CIN 计算智能和神经科学 1687 - 5273 1687 - 5265 Hindawi出版公司 10.1155 / 2015/345160 345160年 研究文章 基于个人的意见交互模型的说服力 周 鑫 http://orcid.org/0000 - 0002 - 2962 - 9254 陈 本 刘 梁 马 梁 邱 于宁波 陈 Ye-Sho 信息系统与管理学院 国防科技大学 长沙410073 中国 nudt.edu.cn 2015年 5 10 2015年 2015年 03 02 2015年 13 04 2015年 15 04 2015年 5 10 2015年 2015年 版权©2015年鑫周et al。 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。

为了研究群体舆论的形成过程在现实生活中,我们提出一个新的观点交互模型基于Deffuant模型及其改进模型本文因为当前的舆论动力学模型缺乏考虑个人说服力。我们的模型有以下优点:首先说服力添加到个人的属性反映说服力的重要性,这意味着所有的个人都与众不同;其次介绍了概率的过程中交互模拟不确定性的交互。在蒙特卡洛模拟实验中,灵敏度分析包括随机性的影响,初始说服力分布,起初和个人研究的数量;接下来是一系列普遍的观点基于最初的说服力可以预测分布。仿真实验结果表明,当代理人的初始值是固定的,无论多少次独立重复实验中,普遍的观点将在一定收敛点;然而,并不总是相同的迭代次数;普遍的观点是可以预测的范围当初始分布的意见和说服力。结果,该模型可以反映和解释一些现象的观点在现实社会互动。

 1。介绍

在过去的几十年里,个体的学习行为有丰硕的研究成果和复杂的组织现象。毫无疑问,个人和群体行为的现象是密不可分的。组包含大量的个人,而常见的大量的个人行为构成许多宏观的事。因此,它是一个有效的方法来研究团体现象基于个人的行为。自从人类社会也可以被认为是一个复杂的多组分体系组成的个人与自己在物质环境和交互,这是一个挑战开发策略允许的定量建模过程集体社会动态宏观流程( 1]。在社会动态的,有一个前提,社会现象的基本成分不是粒子,而是人类和每个个体与数量有限的同行,通常微不足道的总人数的系统。如此多的宏观现象自然呼吁社会行为统计物理学方法,这意味着试图理解规律在大规模集体单一个体之间的相互作用的影响,认为是相对简单的实体( 2]。

在个体认知学习行为的研究,布伦纳( 3]总结个人的认知行为是无意识的学习 4, 5],routine-based学习[ 6),和信仰学习( 7, 8)根据个体意识的力量。然而,在出现复杂现象的研究,许多研究人员提出了许多模型根据社会动态,来源于统计物理学,如舆论演化[ 9, 10[]、文化传播 11),疾病传播 12, 13),和谣言的传播 14, 15]。其中,舆论动力学一直是一个热门的研究领域,它反映和解释各种社会现象从集体决策,寻找,没有找到共识,政党的出现,少数意见生存,出现极端主义,等等 16]。本文的观点基于舆论动态出现的现象进行了研究。

到目前为止,学者提供的意见动力学模型可以描述意见互动情况在现实社会在一些特殊的情况。基于形式的舆论,舆论动力学可以分为离散模型和连续模型。在离散模型,看来是一个离散数值变量包括选民模型( 17],Sznajd模型[ 18),和Galam模型( 19]。选民的概念模型是一个代理可能会受到一个邻居,以改变其投票选择或邻居的意见等地方产生全球影响整个人口的集体投票结果的过程。Sznajd模型指出,一个由两个或两个以上的更容易被说服的人分享相同的意见而不是一个人。Galam模型描述了同意的过程是由少数服从多数。在连续模型,看来是一个连续变量,包括Deffuant模型( 20.)和香港模型( 21主要是。常见的地方这两个模型是两个人不会交换他们的意见,直到他们的观点的差异低于一个阈值。然而,Deffuant模型中个体只能与一个个体在每一步,它可以与许多人在香港模式。除此之外,有很多的模型基于这两种基本模型。

在早期的研究中,个人是均匀的。随着研究的深入,许多学者将异构属性添加到个人,如个人无主见的人,和蔼可亲的人,固执的人,固执的人,意见领袖,和权威的个人 22]。过去的主要网络组一维环,网格,普通网络,完全连接网络( 22]。然而,复杂网络,尤其是小世界网络和无标度网络的发现,注入新生命动力学研究的意见。复杂网络的舆论动力学( 23, 24)和自适应网络中共同进化的观点也逐渐成为一个热门话题 25, 26]。

