Biased Opinion Dynamics: When the Devil Is in the Details
我们调查的意见动态多智能体网络时，偏向两种可能的意见之一存在，例如，反映现状与优越的替代品。从所有代理共享代表现状的初始意见开始，系统逐步发展。在每一步中，一个随机选择的代理人以一定的概率$α$接受上级意见，并以概率$1 - α$遵循一个基本的更新规则，根据邻居的意见修改自己的意见。我们分析了两个著名的更新规则，即多数和选民的收敛过程。我们提出的框架具有丰富的结构，拓扑结构和底层更新规则之间的相互作用不明显。例如，对于选民规则，我们表明，收敛的速度没有显着的依赖于底层的拓扑结构，而图片完全改变下的多数规则，网络密度产生负面影响的收敛。我们相信，我们提出的模型是在同一时间简单，丰富，模块化，提供偏见之间的相互作用的数学表征，潜在的意见动态，在一个统一的设置和社会结构。
2021-03-06 cs.MA cs.SI
The Sound of Silence in Social Networks
本研究将沉默螺旋理论融入DeGroot模型，提出两种观点更新模型（SOM-和SOM+），通过理论分析与仿真揭示少数派沉默对观点形成和共识收敛的影响。
2025-09-11 cs.MA cs.SI
Long-Time and Short-Time Dynamics in a Weighted-Median Opinion Model on Networks
该研究提出一种基于加权中位数更新规则的网络意见动力学模型，通过数值模拟探究网络结构对最终意见分布的影响，并推导配置模型网络下的平均场近似以分析短期动力学准确性。
2025-07-31 cs.SI math.DS nlin.AO
The building up of individual inflexibility in opinion dynamics
为了建立一个更符合实际的可解释性模型，将两种观点动力学模型纠缠在一起。第一个是Galam统一框架（GUF），其中包括理性和不灵活的代理人，另一个考虑连续意见和离散行动（CODA）的组合。虽然最初在GUF中，可扩展性是代理的固定给定特征，但现在它是通过重复更新做出相同选择的给定代理的累积结果。因此，不灵活性作为行动者的一种内在属性出现，成为其意见强度的一个连续函数。因此，一个代理人或多或少可以是不灵活的，可以从沿着一个选择的灵活性转变为沿着相反选择的灵活性。这些个体动态的建立和下降的代理可信性是由连续的本地更新相关的个人意见。在预测公共辩论结果方面获得并讨论了新的结果。
2012-08-16 cs.SI physics.soc-ph
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
Joint Learning of Network Topology and Opinion Dynamics Based on Bandit Algorithms
KTH Royal Institute of Technology（瑞典皇家理工学院）；Digital Futures（数字未来研究中心）
针对网络拓扑与混合意见动力学的联合学习问题，提出一种基于多臂 Bandit 算法的方法，以识别各智能体的更新规则并学习底层网络，实验表明其优于稀疏线性回归和高斯过程回归。
2023-06-25 cs.LG cs.SI cs.SY
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
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
Strong Convergence of a Random Actions Model in Opinion Dynamics
该研究针对意见动力学中的随机行动模型，证明其几乎必然及依r阶矩收敛至共识，修正了已有证明的不足，还推广结论说明不可约性假设非必要，且含顽固智能体时仍成立。
2024-01-29 cs.SI
The Evolution of Beliefs over Signed Social Networks
我们研究的意见（或信仰）的演变在一个社会网络建模为一个有符号的图。在这个图中，连接到边的符号表征了相应的个体或端节点是朋友（正链接）还是敌人（负链接）。节点对是随机选择的，随着时间的推移进行交互，当两个节点交互时，每个节点都会根据另一个节点的意见和相应链接的符号更新自己的意见。该模型将DeGroot模型推广到负链接：当两个敌人互动时，他们的意见会朝着相反的方向发展。我们提供的条件收敛和发散的期望，在均方，几乎肯定的意义上，并表现出相变现象，这些概念的收敛取决于参数的意见更新模型和基础图形的结构。我们建立了一个{ \it no-survivor}定理，指出当网络中的观点作为一个整体出现分歧时，任何两个节点的观点差异就会出现分歧。我们还证明了一个{ \it live-or-die}引理，表明几乎可以肯定，意见要么收敛到一个协议或分歧。最后，我们将我们的分析扩展到意见有严格的下限和上限的情况。在这些情况下，我们研究何时以及如何意见可能会成为渐近聚集到信念边界，并强调这种聚集现象的关键影响（强或弱）的基础网络的结构平衡。
2015-08-14 cs.SI physics.soc-ph
