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
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
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
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
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 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
Beyond Polarization: Opinion Mixing and Social Influence in Deliberation
Stanford University（斯坦福大学）；Center on Democracy, Development, and the Rule of Law, Stanford University（斯坦福大学民主、发展与法治中心）；Generation Lab；Duke University（杜克大学）
研究探讨了讨论过程中意见混合与社会影响，发现讨论增加了意见混合，而极化指标呈现异质性，且论证质量影响意见变化。
2026-01-20 cs.SI
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
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
Opinion fluctuations and disagreement in social networks
Massachusetts Institute of Technology（麻省理工学院）；Lund University（隆德大学）；Politecnico di Torino（都灵理工大学）
本文研究了一个易处理的意见动力学模型，该模型通过包含固执代理人的非齐次随机八卦过程，解释了长期分歧和持续意见波动，并证明了在高度流动的大规模社会中会出现同质影响现象。
2012-10-13 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
Consensus and disagreement: the role of quantized behaviours in opinion dynamics
Politecnico di Torino（都灵理工大学）；University of Twente（特温特大学）
本文研究连续时间意见动态中连续意见与离散行为的相互作用，分析Carathéodory解的路径学问题，并通过Krasowskii解证明量化行为对共识的破坏作用，同时在特殊通信图结构下证明共识收敛。
2016-07-06 cs.SI cs.SY eess.SY
Opinion Polarization in LLM-Based Social Networks: Manipulation and Mitigation
Australian National University（澳大利亚国立大学）
研究在基于大语言模型模拟的社交网络中，对手如何通过有限预算操纵意见极化，并评估两种防御机制（反应性和主动性）的效果，发现两者均无法完全恢复基线极化状态。
2026-08-12 cs.SI
Polarization Dynamics under Algorithmic Recommendations in LLM-based Online Social Networks
本研究在基于LLM的在线社交网络模拟中对比边推荐与内容曝光推荐，发现两种推荐机制均会提升观点极化度与极端化程度，绝对差异最高达0.12。
2026-10-12 cs.SI
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
Combining opinion and structural similarity in link recommendations to counter extreme polarization
University of Amsterdam（阿姆斯特丹大学）
研究结合意见和结构相似性机制，探讨社交网络与意见的协同演化，揭示不同相似性对网络碎片化和意见多样性的影响，为设计更平衡的推荐算法提供依据。
2026-04-22 cs.SI
Online Minimization of Polarization and Disagreement via Low-Rank Matrix Bandits
Intesa Sanpaolo AI Research（Intesa Sanpaolo人工智能研究）
本文提出了一种基于低秩矩阵老虎机的在线算法，用于在不完全信息下最小化社交媒体上的极化和分歧，通过两阶段方法实现低维结构估计与线性老虎机算法结合，有效降低累积后悔。
2026-03-06 cs.LG cs.SI
