疫苗，疫苗犹豫和反疫苗。我们汇总了州和国家层面的意见，发现不同意见群体百分比的主要变化大致与重大流行病相关事件相对应。有趣的是，美国东南部地区支持疫苗群体的比例较低。采用多项logistic回归分析，比较三组人群的人口统计学特征、社会资本、收入、宗教信仰、政治倾向、地理位置、个人大流行经历和非大流行经历的情绪以及县级大流行严重程度感知，探讨公众对疫苗的意见的范围和原因。我们发现，社会经济弱势群体更有可能对潜在的COVID-19疫苗持有两极分化的意见。个人经历最糟糕的大流行病的人更有可能持有反疫苗观点。接下来，通过进行反事实分析，我们发现美国公众最关心的是新型冠状病毒疫苗的安全性、有效性和政治问题，改善个人大流行体验会提高疫苗的接受程度。我们相信，这是第一个基于社交媒体的大规模研究，旨在分析公众对潜在COVID-19疫苗的意见，从而为更有效的疫苗分配政策和策略提供信息。
2021-08-09 cs.SI
Modelling the Closed Loop Dynamics Between a Social Media Recommender System and Users' Opinions
本文提出数学模型研究社交媒体推荐系统与用户观点之间的闭环动态，揭示推荐系统对用户观点的影响及极化现象。
2025-11-25 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
Co-evolution of Opinion and Social Tie Dynamics Towards Structural Balance
在本文中，我们提出了意见的动态（人们对特定主题的看法）和社会评价的动态（对彼此的批准或不批准）的协同进化模型。意见动力学和签名网络的动力学分别已被广泛研究。我们提出了一个协同进化模型，其中网络中的每个顶点$i$都有一个当前的意见向量$v_i$，每个边$(i,j)$都有一个权重$w_{ij}$，它模拟了$i,j$之间的关系。随着意见和边权重随着时间的推移通过以下规则更新，系统会进化：意见动态和评价动态。我们感兴趣的是描述动态模型的长期行为，即，边权重是否演化为具有稳定的符号（正或负）和结构平衡（任何三角形上的权重的乘法是非负的）。我们的主要理论结果解决了上述动态系统的时间演变的意见$V(t)=[v1(t),\cdots,vn(t)]$和社会关系的权重$W(t)=[w_{ij}(t)]_{n\times n}$。对于一个通用的初始意见向量$V(0)$和权重矩阵$W(0)$，这两种现象之一必须发生在极限。第一个是符号稳定性和结构平衡（对于任何具有单个$i,j,k$的三角形，$w_{ij}w_{jk}w_{ki}\geq0$）都发生。在$V(0)$是$W(0)$的特征向量的特殊情况下，我们得到了协发展方程的显式解，并给出了爆破时间和速率收敛的精确估计.第二个是所有的意见都集中在$0$上，即，$\lim_{t\rightarrow \infty}|V(t)|=0$。
2021-11-04 cs.SI
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
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
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
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
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
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
Centrality-Weighted Opinion Dynamics: Disagreement and Social Network Partition
本文提出了一个基于社会网络结构和网络中心性的网络舆论动力学模型。该模型的概念新颖之处在于，在表征社交网络上的意见传播时，每个人的意见都被相关的网络中心性加权。在度中心加权的意见动态模型，我们提供了一个算法，任何图的节点划分成两个和多个集群的意见分歧的基础上。最后，将该划分算法应用于现实社交网络，包括Zachary karate club网络[1]和southern woman网络[2]，这些应用实例间接验证了度中心加权意见动力学模型的有效性.最后，建立了一般的中心加权意见动力学模型的性质。
2021-04-08 cs.SI cs.SY eess.SY
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
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 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
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
A Geometric Model of Opinion Polarization
我们介绍了一个简单的，几何模型的意见极化。它是一种利用社会价值观进行政治说服以及营销和广告的模式。它侧重于不同主题和说服努力之间的相互作用。我们证明，社会意见两极分化往往是影响者试图推广产品或想法的意外副产品。我们讨论了一些机制的出现，涉及一个或多个影响者，发送消息的战略，随机或随机的极化。我们还研究了一些计算方面的选择最有效的影响代理人的手段，以及这些战略考虑对极化的影响。