Opinion Dynamics in Learning Systems
Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；Tübingen AI Center（蒂宾根人工智能中心）；ETH Zurich（苏黎世联邦理工学院）；ELLIS Institute Tübingen（蒂宾根欧洲语言学习研究所）
本文提出了一种统一框架，将学习系统的表演效应与点对点意见动态结合，揭示了共同演变下的新型平衡机制。
2026-03-12 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
Bias, Belief and Consensus: Collective opinion formation on fluctuating networks
随着在线网络的出现，社会与能够轻松修改和维护自己的社会联系的个人成员的联系大大增加。在这里，我们表明，积极的网络维护暴露代理确认偏见，倾向于确认一个人的信念，我们探讨这如何影响集体意见的形成。我们介绍了一个模型的二进制观点动力学在一个复杂的网络与快速，随机重新布线，并表明，确认偏见导致隔离的个人与不同的意见。我们使用动态的全球意见一般分类意见更新规则，并发现确认偏见总是稳定的共识状态。最后，我们表明，达成共识的时间有一个非单调依赖的偏差的大小，这表明了一个新的途径，大规模的意见工程。
2015-12-30 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
Message Order Selects Opposite Collective Opinions on Laplacian-Cospectral Networks
Hong Kong Shue Yan University（香港树仁大学）；Beijing Normal University（北京师范大学）；City University of Hong Kong（香港城市大学）
该研究构建类量子状态的智能体网络模型，发现相同消息的传递顺序会使两个16节点拉普拉斯谱相同的网络收敛到对立共识，揭示消息顺序对集体意见选择的关键作用。
2026-08-24 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
Opinion dynamics of random-walking agents on a lattice
研究有限二维格上随机行走主体的观点动力学。在该模型中，意见是连续的，并且格和意见可以是周期的或非周期的。在每一个时间步，所有的代理随机移动的格子，并更新他们的意见的基础上，与邻居的意见的差异不大于一个给定的阈值。由于重复平均的影响，意见首先局部收敛，并最终达到稳定状态。与其他有界置信度的模型一样，稳定状态通常是具有一个或多个意见组的状态，其中所有代理人都有相同的意见。然而，当格子和观点都是周期性的时候，就会出现亚稳态，在这种状态下，所有依赖于位置的观点都可以共存。这一结果表明，当一组连续的意见形成一个结构，如一个圆形，而不是一个典型的线性意见，丰富的动态行为可以出现。当现实中存在地理限制时，很少达成完全的共识，这里的亚稳态可以成为这些情况的解释之一，特别是当意见不是线性的时候。
2011-04-13 cs.SI physics.soc-ph
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
Modeling U.S. Attitudes Toward China via an Event-Steered Multi-Agent Simulator
University of Science and Technology of China（中国科学技术大学）
提出事件驱动多智能体模拟器（ES-MAS），利用CURE数据集和双流数据集成引擎（DSDIE）及新闻驱动动态交互模块（NDDI），模拟美国对华舆论的动态演化，实验表明优于现有模型。
2026-06-19 cs.MA cs.SI
Rebels Lead to the Doctrine of the Mean: Opinion Dynamic in a Heterogeneous DeGroot Model
我们研究了DeGroot模型的扩展，其中部分玩家可能是反叛者。反叛者的更新规则与普通玩家有很大的不同（被称为顺从者）：在每一步，反叛者首先取她邻居意见的加权平均值的相反值，即1减去该平均值（意见空间通常假设为[0，1]），然后通过在该值和她自己在上一轮中的意见之间取另一个加权平均值来更新她的意见。我们发现，反叛者的影响是相当显著的：只要在每个封闭的、强联系的群体中至少有一个反叛者，在非常弱的条件下，整个社会中每个参与者的意见最终会趋于0.5。
2012-04-01 cs.SI physics.soc-ph
Artifacts of opinion dynamics at one dimension