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
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
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
Local Edge Dynamics and Opinion Polarization
社交媒体平台、推荐系统及其共同的社会影响的激增，促使人们对社交网络内的意见形成和演变产生了极大的兴趣。我们研究如何本地边缘动态可以驱动意见极化。特别是，我们介绍了一个变种的经典的Friedkin-Johnsen意见动态，增强了一个简单的时间演化网络模型。边根据简单的规则迭代地添加或删除，基于个人偏好和网络建议进行建模决策。通过对合成图和真实世界图的模拟，我们发现两种动态的组合存在会引起高度极化：1）确认偏差-即，节点连接到具有类似表达意见的其他节点的偏好，以及2）朋友的朋友链接推荐，其鼓励紧密连接的节点之间的新连接。我们表明，我们的模型易于理论分析，这有助于解释这些本地动态如何侵蚀意见群体之间的连接，影响极化和相关的跨边缘的分歧措施。最后，我们验证了我们的模型对现实世界的数据，表明我们的边缘动态驱动任意图的结构，包括随机图，更接近真实的社交网络。
2022-12-08 cs.CY cs.SI
The effect of algorithmic bias and network structure on coexistence, consensus, and polarization of opinions
现代社会的个人在一个普遍的、可变的、几乎隐藏的内容过滤技术生态系统中分享想法并参与集体过程，这些技术决定了我们在网上看到的信息。尽管这些算法对日常生活和社会产生了影响，但人们对它们对信息传递和意见形成的影响知之甚少。因此，目前还不清楚算法偏见在多大程度上会对集体决策产生有害影响，例如倾向于辩论。在这里，我们介绍了一个一般的理论框架，系统地链接模型的观点动力学，社会网络结构，和内容过滤。我们展示了我们的框架的灵活性，通过探索一个家庭的二进制状态观点动力学模型，信息交换在于从成对组相互作用的频谱。所有的模型都显示出由算法偏差和模块化网络结构驱动的意见极化机制。然而，内容过滤的作用令人惊讶地微妙;对于成对交互，它导致两极分化，而对于群体交互，它促进了意见的共存。这使我们能够确定哪些社交互动对算法偏见具有鲁棒性，哪些社交互动容易受到偏见增强的意见两极分化的影响。我们的框架提供了理论基础的发展，以解决有害影响的在线偏见，如信息瓶颈，回音室，和意见激进。
2022-10-27 cs.SI physics.soc-ph
Inevitability of Polarization in Geometric Opinion Exchange
本文研究几何意见交换模型中极化的必然性，证明在仅需适度偏见同化假设下极化普遍存在，并揭示二维与三维及以上动力学在极化表现上的定性差异。
2024-02-13 cs.SI econ.TH
Conformity, anticonformity and polarization of opinions: insights from a mathematical model of opinion dynamics
理解和量化社会系统中的两极分化是重要的，原因有很多。例如，它可以帮助避免社会中的隔离和冲突，或控制两极分化的辩论并预测其结果。在本文中，我们提出了一个版本的$q$ -选民模型的观点动力学与两种类型的社会影响的反应：符合（如在原来的$q$ -选民模型）和反符合。我们把模型的社会网络的双团拓扑结构，以检查这些反应之间的相互作用如何影响的观点动力学的人口分为两个对立的部分。该模型进行了分析，数值模拟和蒙特卡罗模拟。我们的研究结果表明，系统经历了两个分支的集团之间的交叉链接的数量的变化。在第一个临界点以下，整个系统的共识是可能的。因此，两个对立的集团只有在松散地联系在一起时才可能有相同的意见。在该点以上，系统最终处于极化状态。
2017-07-13 cs.SI physics.soc-ph
Geometric opinion exchange polarizes in every dimension
本研究解决了意见交换模型中$d\ge3$维情形下的极化问题，证明几何意见交换在任意维度都会导致意见极化为两个对跖群体，与共识模型形成对比。
2025-10-09 cs.SI
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
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
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
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
Network disruption: maximizing disagreement and polarization in social networks
