立场扰动的模拟
Simulation of Stance Perturbations
AI总结：
本研究分析了社会影响操作成功的条件，通过基于代理的建模（ABM）模拟无标度网络中的立场扰动，开发协同进化社会影响模型，发现影响代理是最佳邦联代理，最优策略涉及局部自我网络级联，且20-25%代理需成为邦联代理以实现共识改变。
摘要：
在这项工作中，我们分析了社会影响操作可能成功的条件。这些条件包括选择邦联代理来执行有意的扰动，以及选择扰动策略。我们使用基于代理的建模（ABM）作为一种模拟技术，来观察有意的立场扰动对无标度网络的影响。我们开发了一个协同进化的社会影响模型，以探究当这些变量通过同质性联系在一起时，扰动立场与维持影响之间的权衡。在我们的实验中，我们观察到网络中的立场在足够的模拟时间步长内会收敛，有影响力的代理是最好的邦联代理，最优的扰动策略涉及局部自我网络的级联。最后，我们的实验结果支持了临界点理论，并与经验发现一致，表明在达成共识改变之前，20-25%的代理需要成为邦联代理。
英文摘要：
In this work, we analyze the circumstances under which social influence operations are likely to succeed. These circumstances include the selection of Confederate agents to execute intentional perturbations and the selection of Perturbation strategies. We use Agent-Based Modelling (ABM) as a simulation technique to observe the effect of intentional stance perturbations on scale-free networks. We develop a co-evolutionary social influence model to interrogate the tradeoff between perturbing stance and maintaining influence when these variables are linked through homophily. In our experiments, we observe that stances in a network will converge in sufficient simulation timesteps, influential agents are the best Confederates and the optimal Perturbation strategy involves the cascade of local ego networks. Finally, our experimental results support the theory of tipping points and are in line with empirical findings suggesting that 20-25% of agents need to be Confederates before a change in consensus can be achieved.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