本文用Galam多数规则、Glauber入流影响和Sznadj出流驱动三种局部更新规则研究了一维Ising自旋系统的动力学。给定向上自旋的初始密度p，对于每个选择，精确计算达到所有自旋向上的最终状态的概率。各种公式进行了比较，以前的一系列计算得到的分析使用柯克伍德近似。结果是一模一样的。与Galam统一框架的明显差异得到解决。结果的差异似乎直接源于执行相关数值模拟所用的局部更新规则。研究结果导致将非步进退出概率视为具有固定自旋的一维有限尺寸系统的伪影。的适用性和意义进行数值模拟，以模拟社会行为，没有固体的约束进行了讨论，这意味着在这种情况下有一个平均场结果的问题得到解决。
2010-12-10 cs.SI physics.soc-ph
On the Limits of PAC Learning of Networks from Opinion Dynamics
University of Warwick（华威大学）
研究探讨了在意见动态下学习网络结构的限制，提出在阈值规则下存在高效的PAC学习算法，而在多数规则下证明不存在高效算法，并提出有效的启发式方法。
2026-05-14 cs.CC cs.SI
Towards control of opinion diversity by introducing zealots into a polarised social group
University College London（伦敦大学学院）；Inria（法国国家信息与自动化研究所）
我们探索一种方法来影响甚至控制两极分化的社会群体中的意见多样性。我们利用选民模型，在这个模型中，用户持有二元观点，并根据与他们联系的其他人反复更新他们的信念。顽固的代理人谁从来没有改变他们的想法（“狂热者”）也通过网络传播，这是由一个连接图建模。基于先前的结果，我们提供了一个封闭形式的表达的平均意见的组在平衡。这导致我们采取一种策略，将狂热者注入两极分化的网络，以将平均意见转向任何目标值。我们解释了可能存在的逆火效应，这可能会导致该集团作出负面反应，并加强其极化水平的回应。我们的结果得到了合成数据的数值实验的支持。
2022-01-06 cs.LG cs.SI
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
Bounded-Confidence Models of Opinion Dynamics with Adaptive Confidence Bounds
本文提出了两种具有异构和自适应置信区间的离散时间观点动力学有界置信模型（推广了HK和DW模型），发现自适应机制导致更少的主要观点集群、更长的收敛时间，并产生基线模型中不存在的相邻节点同观点但不接受的定性现象。
2024-07-27 cs.SI math.DS math.PR
Scaling limits for continuous opinion dynamics systems
分析了随机连续意见动力学系统（也称为流言模型）的标度极限。在这样的模型中，代理更新他们的向量值的意见，以凸组合（可能代理和意见相关）的当前值和另一个观察到的代理。结果表明，在大代理总体规模的限制，经验意见密度集中，在指数概率率，周围的概率测度值的常微分方程描述系统的平均场动力学的解决方案。研究了相应的初值问题的性质。解的渐近行为进行了分析，有界置信度的意见动态，并在一个异构的有影响力的环境的存在下。
2011-09-22 cs.SI math.AP math.DS
On Opinion Dynamics in Heterogeneous Networks
本文研究了Hegselmann和Krause最近提出的观点动力学模型：群体中的每个主体保持一个描述其观点的实数，并且每个主体通过平均在给定置信范围内的所有其他观点来更新其观点。每个代理的置信范围是不同的。这种异质性和状态依赖的拓扑结构导致了人们对复杂动态行为的理解不足。我们通过他们的互连拓扑分类代理，并相应地，计算系统的平衡。我们推测，该模型的任何轨迹最终收敛到一个稳定的状态下固定的拓扑结构。为了建立这个猜想，我们得到了两个新的充分条件：这两个条件都保证收敛和恒定拓扑的无限时间，而一个条件还保证单调的收敛。在固定拓扑下的无限时间演化中，我们定义了领导群，领导群决定了追随者的收敛速度和收敛方向。
2011-04-07 cs.SI math-ph math.MP
Ignoring Extreme Opinions in Complex Networks: The Impact of Heterogeneous Thresholds
我们考虑一类网络上的意见动态，在每个时间步，网络中的每个节点忽略一定数量的最极端的邻居的意见，并更新自己的意见作为剩余意见的加权平均值。当所有节点忽略相同数量的极端邻居时，以前的工作表明，当且仅当网络满足某些拓扑性质时，才会达成共识。在本文中，我们考虑了允许每个节点对可忽略的极端邻居数量设置个人阈值的影响。我们提供的图形条件下，保证这种动态的共识。然后，我们研究随机网络，其中每个节点的阈值是从一定的分布，并提供该分布的条件，连同条件的边缘形成概率，保证共识将达到渐近几乎肯定。
2016-09-28 cs.DM cs.SI physics.soc-ph
Extending the Hegselmann-Krause Model of Opinion Dynamics to include AI Oracles
本研究扩展Hegselmann-Krause意见动力学模型，引入平均社区意见的AI神谕，通过模拟揭示其在不同信息访问条件下对意见收敛性及收敛时间的影响。