近年来，错误信息的传播明显增加，Facebook和Twitter等社交媒体加速和放大了这一现象。虽然一些行为体传播错误信息以推动具体议程，但也有大量文件证明，其他行为体的目的只是通过增加整个网络的分歧和两极分化来破坏网络，从而破坏社会稳定。流行的社交网络也容易受到大规模攻击。出于这一现实，我们引入了一个简单的网络中断模型，对手可以接管有限数量的用户简档在社交网络中的最大化的分歧和/或极化的网络的目的。我们从理论和实证两个方面研究了这个模型。我们表明，对手总是会改变一个接管配置文件的意见，以最大限度地破坏到一个极端。我们还证明，对手可以增加分歧/极化最多线性的用户简档的数量，它接管。此外，我们提出了一个详细的实证研究的几个自然算法的对手在合成网络和现实世界（Reddit和Twitter）的数据集。这些研究表明，即使是简单、不复杂的策略，比如针对中间派，也可以有效地破坏网络，导致分歧/极化的大幅增加。因此，通过对手的视角研究网络中断问题突出了问题的严重性。
2020-04-09 cs.DS cs.GT cs.SI
Opinion de-polarization in social networks with GNNs
Technical University of Crete（希腊克里特技术大学）
本文提出利用图神经网络识别K名用户，使他们在特定话题上持中立立场以减少网络极化，针对双极化结构进行优化。
2026-04-20 cs.LG cs.SI
Quantifying Multipolar Polarization
本文针对现有网络极化量化方法局限于二维意见空间的问题，实验比较了多种多极极化量化方法，发现广义欧氏距离的平均成对距离扩展具有最优性质，为多党制等多极系统的极化研究提供了有效度量。
2025-05-08 cs.SI
Spatial Opinion Dynamics and the Effects of Two Types of Mixing
不同信仰程度的空间观点会导致时空模式，如集群（同质性），极化和僵局。我们的目标是了解这些模式对相互作用的局部性质的变化有多敏感。我们介绍了两种不同的混合机制，空间搬迁和非本地的相互作用（“电话”），早期的完全空间模型（无混合）。有趣的是，当有足够的混合量时，在完全空间模型中产生死锁的机制会产生相反的效果。通过电话，不仅打破了两极分化和僵局，而且加快了共识。通过重新安置而混合的影响甚至更加明显。通过与平均场微分方程的比较，获得了选定的参数制度对这些动态的进一步了解。
2018-06-08 cs.SI
Polarization in Geometric Opinion Dynamics
鉴于最近对政治极化的关注日益增加，理解极化如何产生提出了一个重要的理论问题。虽然更经典的意见动态模型似乎不适合研究这一现象，但最近由Hjanzalia，Jin，Mossel和Ramnarayan（HJMR）提出的一种新方法提出了一个简单的意见演化几何模型，可证明在特殊情况下表现出强烈的极化。此外，极化在他们的模型中非常有机地出现：在每个时间步中，每个代理根据他们与随机抽取的问题的相关性/响应来更新意见。然而，他们的技术似乎并没有超出他们所识别的一组特殊情况，这些特殊情况受益于脆弱的对称性或收缩性假设，从而使这种现象的普遍性保持开放。本文进一步研究了相关几何模型中的极化现象。我们表明，在这样的模型中，极化的确切形式是相当微妙的：即使强极化不成立，它是可能的极化的概念较弱，但仍然达到。我们提供了一个具体的例子，弱极化成立，但强极化可证明失败。然而，我们证明了强极化在HJMR模型的许多变体中是成立的，这些变体对更广泛的随机问题分布也是鲁棒的-这表明HJMR引入的极化形式比其特殊情况下所建议的更普遍。我们还表明，较弱的概念更容易连接到一般状态空间的马尔可夫链理论。
2021-06-23 cs.DS cs.SI physics.soc-ph
Effect of Group Means on the Probability of Consensus
在这项研究中，无法达成共识的群体进行了调查，使用群体极化范式。目的是探讨的条件下，导致组内分歧和分歧后的态度改变269名参与者。分析表明，当组平均值与整个样本的总平均值不同时，共识的概率很低。当小组成员之间的差异很小时，去极化（极化的反向）跟随着不一致。这些结果表明，最偏离群体倾向的群体最有可能引起组内分歧，而组内方差决定了组内分歧后态度变化的方向。
2014-06-29 cs.SI physics.soc-ph
Impact of independence on polarization of opinions
社会的两极分化越来越受到许多领域交叉研究者的关注，因为它似乎是许多公共领域的一个定义性特征。在本文中，我们将探讨不愿屈服于群体压力，也被称为独立性，如何影响这一现象。特别是，我们想回答这样一个问题，即人们的独立选择是否能够改变一个系统的动态，否则这个系统就会两极分化。为此，将使用修改后的$q$ -选民模型。从我们的研究结果可以看出，独立性的影响至少是双重的。在低独立性水平下，两个对立群体之间的共识-极化转变比没有独立性时更快。更高的能级诱导系统从极化态到无序态的额外跃迁。