提出了一种新的基于Deffuant舆论互动模型模型及其改进模型。这种模式强调个人的重要性的说服力和模拟的变化趋势组的意见。这一目标,本文的其余部分组织如下。以前的工作对Deffuant模型中引入部分 2。一个新的模型然后在部分 3。之后,通过仿真实验,三个问题 4解决:随机性的影响,初始说服力分布的集团和个人的数量普遍的观点,随机性的影响,初始说服力分布的集团和个人的迭代的数量的实验,和区间的预测意见常见的基于组的初始分布说服力。最后,在节 5我们的模型,我们有一个讨论的含义。

 2。以前的工作Deffuant模型

Deffuant模型的主要观点( 20.)是,考虑人口<我nline-formula> N 代理与连续的意见<我nline-formula> O 在每个时间步,随机选择两个代理来满足。他们调整他们的意见当他们不同的意见在大小是小于一个阈值<我nline-formula> d 。假设这两个代理意见<我nline-formula> O 我 和<我nline-formula> O j 这<我nline-formula> | O 我 - - - - - - O j | < d ,<我nline-formula> 我 和<我nline-formula> j 代表了<我nline-formula> 我 th和<我nline-formula> j 个人,分别;根据意见进行调整 (1) O 我 = O 我 + μ · O j - - - - - - O 我 , O j = O j + μ · O 我 - - - - - - O j , 在哪里<我nline-formula> μ 是收敛的参数在模拟在0到0.5之间。阈值条件的基本原理是只代理进行交互时,他们的意见已经足够接近;否则,他们甚至不费心去讨论。

老实说,有很多模型提出后Deffuant模型,特别是一些异构模型。洛伦兹( 27]研究异构的信心,两种类型的个体,即开放和封闭的思想,进行了研究。开放和封闭的思想个人之间的区别是,他们拥有不同的<我nline-formula> d 。此外,极端主义的个人研究Weisbuch et al。 28]。极端主义模型是基于两个假设:少数极端分子和极端观点的意见光谱介绍了交互和非常低的阈值;当阈值允许交互,意见和阈值的调整是根据类似的表达式。这意味着在极端主义模型中,阈值<我nline-formula> d 将改变交互;换句话说,更多的“宽容”代理(大<我nline-formula> d )可以受到更少的宽容(小<我nline-formula> d ),而宽容的代理不是越少。更重要的是,真理追寻者们讨论Hegselmann和克劳斯( 29日]和Malarz [ 30.]。在寻求真正的模型中,两个参数添加到Deffuant模型:<我nline-formula> T ∈ ( 0 1 ] 和<我nline-formula> α 我 代表真正的意见和吸引力的力量真相<我nline-formula> 我 分别th代理。

然而,所有改进Deffuant模型只能处理一个方面问题。其中大部分集中在阈值<我nline-formula> d ,而他们很少把参数<我nline-formula> μ 要考虑进去。更重要的是,他们中的大多数组划分为几个类别,比如开放个人和思想封闭的个体。尽管如此,确实在现实社会,所有的人与别人不同。因此,分析一个案例,不同个体的不同<我nline-formula> μ ,即说服力。

 3所示。模型

假设一个场景,一群人讨论的话题。每个人都有自己的态度和某个感兴趣的话题。然而人们不能只坚持自己的观点,因为作为一个个体的社会,应该考虑别人的意见。讨论后,集团应该达成协议。这个场景经常出现在现实社会中,如在国会讨论的一些话题和娱乐场所的讨论去哪里在周末办公室成员。

本文通过建模和模拟现场实验。任何两个人选择随机的组可以交换他们的意见。根据轮意见发表,新一轮的意见只是影响到最后一轮的意见。在互动的过程中,个人被忽略的一系列演讲这意味着整个集团的演讲是平行的。个人获得的最后一轮意见本身和相反的人的观点,然后计算当前一轮意见本身符合一些行为规则和后公布下一轮的新观点。群的进化观点,最终形成一系列聚合macroopinion集群。

本文介绍了模型的形式的代理。个人抽象代理,而每组由很多代理。每个代理都有相同的属性和行为规则,尽管他们可能不同于具体的属性值或具体的行为。通过微观互动的交互过程中,可以找到集团的一些宏观现象出现。

3.1。代理的属性

代理的属性被抽象为指数,看来,和说服力。解释这些属性如下。

3.1.1。指数

区分于其他代理,每个代理都有一个独特的身份。

 3.1.2。的意见

在讨论某些话题,每个代理都有自己的意见。意见是观察一件事的立场或态度。数学模型,认为抽象为离散变量和连续变量。虽然也许太简单模型复杂的人类社会,它有一些优势,某些问题,如“向左或向右的,”“批准或不批准,”和“去教室或图书馆。“由于各种意见一定主题,为方便分析,建模的观点是由0到1之间的连续间隔指Deffuant模型。0和1之间,代表相反的意见和0.5代表中立意见值在不同的情况下有不同的含义。