2025-02-27 cs.AI cs.CY cs.SI
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
Rethinking the Micro-Foundation of Opinion Dynamics: Rich Consequences of the Weighted-Median Mechanism
为了确定社会系统中复杂意见形成过程的主要机制，研究人员长期以来一直在探索简单的机械数学模型。大多数现有的意见动态模型都建立在一个共同的微观基础上，即，加权平均意见更新。然而，我们认为，这种普遍采用的机制具有不可忽视的不切实际的特点，这带来了不必要的困难，在寻求模型复杂性和预测能力之间的适当平衡。在本文中，我们提出了加权中位数机制作为一个新的微观基础的意见动力学，它以最小的假设，从根本上解决了加权平均机制固有的不切实际的特点。基于心理学认知失调理论的加权中值机制得到了在线实验数据的支持，拓展了意见动力学模型对离散选项有序多项选择问题的适用性。此外，加权中位数机制，尽管是最简单的形式，捕捉各种非平凡的现实世界的意见演变的特征，而一些广泛研究的平均为基础的模型失败。
2022-12-17 cs.SI cs.SY eess.SY
Controllability of Network Opinion in Erdos-Renyi Graphs using Sparse Control Inputs
本文考虑了一个被建模为Erdos Renyi随机图的社会网络。网络中的每个人都使用邻居意见的加权平均来更新自己的意见。我们探讨如何外部操纵代理可以驱动这些人的意见，以一个有限的附加影响他们的先天意见所需的状态。我们证明了操纵代理可以在有限时间内将网络意见引导到任何任意值（即，该系统是可控的）几乎可以肯定的是，当对她的影响没有限制时。然而，当控制输入是稀疏约束，网络意见是可控的，以一定的概率。我们使用基于Levy浓度函数和小球概率的随机向量的浓度特性来下界此概率。此外，通过数值模拟，我们比较了鄂尔多斯Renyi图与幂律图的可控性概率，以说明两种模型在可控性方面的关键差异。我们的理论和数值结果揭示了网络意见的可控性如何取决于网络的大小和连通性等参数，以及操纵代理所面临的稀疏性约束。
2020-11-22 cs.SI cs.SY eess.SY
Consensus in the Presence of Multiple Opinion Leaders: Effect of Bounded Confidence
University of Miami（迈阿密大学）
研究动态网络中基于证据的共识问题，分析不同更新策略对共识形成的影响，证明在时间变化网络中存在共识状态，并探讨多个意见领袖情况下意见聚类现象。
2016-05-25 cs.MA cs.SI cs.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
The consensus problem for opinion dynamics with local average random interactions
Università della Calabria（卡拉布里亚大学）
研究基于 agent 的模型中一致性形成问题，通过允许任意两个 agent 之间通信通道随机开启关闭，探讨在意见接近时更可能发生通信的机制，并证明系统在几何速率下达成共识。
2026-03-24 cs.SI math.PR
Agent Heterogeneity Mediates Extremism in an Adaptive Social Network Model
本文扩展了自适应社交网络观点动力学模型，引入节点更新策略异质性，发现该异质性显著增加了群体极端主义和连通性，并导致观点与策略的同配性，揭示了个体差异对极端社区形成的重要影响。
2023-05-17 cs.MA cs.SI math.DS
D-MODD: A Diffusion Model of Opinion Dynamics Derived from Online Data
Sorbonne Université（索邦大学）；CNRS, LIP6（法国国家科学研究中心，LIP6实验室）；CNAM Paris（巴黎国立工艺学院）
D-MODD 模型通过实证方法推导出意见动态的连续时间随机模型，揭示了极化话题中意见变化的马尔可夫特性。
2026-01-16 cond-mat.stat-mech cs.CY cs.SI
Opinion dynamics over complex networks: kinetic modeling and numerical methods
Technische Univarsität München（慕尼黑工业大学）；University of Ferrara（费拉拉大学）
本文研究了时间依赖大规模网络上的意见动力学建模，结合二元交互更新与连接动态生成与移除过程，分析网络连接数对意见传播的影响，并提出均场描述和数值方法以研究长期行为。
2016-04-01 cs.NA cs.SI math.NA
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