2019-10-11 cs.SI physics.soc-ph
Polarization and Fluctuations in Signed Social Networks
最近对社交网络的研究主要集中在对观点如何作为人际关系的函数而演变的建模和分析上。建模和理解友好和敌对关系的含义也是非常有趣的。在本文中，我们提出了一个新的，简单和直观的模型，将社会心理现象的回旋镖效应的意见动态。我们建立了，在一定的条件下的结构对应于所谓的结构平衡性质的签署网络，网络中的意见。与文献中的其他模型相比，当社会网络不满足结构平衡时，我们的模型显示了更丰富，也许更直观的意见行为。特别是，我们分析了签名网络，其中的意见表现出持续的波动（包括所谓的聚类平衡的情况下）。
2019-10-04 cs.SI physics.soc-ph
Algorithmic bias amplifies opinion polarization: A bounded confidence model
通过在线媒体平台到达我们的信息流不是由信息内容或相关性优化的，而是由受欢迎程度和与目标的接近度优化的。这通常是为了最大限度地提高平台使用率而执行的。作为一个副作用，这引入了一种算法偏见，被认为会增强社会辩论的两极分化。为了研究这一现象，我们修改了著名的连续观点动力学模型的有界信心，以占算法的偏见，并调查其后果。在原始模型的最简单版本中，随机选择成对的讨论参与者，如果他们的观点在固定的容忍度范围内，他们的观点就会变得更接近。我们修改的选择规则的讨论伙伴：有一个增强的概率选择个人的意见已经接近对方，从而模仿的行为，建议与类似的同行互动的在线媒体。因此，我们观察到：a）增加的极化趋势，其也出现在原始模型将预测收敛的条件下，以及b）达到渐近状态的收敛的速度的显著减慢，这使得系统高度不稳定。两极分化是由一个支离破碎的初始人口。
2018-03-06 cs.MA cs.SI physics.soc-ph
Understanding the Effect of Opinion Polarization in Short Video Browsing
本文针对短视频浏览中观点极化难以用传统反馈信号检测的问题，提出利用脑电图信号评估和预测用户对极化内容的神经反应与接触情况，为量化观点极化影响提供了新方法。
2025-04-09 cs.CY cs.SI
Inside the Echo Chamber: Disentangling network dynamics from polarization
回音室的定义是关于一个有争议的话题和同质性的意见两极分化的同时存在，即个人与志同道合的同龄人互动的偏好。虽然最近的努力致力于检测在线社交媒体上两极分化的辩论中回音室的存在，但导致这些现象出现的动态仍然不清楚。在这里，我们通过提出新的指标来从意见极化中挑出网络动态的影响，从而为这一努力做出贡献。通过使用2016年巴西一场有争议的政治辩论中收集的Twitter数据集，我们采用了时间网络方法来衡量回声室效应随时间的强度。我们定义了一个衡量网络中观点一致性的指标，显示了回声室在整个观察期内如何变得更弱。对网络中标签扩散的分析表明，这是由于持相反意见的用户之间的社交互动增加。最后，通过分析用户表达的意见和收到的意见之间的互熵，可以量化社会传染效应。我们发现经验证据表明，极化的用户和他们的互动动态可能会独立发展。我们的研究结果可能会对研究在线社交网络中回声室动态和极化的广泛研究人员感兴趣。
2019-06-27 cs.SI physics.soc-ph
Modeling echo chambers and polarization dynamics in social networks
最近在几个社会政治背景下和不同社交媒体上量化的回音室和意见两极分化，引起了人们对它们对错误信息传播和辩论公开性的潜在影响的担忧。尽管作出了越来越多的努力，但导致这些现象出现的动力仍然不清楚。我们提出了一个模型，介绍了激进化的动态，作为一种强化机制，推动从温和的初始条件演变到极端的意见。受社会互动动力学的实证研究结果的启发，我们认为代理人的特点是异质性活动和同质性。我们表明，全球共识和新兴的激进国家之间的过渡主要是由社会影响力和所讨论的话题的争议性。通过与Twitter上两极化辩论的实证数据比较，该模型定性地再现了用户参与度与意见之间的关系，以及交互网络中的意见隔离现象。我们的研究结果揭示了社交媒体中回声室和两极分化出现的核心机制。
2020-02-27 cs.SI physics.soc-ph
Measuring Political Polarization: Twitter shows the two sides of Venezuela
我们说，当一个群体被分成两个规模相同、观点相反的群体时，它是完全两极化的。在本文中，我们提出了一种方法来研究和衡量两极分化的出现，从社会互动。我们首先提出了一个模型来估计意见，其中少数有影响力的个人通过社交网络传播他们的意见。该模型的结果是一个意见概率密度函数。接下来，我们提出了一个指数来量化的程度，由此产生的分布是两极分化。最后，我们将所提出的方法应用于关于已故委内瑞拉总统乌戈·查韦斯的Twitter对话，发现我们的结果与离线数据之间存在很好的一致性。因此，我们表明，我们的方法可以检测不同程度的极化，这取决于网络的结构。