 3.1.3。说服力

说服力是能够说服其他个体。为了保护自己的利益,每个人都想说服别人,让他们接受其意见的讨论。然而,状态通常是不平等的。有些人更高的资格,老人年龄,或某些领域的意见领袖。所以他们的观点有一个指导作用对别人和他们的说服力比其他人高。大多数人有类似的知识在一定的话题,并没有深入的研究。所以他们的意见只是参考他人,其说服力是较低的。借鉴数学模型的观点,说服力是由连续间隔从0到1。之间,0代表最低的劝说,1代表最高的劝说,和0.5代表,个人都有自己的观点一个主题,但没有深入了解它。

 3.2。代理的意见更新规则

本文不考虑网络的拓扑结构模型。我们关注的是个体的说服力和互动的影响概率在交互的过程。在现实生活中,如果两个人之间的区别很低,彻底它们之间相互作用的概率会高。然而,它不能保证双方将相互作用,因为有很多个人性格等其他因素交互影响。如果双方之间的差别很大,彻底的交互的概率很小。与前者相似,它不能保证双方不会互动的交互的概率就低。说服力,个体具有较高说服力可以改变其他的意见更容易比低的说服力。

假设有<我nline-formula> N 个人在有限集<我nline-formula> 一个 = 1、2 , … , N ,形成<我nline-formula> N × 1 意见列向量<我nline-formula> O 1 ( t ) , O 2 ( t ) , … , O N ( t ) ,在那里<我nline-formula> O 我 ( t ) 是<我nline-formula> 我 个人的意见<我nline-formula> t 圆的,<我nline-formula> O 我 ( t ) ∈ ( 0 1 ] ,<我nline-formula> 我 ∈ 一个 ,<我nline-formula> t ≥ 0 ,在那里<我nline-formula> t = 0 是初始的意见。同样的,有<我nline-formula> N × 1 说服力列向量<我nline-formula> P 1 , P 2 , … , P N ,在那里<我nline-formula> P 我 是<我nline-formula> 我 个人的说服力,<我nline-formula> P 我 ∈ ( 0 1 ] ,<我nline-formula> 我 ∈ 一个 。在我们的模型中,每个个体的说服力是固定的,不会改变。为方便描述,代理的指数<我nline-formula> 我 用于研究的对象,这是表示代理吗<我nline-formula> 我 。使用上面的想法,代理的意见更新规则<我nline-formula> 我 描述如下:

每一次代理<我nline-formula> 我 随机选择一个代理合作伙伴,表示代理代理<我nline-formula> j ;

如果<我nline-formula> ( p < ( 1 - - - - - - | O 我 ( t ) - - - - - - O j ( t ) | ) ) ,然后进入步骤<我nline-formula> ( 3 ) ;其他人退出;

(2) O 我 t + 1 = O 我 t + P j · O j t - - - - - - O 我 t 。

在公式( 2),<我nline-formula> p 的概率是随机概率这意味着交互,<我nline-formula> p ∈ ( 0 1 ] ,服从均匀分布。

这个模型中汲取教训从Deffuant模型和其他一些均匀Deffaunt模型。老实说,如果每个人都拥有相同的和固定参数<我nline-formula> p 和<我nline-formula> P 我 我们的模型,没有区别和Deffuant模型。然而,当这两个参数是区别人与人之间,许多新问题应该得到解决。图 1显示了古典观点Deffuant模型的进化过程。

古典观点演化过程(初始组意见分布服从均匀分布从0到1);的个体数量是1000。横纵坐标代表迭代数,和垂直纵坐标代表个人意见。(一)<我nline-formula> p = 0.5 ,<我nline-formula> P 我 = 0.3 ;(b)<我nline-formula> p = 0.3 ,<我nline-formula> P 我 = 0.3 ,<我nline-formula> 我 ∈ 一个 。

从图 1我们可以知道,随着迭代的,该集团的意见逐渐收敛,形成了稳定的集群的意见和达成协议。因为网络的关系组是全连通图,所以模型的结果是受到随机性的影响,初始意见分布和说服力的个人。

 4所示。模拟

这个系列的实验设置一定规模的代理,不考虑网络的拓扑结构。当两个观点的绝对差小于0.001,我们假设他们的意见是一样的。仿真将结束当所有的代理都有相同的意见。实验流程如下:

初始值分配给所有的代理商;

在每个时间步,每个代理都可以随机选择一个代理交换意见。如果个体的总数是奇数,代理人将在这一轮错过一次交互,它不会与他人交换意见;