Trust in the CODA model: Opinion Dynamics and the reliability of other agents
一个模型的联合进化的意见和有多少代理相互信任。该模型是使用连续意见和离散行动（CODA）模型的框架。而不是一个固定的概率，其他代理将决定在最佳选择的青睐，每个代理认为，其他代理可能是两种类型之一：值得信赖或无用。值得信赖的代理人被认为更有可能是正确的，而无用的代理人则相反。连同关于所讨论的问题的意见，每个代理还更新它与之交互的每个其他代理的概率，该概率与它交互的每个代理是一种类型或另一种类型。研究了意见的动态性和主体间信任的演化。两个阶段的存在的明确证据，一个是强极化观察和一个明确的划分是永久性的，并加强观察。这种转变似乎是一级转变的迹象，其位置取决于模型的参数和初始条件。尽管信任网络的发展速度远远慢于对核心问题的看法，但这种情况还是发生了。
2013-04-12 cs.MA cs.SI physics.soc-ph
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
Simulating Opinion Dynamics in Heterogeneous Communication
由于现有信息对我们的看法和意见至关重要，我们有兴趣了解传播良好信息的条件。本文探讨了意见动力学的多代理人为基础的模拟时，代理人得到不同来源的信息。实施的方案包括三个主要的信息采集流，不同的内容和感知的可靠性的消息传播。代理人的内部意见通过访问信息源之一，即媒体和专家，或通过相互交换信息来更新。他们还被赋予了接受、拒绝或部分考虑所获得信息的认知机制。我们期望，对等通信和可靠的信息源都能够减少偏见的看法，并抑制信息欺骗，可能是由媒体所执行的广告设置理论。在本文中，在简要介绍了假设和模型之后，将详细说明模拟设计，并将针对假设讨论结果。最后，对今后的研究提出了一些思考和设想。
2011-01-16 cs.MA cs.SI physics.soc-ph
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
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
Tuning Cooperative Behavior in Games with Nonlinear Opinion Dynamics
我们研究了调整的合作行为，在重复的多智能体游戏中使用的分析听话，连续时间，非线性模型的观点动力学。每个模型化的代理更新其对每个可用策略的实值意见，以响应网络上观察到的收益和其他代理意见。我们展示了该模型如何提供一个原则性和系统性的手段来调查代理人的行为，这些代理人使用理性和互惠来选择策略，这是人类在社会困境中决策的关键特征。对于两个策略的游戏，我们使用分歧分析，以证明两个平衡的双稳定性和第一（第二）平衡的条件，以反映所有的代理人有利于第一（第二）的战略。我们证明了模型参数，例如，对他人意见的关注程度（互惠性）、网络结构和收益影响动态，特别是影响每个稳定均衡的吸引区域的大小。我们提供的见解，通过检查调整的相互合作和相互背叛的双稳态和他们的区域的吸引力的重复囚徒困境和重复的多代理公共产品游戏。我们的研究结果推广到更多的策略，异质性和额外的反馈动态，如那些旨在引起合作的游戏。
2021-11-23 cs.MA cs.SI math.DS
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
Noise-synchronizability of opinion dynamics
本文研究了在有界信心（BC）模型中噪声诱导同步的问题，提出了一种结合BC方案和局部讨论拓扑的新模型，并证明了在时间变化讨论图均匀联合连通的条件下，噪声诱导同步几乎必然成立，建立了讨论图连通性与噪声对意见共识有益效应的等价关系。
2018-10-09 cs.MA cs.SI cs.SY
Opinion formation and distribution in a bounded confidence model on various networks
在社会科学、行为科学和经济科学中，预测哪些个人观点最终会在大量人群中占据主导地位、是否会形成共识以及形成共识需要多长时间是一个重要问题。这个想法在物理学和其他学科中都得到了大量的研究，答案在很大程度上取决于观点的模型和观点演化的网络结构。一个被创建来定量研究共识形成的模型是Deffuant模型，在该模型中，群体的意见分布通过顺序随机成对相遇而演变。为了考虑由于社会影响而导致的群体中交互的异质性，我们使用几种交互机制研究了各种网络结构（确定性合成网络，随机合成网络和由Facebook数据构建的社交网络）上的Deffuant模型。我们数值模拟的Deffuant模型，并进行回归分析，以调查的收敛时间的依赖性，以平衡的参数，包括一个置信区间的意见更新，参与实体的数量，他们愿意妥协。我们发现，网络结构和参数值的收敛时间都有影响，并为某些网络拓扑结构，收敛时间经历了一个过渡的置信界的临界值。我们讨论的意见群体的数量，形成在平衡的信心约束阈值从共识过渡到多意见均衡。
2017-01-09 cond-mat.dis-nn cs.SI math.DS