2015-05-15 cs.CY cs.SI physics.soc-ph
The Wasserstein Bipolarization Index: A New Measure of Public Opinion Polarization, with an Application to Cross-Country Attitudes toward COVID-19 Vaccination Mandates
本文基于收入双极化公理化方法提出满足关键公理的 p-Wasserstein 极化指数，并应用于 11 国 COVID-19 疫苗强制令态度，发现美英极化最高、中法印最低。
2024-07-20 cs.SI physics.soc-ph stat.AP
The Effect of People Recommenders on Echo Chambers and Polarization
社交媒体对两极分化和错误信息等关键问题的影响正在受到审查，因为这些现象可能对我们的社会产生破坏性后果。在社交媒体平台常规使用的算法中，人物推荐系统特别令人感兴趣，因为它们直接有助于社交网络结构的演变，影响用户接触的信息和意见。在本文中，我们提出了一个框架，以评估人民的意见演变的影响。我们的建议是基于蒙特卡罗模拟相结合的链接推荐和意见动态模型。为了控制初始条件，我们定义了一个随机网络模型来生成具有意见的图，具有可调的模块化和同质性。我们加入这些元素到一个方法来研究回声室和极化的推荐系统的影响。我们还展示了如何使用我们的框架来衡量，通过模拟，不同的干预策略的影响。我们彻底的实验表明，人们的沉默实际上会导致回音室的显着增加。然而，只有当网络中存在相当多的初始同质性时，才会发生这种情况。此外，我们发现，如果网络已经包含回声室，推荐算法的效果可以忽略不计。这样的研究结果是强大的两个非常不同的意见动态模型，有界的信心模型和认识论模型。
2021-12-01 cs.SI physics.soc-ph
Do zealots increase or decrease the polarization in social networks?
狂热者是社会网络中的顶点，他们在社会压力下不会改变自己的观点，对于复杂网络上的观点动力学研究至关重要。在本文中，我们研究了一个确定性的多数规则模型的极化动力学的结构模型作为基板的狂热者的影响。为此，我们提出了一种新的量化器，称为“相关极化”，用于测量网络中的极化量时，顶点可以存在于两个相反的状态。量词不仅考虑每个观点的顶点的分数，而且考虑它们如何相互连接。然后，我们表明，狂热者的存在并没有一个固定的影响极化，并可以改变它在积极的，消极的或中性的方式取决于他们的拓扑特征，如度，他们在网络中的总分数，密度和度的网络的异质性，以及类型的初始条件的动力学。我们的研究结果特别强调了初始条件在使极化向更低或更高的值漂移时所起的作用的重要性，因为狂热者的总数增加了。
2019-08-29 cs.SI physics.soc-ph
Decoding Echo Chambers: LLM-Powered Simulations Revealing Polarization in Social Networks
Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
本文提出基于大语言模型的社会观点网络仿真框架，通过构建典型网络结构并引入主动与被动助推方法，有效模拟并缓解社交网络中的观点极化与回音室现象。
2025-03-11 cs.CL cs.SI
Emergence of polarized ideological opinions in multidimensional topic spaces
意见两极分化正在加剧，引起对公开辩论公开性的关切。此外，不同主题的极端观点往往表现出显著的相关性。导致这些两极分化的意识形态观点的动力构成了一个挑战：这种相关性如何能够出现，而不是在个人偏好或预先存在的社会结构中先验地假设它们？在这里，我们提出了一个简单的模型，定性再现意识形态的意见状态中发现的调查数据，即使是在相当不相关的，但足够有争议的，主题。受最近提出的自然语言处理模型中的斜坐标系的启发，我们将这些直觉固化在多维空间中展开的意见的形式主义中，其中主题形成非正交基础。意见根据代理人之间的社会互动而演变，这是由同质性决定的：两个拥有相似意见的代理人更有可能互动。该模型的特点是全球共识，意见极化和意识形态状态之间的相变。有趣的是，意识形态阶段通过放松主题空间的正交基础的假设而出现，即如果主题在主题上重叠。此外，我们分析和数值表明，这些转变是由所讨论的话题的争议性，更有争议的话题，更有可能是意见是相关的。我们的研究结果揭示了在意见形成中推动意识形态出现的机制。
2021-02-01 cs.SI physics.soc-ph