所有代理改变他们的观点基于意见更新规则第三节除了想念的人,

重复步骤<我nline-formula> ( 2 ) 和步骤<我nline-formula> ( 3 ) ,如果整个团队达到达成协议,停止仿真实验。

此外,为方便在宏观方面演化特征的分析,定义了两个索引。迭代次数(陈列)的总时间的步骤当所有的代理商有相同的观点,这表明群体舆论的收敛速度。普遍的观点(有限公司)是集团的意见当所有的代理商有相同的意见,决定变化的趋势组的意见。

在意见更新模型中,有两个因素影响公司和随机过程。一个因素是初始分布的说服力和意见以及它们之间的对应关系。另一个因素是相互作用的概率。责任,该集团可能服从不同分布。然而,为方便分析,我们假设三个说服力分布,即正态分布、指数分布和均匀分布。三个实验已经完成。实验4.1和4.2的实验都是基于相同的初始条件。它们之间的区别是,实验4.1侧重于分析的因素(随机性的影响,初始分布,个体的数量)影响有限,而实验4.2压力因素(随机性的影响,初始分布,个体的数量)过程的影响。4.3实验需要两个初始分布(正态分布和指数分布)考虑预测的范围有限

4.1。随机性的影响,初始分布,个体的数量有限

在这个实验中,我们将讨论三组实验,每组实验也分为三个实验。这三组实验相同的初始意见分布服从均匀分布。它们之间的区别是,第一组实验的初始说服力分布遵循正态分布,它可以表示为“也”,第二组实验的初始说服力分布均匀分布,是表示“Unif”和保持组实验遵循指数分布可以表示为“实验。“每组实验也分为三个实验中,杰出的个体的数量。每组实验中,分别有100个代理商,代理商,1000和10000代理。所以总共有9个实验;“和”的三个实验可以表示为“Nor100,”“Nor1000,”和“Nor10000,”分别;三个实验的“Unif”表示为“Unif100,”“Unif1000,”和“Unif10000,”分别;三个实验的“经验”是表示“Exp100”,“Exp1000,”和“Exp10000”,分别。每个实验都是独立重复计算出100倍。

随机数发生器分别生成初始意见分布和初始说服力集团基于以上需求的分布。假设所有实验的初步意见分布服从均匀分布,从0到1。至于“Nor100”、“Nor1000”和“Nor10000,”最初的说服力集团遵循正态分布的均值<我nline-formula> μ 是0.5和标准偏差<我nline-formula> σ 是0.1667。关于“Exp100”、“Exp1000”和“Exp10000,”最初的说服力集团服从指数分布的参数<我nline-formula> λ = 5。作为“Unif100”、“Unif1000”和“Unif10000,”最初的说服力集团遵循均匀分布的低绑定是0和高是1。如果生成的说服力大于0.99或小于0.01,它将再次生成。在一个极端的情况是考虑;最初的意见分布和初始说服力是一一对应的,在所有这些九个实验,可以标记为正序的信件。原因考虑的情况是,它一方面反映一些现象在现实生活中,比如建议满足的欲望高的有说服力的人虽然并不符合低的利益有说服力的人;另一方面它可以推断总体的情况。

平均值和标准偏差,因为九实验如表所示 1。

因为九实验。

组名称 Nor100 Nor1000 Nor10000
平均值 0.5818 0.5978 0.5838
偏差 7.7987 ∗ 10 - - - - - - 6 1.5884 ∗ 10 - - - - - - 6 2.7965 ∗ 10 - - - - - - 6
组名称 Unif100 Unif1000 Unif10000
平均值 0.6353 0.6643 0.6656
偏差 1.1000 ∗ 10 - - - - - - 5 2.5195 ∗ 10 - - - - - - 6 4.9222 ∗ 10 - - - - - - 6
组名称 Exp100 Exp1000 Exp10000
平均值 0.7272 0.7482 0.7500
偏差 1.1030 ∗ 10 - - - - - - 5 3.0887 ∗ 10 - - - - - - 6 5.6305 ∗ 10 - - - - - - 6

基于表 1可以发现,三个现象。<我nline-formula> ( 1 ) 从每个实验中,所有的独立重复实验“Nor100”收敛为0.5818;所有的独立重复实验“Nor1000”收敛为0.5978;其他实验类似于“Nor100”和“Nor1000”在不同的固定值收敛。<我nline-formula> ( 2 ) 基于分布分类实验,不管有多少代理,因为“Nor100,”“Nor1000”和“Nor10000”到处都是0.58;因为“Unif100”、“Unif1000”和“Unif10000”到处都是0.66;因为“Exp100”、“Exp1000”和“Exp10000”都是0.74左右。<我nline-formula> ( 3 ) 分类实验根据数量的个人、公司的“Unif”大约是0.8比“也”和“经验”是约0.8大于“Unif”数量的个体都是相同的。