2021-08-25 cs.SI econ.TH
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
Behavior and Sublinear Algorithm for Opinion Disagreement on Noisy Social Networks
College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院）；Shanghai Key Laboratory of Brain-Machine Intelligence for Information Behavior（上海信息行为脑机智能重点实验室）；School of Business and Management, Shanghai International Studies University（上海外国语大学商学院）
本文研究了稀疏无标度社交网络中噪声意见动态对意见分歧的影响，提出亚线性时间算法以高效估计意见分歧，实验验证了其效率和可扩展性。
2026-04-02 cs.CY cs.SI
Impacts of Opinion Leaders on Social Contagions
意见领袖普遍存在于线上和线下的社交网络中，但意见领袖对社会行为传染的影响仍然没有得到充分的理解，特别是通过使用一个数学模型。在这里，我们推广了经典的瓦茨阈值模型，并解决意见领袖的影响，其中一个人采取一个新的行为，如果他/她的意见领袖采取的行为。首先，我们从网络中的所有个体中随机选择意见领袖，并发现意见领袖的影响使其他个体更容易采取行为。具体而言，意见领袖的存在降低了网络中实现全局行为采纳所需的最低平均度，提高了网络中实现全局行为采纳所需的最高平均度。此外，意见领袖的引入加速了个体的行为采纳，但并没有改变个体的采纳顺序。所开发的理论预测与模拟结果一致。其次，我们从最高度的前h%的个体中随机选择意见领袖，并为具有最低平均度的网络找到一个最优的h%，使全局行为采纳能够发生。同时，当h%值降低时，意见领袖对促进行为采纳的影响变得不显著，甚至可以忽略。
2018-05-02 cs.SI physics.soc-ph
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
Silence and Noise: Self-censorship and Opinion Expression on Social Media
The Pennsylvania State University（宾夕法尼亚州立大学）
研究通过混合方法分析社交媒体用户自我审查现象及其对公共讨论的影响，揭示社区环境对表达的制约作用。
2026-06-22 cs.HC cs.SI
Opinion Dynamics in Social Networks: A Local Interaction Game with Stubborn Agents
新思想、创新和行为在大型社会网络中传播的过程可以被认为是一个网络互动游戏：每个代理从他的朋友邻居中的一定数量的代理那里获得信息，并调整他的想法或行为以增加他的利益。在本文中，我们感兴趣的意见，对某一主题，形成在社交网络。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。每个代理人都有一个初始意见，并根据他的邻居的意见，他的初始意见以及他对他的初始意见的无知而产生一些成本。智能体根据自己的初始意见和观察邻居的意见迭代更新自己的意见。代理的迭代更新可以被视为近视成本最小化响应（即，所谓的最佳对策）。我们研究是否可以出现这样的局部相互作用的结果，以及这种平衡可能如何取决于网络结构，代理的初始意见，以及顽固代理的位置和他们的谨慎程度。我们还研究了收敛到这种平衡点的速度，并将收敛时间描述为上述因素的函数。我们还讨论了这些结果在一些著名的图，如Erdos-Renyi随机图和小世界图的影响。
2012-08-24 cs.GT cs.SI
Role of social environment and social clustering in spread of opinions in co-evolving networks
采取务实的方法，在集体意见形成的现象所涉及的过程中，我们调查了两个具体的修改意见形成的共同进化的网络选民模型，研究由Holme和Newman [1]。首先，我们用个体之间接受或拒绝意见的概率分布来代替重新布线概率参数，以解释社会群体中个体之间关系的不对称影响。其次，我们修改了重新布线步骤的路径长度为基础的偏好重新布线，加强本地集群。我们已经研究了这些修改对该模型的模拟结果的影响。我们发现，改变接受或拒绝意见的概率分布的形状可以导致两个性质不同的最终状态的出现，一个具有几个孤立的连接组件，每个组件都在内部共识中，导致存在不同的意见集，另一个具有一个单一的主导连接组件，其中每个节点都具有相同的意见。此外，更重要的是，我们发现网络中的初始聚类也可以引起类似的过渡。我们的研究还提出，这些转变是由一个弱的和复杂的依赖系统的大小。我们发现，在模型的最终状态的网络具有丰富的结构属性，包括小世界性质的一些参数制度。[1]Holme和M. Newman，Phys.Rev.E74，056108（2006）.