Biased Assimilation, Homophily and the Dynamics of Polarization
我们作为一个社会是否正在变得更加两极分化，如果是的话，为什么？我们试图通过一个观点形成的模型来回答这个问题。实证研究表明，同质性导致两极分化。然而，我们表明，DeGroot的著名的模型的意见形成的基础上重复平均永远不会两极分化，即使个人是任意同性恋。我们推广DeGroot的模型来解释一个在社会心理学中众所周知的现象，即有偏见的同化：当在一个复杂的问题上出现混合或不确定的证据时，个人会为他们的最初立场提供不适当的支持，从而得出一个更极端的观点。我们发现，在一个简单的模型中的同性恋网络，我们有偏见的意见形成过程中的结果，无论是极化，持续的分歧或共识，这取决于如何偏见的个人。换句话说，如果没有偏见的同化，单靠同质性是不足以改变社会的。非常有趣的是，有偏见的同化也提供了对以下相关问题的洞察：基于互联网的推荐算法，向我们展示个性化的内容有助于两极分化？我们有偏见的同化和极化效应的一些随机行走的推荐算法，在精神上类似于一些常用的推荐算法之间的连接。
2012-09-26 cs.GT cs.SI physics.soc-ph
The drivers of online polarization: fitting models to data
本研究提出一种数值比较方法，将观点动态模型模拟结果与社交媒体实测数据拟合，以系统验证模型，并开发考虑人类与算法因素互动的模型，旨在揭示极化驱动因素并改进信息流算法。
2023-05-12 cs.CY cs.SI
PACIFIER: Pacing Opinion Depolarization via a Unified Graph Learning Framework
CSSE, Shenzhen University（深圳大学计算机科学与技术系）
本文提出PACIFIER框架，通过图学习和强化学习解决基于Friedkin-Johnsen模型的意见极化问题，实现大规模网络的高效极化控制。
2026-08-28 cs.LG cs.SI
Emergence of polarization in networks of large language model agents
Tsinghua University（清华大学）；Tianjin University（天津大学）；University of Chicago（芝加哥大学）；University of Amsterdam（阿姆斯特丹大学）；Santa Fe Institute（圣塔菲研究所）
本研究模拟数千个基于多种大语言模型的智能体网络交互，发现其自发形成社交网络并涌现观点极化，行为与人类社交网络及观点动力学模型一致，可作为干预策略的合成测试平台。
2026-09-09 cs.CY cs.SI
Polarization and Consensus in a Voter Model under Time-Fluctuating Influences
本研究探讨时间波动社会影响下三方选民社区的极化与共识形成，揭示外部影响变化率对最终状态概率及平均达成时间的关键作用。
2023-05-09 cond-mat.stat-mech cs.SI nlin.AO
Fixation and Polarization in a Three-Species Opinion Dynamics Model
受文化变化和多样性的动力学的启发，我们在[J. Phys. A 37，8479（2004）]中引入的完全图上推广了三种群约束投票模型。在这个观点动力学模型中，规模为N的人口由“左派”和“右派”组成，他们与“中间派”互动：左派和中间派都可以成为比率为（1+q）/2的左派或比率为（1-q）/2的中间派（右派和中间派也是如此），其中q表示对极端主义（q>0）或中间主义（q<0）的偏见。这一体系承认三个吸引人的固定点和一条“极化”线，沿着这条线，左派和右派的混合物冻结共存。在Fokker-Planck方程的范畴内，通过对种群遗传学模型的映射，计算了在每个吸收态结束的固定概率和这些事件的平均时间。因此，我们显示，特别是在弱的偏见和大的人口规模的限制时，|q| ~1/N和N>>1，波动如何改变平均场的预测：极化是可能的，当q>0，但总是有一个有限的概率达到共识，相反的情况下，当q<0。我们的研究结果证实了随机模拟。
2011-07-11 cond-mat.stat-mech cs.SI nlin.AO
Rebalancing Social Feed to Minimize Polarization and Disagreement
Sapienza University（罗马第一大学）；CENTAI（CENTAI研究所）；KTH Royal Institute of Technology（瑞典皇家理工学院）；Eurecat（Eurecat技术中心）
本文针对社交媒体极化问题，提出通过重加权关注账号重要性来平衡信息流相关性与多样性的方法，设计了可扩展投影梯度下降算法，经实验验证效果优于基线，可助力构建更健康的在线社区。
2023-08-28 cs.CY cs.LG cs.SI