没有公式推导,通过这些实验结果可以得出一些结论。<我nline-formula> ( 1 ) 公司将在一个固定的汇聚点当所有代理的初始值是固定的。从实验的角度,因为一组实验都是相同的。从数学的角度来看,标准偏差的数量级是几乎接近<我nline-formula> 1 。 0 ∗ 10 - - - - - - 5 在每组实验表 1。实验前提认为两个代理将达成协议的差异小于他们的意见<我nline-formula> 1.0 ∗ 10 - - - - - - 3 。偏差只能影响舆论价值<我nline-formula> 10 - - - - - - 4 基于<我nline-formula> 3 σ 原则,因此它不会改变舆论价值<我nline-formula> 10 - - - - - - 3 。通过这种方式,认为将收敛在一个固定的点。<我nline-formula> ( 2 ) 如果最初的说服力集团遵循相同的分布和参数的数量对公司个人几乎没有影响。<我nline-formula> ( 3 ) 最初的说服力分布对公司有很大的影响,和不同初始说服力分布会导致不同的因为。<我nline-formula> ( 4 ) 随机性对公司没有影响。根据意见更新规则,有两个随机过程的互动,一个进程是随机选择的两个代理进行交互,另一个是是否交换他们的意见是基于概率。然而,因为100年的独立重复实验每组实验都是相同的。所以就没有任何区别了基于实验结果。

 4.2。随机性的影响,初始分布和随机过程的个体数量

这个实验的初始条件与实验4.1相同。在这个实验中,随机性的影响,代理的属性的初始分布,个体的数量随机过程进行了讨论。图 2显示9个实验的过程。中,数据 2(一个), 2 (b), 2 (c)展示陈列的差异时,他们有相同的初始分布,但不同数量的个体;数据 2 (d), 2 (e), 2 (f)展示陈列的区别当他们有相同数量的个人但不同初始分布。在这些数据中,横向坐标表示不同的实验,和垂直坐标代表随机过程的均值和偏差。

随机过程的九个实验。

很多现象可以从图中找到 2。<我nline-formula> ( 1 ) 从数据 2(一个), 2 (b), 2 (c),陈列的三个分布的平均值增加个人的数量不断上升。其中,上升速度的平均值是最明显的“经验”,“Exp10000”的平均值约15比“Exp100”;第二个是“Unif”,“Unif10000”的平均值是大约4比“Unif100”;至少是“也”,意思是“Nor10000”是关于2的价值大于“Nor100。”<我nline-formula> ( 2 ) 从数据 2 (d), 2 (e), 2 (f)平均值的随机过程的“经验”是最大的“也”是最小的在相同数量的个体。

没有公式推导,可以获得三个结论基于仿真实验结果。<我nline-formula> ( 1 ) 随机过程的随机性差异的基本原因。随机过程是一样的没有随机性条件相同的初始值。<我nline-formula> ( 2 ) 说服力的初始分布越集中约0.5,过程将会越少。从公式( 1)我们可以推断,它只需要一个交互双方的交互达成协议当他们的说服力是0.5。如果他们的说服力是远离0.5,它需要不止一次达成协议。实验结果证明它。在“Exp100”、“Exp1000”和“Exp10000”,最初的说服力分布服从指数分布的低说服力个人很大的数量和高个人说服力的数量很小。在“Nor100”、“Nor1000”和“Nor10000”,最初的说服力分布遵循正态分布的均值为0.5,标准差是0.1667。“实验”的过程远远高于“也”的相同数量的代理。<我nline-formula> ( 3 ) 增加的数量的代理,有陈列逐渐增加。然而,增加的速度取决于最初的说服力分布。

 4.3。两个预测实验

在这个实验中,一种情况是最初的意见分布和初始说服力集团是已知的,但我们不知道它们之间的对应关系。公司无法获得,因为每个代理的意见和说服力的价值不能提前了。计算边界条件是一个适当的解决方案,可以减少预测误差的程度有限公司讨论在现实生活中有两种情况:一个场景是,主题大多数人有自己的观点而只有少数人有深入了解或不知道;另一个场景是,大多数人没有想法的时候只有少数人有一个深入的话题。正态分布和指数分布可以代替这两个场景。通过仿真实验,有限的范围的初始说服力可以预测分布和初始的意见。

4.3.1。正态分布

有限的范围是基于两个边界:一个边界对应的初始说服力分布和初始意见之间的正序分布,和其他边界对应的负序。意见分布和说服力从小型到大型一一对应相应正序时一一对应,一个分布从小型到大型,另一个分布在相应负序由大变小。