2013-08-12 cs.SI physics.soc-ph
Modeling opinion polarization on social media: application to Covid-19 vaccination hesitancy in Italy
SARS-CoV-2大流行提醒我们，疫苗接种可能是一个引起分歧的话题，公众对话中充斥着误导性的说法，思想往往会两极分化，尤其是在在线社交网络上。在这项工作中，最近的自然语言处理技术的动机，系统地提取和量化的意见，从文本消息，我们提出了一个差分框架的双变量意见形成动态，再加上一个房室模型假新闻传播。由于平均场分析，我们表明，由此产生的福克-普朗克系统允许重现双峰分布的意见，观察到的极化动力学。然后将该模型应用于来自意大利社交媒体平台的情感分析数据，以分析关于新冠疫苗接种的意见演变。我们通过数值模拟表明，该模型能够正确地描述在疫苗犹豫数据集中观察到的双峰意见结构的形成，这是封闭的在线社区内发生的已知极化效应的见证。
2023-02-02 cs.SI physics.soc-ph
Is there negative social influence? Disentangling effects of dissimilarity and disliking on opinion shifts
实证研究是不确定的基本机制，形成相互关联的动态意见和人际吸引力。有强有力的证据表明，被喜欢的人对观点有积极的影响，相似性会引起吸引力（同性恋）。我们对“负面”机制知之甚少，比如不喜欢的人是否会导致偏离共识（负面影响），巨大的差异（相异）是否会产生距离，相异是否会导致不喜欢（异性恐惧症）。本研究测试歧视性假设的存在下，积极和消极的机制，在控制实验中，涉及二元相互作用。结果证实了同质性的存在，不支持存在负面的社会影响，并显示出强大的正线性关系之间的意见距离和意见转变。这意味着，在最初分歧很大的情况下，接触可能是达成共识的最大推动力。
2014-06-03 cs.SI physics.soc-ph
The survey of sentiment and opinion mining for behavior analysis of social media
如今，互联网已经把世界变成了一个地球村。社交媒体缩小了人与人之间的差距。以前，沟通是一项耗时且昂贵的任务。社交媒体已经赢得了声誉，因为它是一个更便宜，更快的通信提供商。此外，社交媒体使我们能够减少物理距离的差距，它还产生和保存了大量的数据。这些数据是非常有价值的，它代表了人们和他们的意见之间的关联程度。本文对用户行为预测的各种方法进行了综合分析。这种比较将提供情感和意见挖掘领域的详细信息，优点和缺点。
2015-11-07 cs.IR cs.SI
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
Smart Information Spreading for Opinion Maximization in Social Networks
意见最大化的目标是使社交网络中的个体对产品、意识形态或任何实体的正面看法最大化。到目前为止，意见最大化主要是在社会网络中寻找一组有影响力的节点来快速传播内容。在本文中，我们提出了一种新的方法来解决这个问题，意见最大化是通过有效的信息传播。在我们的模型中，多个源不断地向网络中注入信息，而具有异构社会学习能力的规则节点通过八卦机制将信息传播给他们的熟人。其中一个信源采用智能信息传播，其余信源随机传播信息。我们的社会互动和意见的演变模型作为一个动态贝叶斯网络（DBN），使用它的意见最大化制定为一个顺序决策问题。由于这个问题是棘手的，我们开发了多个变种的集中式和分散式学习算法，以获得近似的解决方案。通过在合成网络和真实网络中的模拟，我们证明了两个关键结果：1）所提出的方法比随机传播的性能要好得多，2）即使智能源（传播所需内容）位于网络中的不利位置，它也可以胜过位于有利位置的竞争随机源。
2019-01-01 cs.SI physics.soc-ph
Modeling Personalized Dynamics of Social Network and Opinion at Individual Level
网络动力学一直是学术界值得探讨的一个有意义的课题。以往的网络模型包括两个部分：（1）根据用户属性生成结构;（2）根据网络结构改变属性。然而，这些模型中的属性不能被解释为流行的社会理论或经验真理中的概念。他们通常以统一的方式对待每个人。虽然这种假设是相当误导，从而显着限制他们的表现。为了克服这些缺陷，我们设计了一个个性化的社会网络和意见（PENO），其中公民的意识形态是由变量的意见和四个维度的个性被认为是每个实体-领导，开放性，宜人性和神经质。意见通过社会纽带传播，纽带产生于意见亲和力，人格在进化过程中与意见和纽带一起发挥作用。据我们所知，PENO是第一次尝试在网络动力学中引入个性影响，并在模拟过程中通过合理的可视化来验证社会科学。给出了它的概率图，并提出了迭代学习算法。实验表明，PENO在两个典型的预测任务上优于几个最先进的基线-国会投票预测立法法案和书籍评论网站上的友谊预测。最后，我们讨论了它在日常场景中进行多任务学习和迁移学习的可扩展性。
2018-12-12 cs.SI physics.soc-ph
The Impact Of Noise And Topology On Opinion Dynamics In Social Networks
我们研究了噪声和拓扑结构对社交网络中观点多样性的影响。我们这样做是通过扩展完善的意见动态模型的随机设置，代理人都受到同化的力量，他们当地的社会互动，以及特殊的因素，防止他们的人口达成共识。我们对后者进行建模，以考虑噪声完全是外生的情况下，同行的影响和情况下，它是内生的，所产生的代理人的愿望，以保持一些独特的意见。我们推导出一个一般的意见多样性的分析表达式，它适用于任何网络，并依赖于网络的拓扑结构，通过其频谱特性。使用这个表达式，我们发现，意见的多样性减少社区和集群被打破。我们对描述主要新闻媒体之间的经验影响网络的数据进行了测试，发现将我们的测量纳入线性模型中，用于这些来源在各种主题上表达的情绪，在解释力方面产生了显着的改善。
2020-10-23 cs.SI physics.soc-ph
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