正序相应考虑。假设最初的说服力集团遵循正态分布和初始意见组织服从均匀分布,从0到1。个体的数量是10000。因为说服力的范围从0到1,为了限制边界内的说服力又将产生说服力如果说服力大于0.99或小于0.01。正态分布的两个参数(偏差和平均值)。一系列离散值的标准偏差为0.02,0.04,0.06,0.08,0.1,0.12,和0.14分别和离散值的平均值是0.3,0.35,0.4,0.45,0.5,0.55,0.6,0.65和0.7分别是捡起。图 3展示了实验结果。在图 3(一个),横纵坐标代表均值,垂直纵坐标代表了公司,一系列不同的颜色和形状代表不同的标准差。在图 3 (b)”,最后“是平均值,标准差,“σ”和有限公司是集团的共同意见。

的影响<我nline-formula> μ 和<我nline-formula> σ 在有限公司

从图 3公司之间的关系,<我nline-formula> μ 和参数<我nline-formula> σ 服从一个分布估计这可能是类似于二维正态分布。基于二维正态分布,给出一个近似的参数方程如公式( 3)。最合适的曲线的公式是根据仿真数据和其他有可能曲线适合仿真数据: (3) f x , y = 一个 · e - - - - - - b · x - - - - - - u 2 - - - - - - c · y - - - - - - v 2 + d · x - - - - - - u · y - - - - - - v 。

中,参数<我nline-formula> 一个 ,<我nline-formula> b ,<我nline-formula> c ,<我nline-formula> d ,<我nline-formula> u ,<我nline-formula> v 是真实的从负无穷到正负数。<我nline-formula> x 代表平均值<我nline-formula> μ ,<我nline-formula> y 代表偏差<我nline-formula> σ ,<我nline-formula> f ( x , y ) 有限公司拟合曲线后,公司之间的关系,<我nline-formula> μ ,<我nline-formula> σ 如公式( 4)。考虑以下: (4) 有限公司 = 0.5352 ∗ e 0.2804 μ - - - - - - 1.007 2 - - - - - - 0.5445 σ - - - - - - 0.1305 2 - - - - - - 2.008 μ - - - - - - 1.007 σ - - - - - - 0.1305 。

表 2显示了四个指标的拟合曲线。平方误差的总和(SSE)和根均方误差(RMSE)接近0;确定系数(<我nline-formula> R 调整确定系数(广场)和自由度调整<我nline-formula> R 广场)接近1。这意味着拟合效果好,可以预测未知数据成功。

指标的拟合曲线。

指数 价值
上交所 0.0005162
RMSE 0.003009
R 广场 0.9896
调整<我nline-formula> R 广场 0.9887

图 4显示了结果的拟合曲线。曲线在图 4(一)和 4 (b)基于公式( 4)。其中,与图纵坐标的含义是相同的 3。

基于公式的拟合曲线( 4)。

此外,被认为是对应的负序。以上所有的条件都是一样的,除了序列对应关系初步意见分布和初始的说服力。然而,没有必要重新计算,因为最初的意见分布服从均匀分布,从0到1的对称特点。公司相应的负序与正序对称对应的对称轴是<我nline-formula> x = 0.5 ,在那里<我nline-formula> x 是最初的横纵坐标意见分布。

假设初始说服力意味着价值的分布服从正态分布<我nline-formula> μ 0 和标准偏差是<我nline-formula> σ 0 。正序对应CO1、负序的公司来标示相应的二氧化碳。CO1可以从计算<我nline-formula> f ( μ 0 , σ 0 ) ,在那里<我nline-formula> f ( · , · ) 公式( 4),而二氧化碳= 1−CO1。所以公司的范围可以从CO1预测大约是二氧化碳。

 4.3.2。指数分布

正序相应考虑。假设组织服从指数分布的初始说服力和初始意见组织服从均匀分布,从0到1。个体的数量是10000。因为说服力的范围从0到1,为了确认边界内的说服力,又将产生说服力如果说服力大于0.99或小于0.01。指数分布的参数表示<我nline-formula> λ 。一系列的离散值<我nline-formula> λ 设置为3,4,5,6,7,8,9,10,11,12、13和14。图 5给出了实验结果。水平坐标代表参数<我nline-formula> λ ,纵坐标代表集团的股份有限公司。

参数的影响<我nline-formula> λ 在有限公司

图 5显示参数<我nline-formula> λ 是无意义的,因为都是0.73左右。因此,结论可以被收购公司大约等于0.73基于这样一个前提:最初的说服力服从指数分布和初始意见服从均匀分布,从0到1的正序对应。

此外,被认为是对应的负序。所有的条件都是一样的,上面除了相应序列之间的关系。然而,没有必要重新计算,因为最初的意见分布服从均匀分布,从0到1的对称特点。计算与实验过程是相同的<我nline-formula> 4.3 。 1 。

假设初始说服力分布服从指数分布的参数<我nline-formula> λ 0 。正序对应的结果是表示CO1和负序相应的二氧化碳。CO1 = 0.73,而二氧化碳= 1−CO1 = 0.27。这样的公司可以预测大约从0.27到0.73不等。

 4.4。结论

通过仿真实验,一些有意义的结论和预测方法进行了总结如下。

不管有多少独立复制实验,如果所有个体的初始值是固定的,集团的公司是固定的。

随机性、初始分布和数量的代理对实验的过程有很大的影响。初始说服力分布越集中于0.5,河内是越少。在现实社会中,说服力值为0.5时表示,个人都有自己的观点一个主题,但没有深入了解它。

的方法预测区间有限公司提出的条件分布的初步意见和最初的说服力是提前知道。当初始意见分布服从均匀分布,从0到1,初始有说服力的分布服从正态分布,意味着价值<我nline-formula> μ 0 和标准偏差是<我nline-formula> σ 0 ,公司的预测区间<我nline-formula> f ( μ 0 , σ 0 ) 来<我nline-formula> 1 - - - - - - f ( μ 0 , σ 0 ) 在函数<我nline-formula> f ( · , · ) 公式( 4)。当初始意见分布服从均匀分布,从0到1和初始有说服力的分布服从指数分布,预测区间有限公司从0.27到0.73。

5。讨论

本文侧重于个人说服力的意见交互的影响,构建一个新的基于Deffuant舆论互动模型模型及其改进模型。我们的模型和Deffuant模型之间最不同的是,所有的人在我们的模型不同于其他人,即拥有不同的说服力。如果这样的机制的一个社区决定是正确的,我们的模型会导致以下的结论。

在一个封闭的社区(孤立)可能有不同的意见,从人在原始状态。短期和长时间后我们的模型往往是“命令”国家之一,有可能反映了情况,需要一个共同的决定。

对于一定的封闭社区的讨论主题,当整个团队的初始条件是已知的,结果可能是提前预测。可能不容易预测的收敛时间,因为许多不确定因素,如数量的个体,个人说服力,等等。

最重要的因素之一是说服力的分布。承担部分 4.3。2例如,最初的说服力组的分布遵循指数分布。尽管高说服力个人的比例远小于低说服力的个人,普遍的观点总是附近高说服力的个人的意见。通过我的意思是,公众(说服力较低)可能很容易受到舆论领袖(高说服力)和改变他们的观点接近的意见领袖经常发生在今天的社会;特别是有些人知道真相。所以,为了使组织方法的意见,最重要的是提高自己的说服力,而不是个体的数量。

综上所述,建议非常简单的规则触发一个相当复杂的动力学。然而,一个人可以怀疑这些规则正确描述的机制决定。当然也有其他的可能性在改进后的模型。因为人类是完全相反的简单实体,如原子和分子,事实上他们每个人的具体行为已经是一个复杂的结果的利益,利益,特别是许多生理和心理过程。然而在模型中,我们考虑一个特定案例中提到的部分 3。这些仿真结果反映和解释一些社会舆论互动的现象在某种程度上;例如,个人说服力远远比个人的数量更重要的讨论,已预测的一个重要指导意义的共同意见。

 利益冲突

作者宣称没有利益冲突有关的出版。

 承认

本文研究得到了国家自然科学基金(91024030号,71303252,61403402,41201544,,71373282)。

 Weidlich W。 Sociodynamics-a系统方法在社会科学的数学模型 复杂系统的非线性现象 2002年 5 4 479年 487年 可以见到效果 C。 Fortunato 年代。 Loreto V。 统计物理学的社会动态 现代物理学的评论 2009年 81年 2 591年 646年 10.1103 / revmodphys.81.591 2 - s2.0 - 65549108449 布伦纳 T。 代理学习表示:建议造型学习经济 计算经济学手册 2006年 2 北荷兰 895年 947年 亚瑟 w·B。 设计经济主体,像人类代理人:有限理性的行为方式 美国经济评论 1991年 81年 2 353年 359年 罗斯 答:E。 Erev 我。 学习在粗放型游戏:实验数据和简单的动态模型从中期来看 游戏和经济行为 1995年 8 1 164年 212年 10.1016 / s0899 - 8256 (05) 80020 - x MR1315993 2 - s2.0 - 58149324992 安德森 c . M。 卡默勒 c F。 Experience-weighted sender-receiver信号吸引学习游戏 经济理论 2000年 16 3 689年 718年 2 - s2.0 - 0034340489 约旦 j·S。 贝叶斯学习范式的游戏 游戏和经济行为 1991年 3 1 60 81年 10.1016 / 0899 - 8256 (91)90005 - y MR1089760 2 - s2.0 - 0002298153 埃德蒙兹 B。 建模基于主体的有限理性模拟使用心智模式的演变 计算模型的技术学习经济学 1999年 11 305年 332年 计算经济的进步 10.1007 / 978 - 1 - 4615 - 5029 - 7 - _13 刘 Y。 丁 F。 张 Z。 一项调查共识形成和演化的模型 北京交通大学学报 2010年 34 5 83年 88年 2 - s2.0 - 78650220849 贾 F。 根据意见形成理性推理模型 北京交通大学学报 2011年 35 2 60 65年 2 - s2.0 - 79957653804 Hao-Xiang X。 Hui-Li W。 Zhao-Guo X。 观点动力学:多学科评估和对于未来的研究的观点 国际知识和系统科学杂志》上 2011年 2 72年 91年 10.4018 / jkss.2011100106 陆 杨绍明。关铭 江 G.-P。 首歌 Y.-R。 流行病蔓延在无标度网络意识 中国物理B 2012年 21 10 100207年 10.1088 / 1674 - 1056/21/10/100207 2 - s2.0 - 84867295887 龚 Y.-W。 首歌 Y.-R。 江 G.-P。 流行病传播的影响在无标度网络包括个人警惕 中国物理B 2012年 21 1 010205年 10.1088 / 1674 - 1056/21/1/010205 2 - s2.0 - 84863031173 方 Z。 广雅 年代。 π l 一项调查对谣言传播模型 复杂系统与复杂性科学 2009年 6 4 1 11 顾 Y.-R。 夏 l l。 谣言的传播和抑制在线社交网络 《物理学报》 2012年 61年 23 238701年 10.7498 / aps.61.238701 2 - s2.0 - 84871539413 洛伦兹 J。 连续的观点动力学下有界信心:一项调查 国际现代物理学杂志》上 2007年 18 12 1819年 1838年 10.1142 / s0129183107011789 2 - s2.0 - 39649097134 Sood V。 红肿 年代。 选民模型在不同的图形 物理评论快报 2005年 94年 17 178701年 10.1103 / physrevlett.94.178701 2 - s2.0 - 27144483844 Sznajd-Weron K。 Sznajd J。 舆论演化在封闭社区 国际现代物理学杂志》上 2000年 11 6 1157年 1165年 10.1142 / s0129183100000936 2 - s2.0 - 71849095800 Galam 年代。 少数意见扩散随机几何 欧洲物理期刊B 2002年 25 4 403年 406年 10.1007 / s10051 - 002 - 8929 - 9 2 - s2.0 - 0000537878 Deffuant G。 Neau D。 Amblard F。 Weisbuch G。 混合交互代理之间的信仰 复杂系统的进展 2000年 3 87年 98年 10.1142 / s0219525900000078 Hegselmann R。 克劳斯 U。 观点动力学和有界信心:模型,分析和仿真 人工模拟社会和社会杂志》上 2002年 5 3 2 - s2.0 - 0011697225 Jiong-Ming 年代。 Bao-Hong l 气 l 虹许 M。 信任、进化和共识意见的社会群体 《物理学报》 2014年 63年 5 050501年 10.7498 / aps.63.050501 李 P P。 郑 d F。 回族 p . M。 小世界网络舆论形成的动力学 物理评论E:统计、非线性和软物质物理学 2006年 73年 5 056128年 10.1103 / physreve.73.056128 2 - s2.0 - 33744799421 冯 张炳扬。 关 J.-Y。 吴 Z.-X。 王 中州。 影响平均程度的网络舆论的有序无序转变动力学 中国物理B 2010年 19 6 060203年 10.1088 / 1674 - 1056/19/6/060203 2 - s2.0 - 77953596679 他 M.-H。 张 D.-M。 王 H.-Y。 李 X.-G。 方 P.-J。 公众舆论演化模型与变量基于规模免费的网络拓扑结构 《物理学报》 2010年 59 8 5175年 5181年 2 - s2.0 - 77955798408 Kozma B。 Barrat 一个。 在自适应网络共识的形成 物理评论E:统计、非线性和软物质物理学 2008年 77年 1 016102年 10.1103 / physreve.77.016102 2 - s2.0 - 40749128511 洛伦兹 J。 异构的信心:见面,讨论并找到共识! 复杂性 2010年 15 4 43 52 10.1002 / cplx.20295 MR2643262 2 - s2.0 - 77649102443 Weisbuch G。 Deffuant G。 Amblard F。 说服动力学 自然史一 2005年 353年 1 - 4 555年 575年 10.1016 / j.physa.2005.01.054 2 - s2.0 - 18844458565 Hegselmann R。 克劳斯 U。 真理和认知分工:第一步一个计算机辅助社会认识论 人工模拟社会和社会杂志》上 2006年 9 3、第十条 2 - s2.0 - 33745725681 Malarz K。 真理追寻者们在舆论动力学模型 国际现代物理学杂志》上 2006年 17 10 1521年 1524年 10.1142 / S0129183106009850 2 - s2.0 - 33750563017