文摘

在一个社交网络,用户深受他们邻居的意见,和用户的意见更新可以被看作是“囚徒困境”游戏。鉴于这样的考虑,本文提出了一种进化观点基于“囚徒困境”游戏和控制模型并给出相应的意见进化和控制算法。在不同初始积极观点的比例,不同的舆论控制的水平,和相同的控制阈值,在不同初始积极观点的比例,不同的舆论控制的水平,和不同的意见在无尺度网络中控制阈值,实验说明观点演化趋势和控制策略的措施改变舆论控制水平和舆论控制阈值对网络监管机构。实验结果表明,较低的初始比例和较小的(resp积极意见。大)控制舆论阈值选择的网络监管机构,降低(分别地。,更高的)意见控制水平;最初的积极意见比例越大,越大控制舆论阈值选择的网络监管机构,舆论控制水平越低。

1。介绍

在社交网络上,舆论传播的过程的过程本质上是每个网民传播他们的意见在他们的社区。基于传染病模型,戴利和肯德尔(1]提出了DK模型,认为没有什么关键在谣言传播的过程,并分析了随机性和确定性对谣言传播的影响。真希和汤姆森(2)提出了可控制模型,认为第一可以抑制谣言的传播。伊辛(3)连接粒子的正面和负面的正面和负面的观点,提出伊辛模型动力学描述的意见。Sznajd-Weron和Sznajd4进一步提出Sznajd模型。在他们的模型中,他们认为一个人会模仿他们的行为在人们,吸引更多的人去模仿。Sznajd模型的基础上,Deffuant et al。5,6)建立了连续舆论演化模型,即。、Deffuant模型和Hegselmann-Krause(香港)模型。莫雷诺et al。7,8)可使仿真实验模型,发现网络的聚类系数极大地影响在无标度网络谣言传播。他们进一步提出了一个谣言动态模型,使仿真实验在同构和异构网络。马丁斯(9)认为代理所固有的连续的意见和外部离散行为和提出了连续的意见和离散行为(柯达)模型。DeGroot [10)认为,个人意见是加权平均的更新所有邻国的意见和提议DeGroot模型。弗莱德金和约翰森11]介绍了顽固的个人,延长了DeGroot模型,并提出了Friedkin-Johnsen (FJ)模型。在FJ模型中,个人意见更新加权平均的凸组合其所有邻居节点的内在信仰的观点和意见。龚et al。12)提高了FJ模型,提出了一个structural-hole-based方法控制舆论,并分析了普通用户的影响用户的意见进化和结构洞。显然,这些研究主要集中在舆论演化规则和舆论动力学环境描述社交网络的舆论演化规律。

理解合作现象的普遍存在的观点演化的过程中,一些学者引入了博弈论观点演化的过程,在社交网络传播。刘等人。13]认为舆论传播过程的过程是不同的策略选择和应用博弈论观点演化模型。李等人。14)研究了基于进化博弈和谣言传播研究惩罚系数和负面消息的影响在舆论传播的危险因素。Hilbe et al。15]研究了进化的勒索重复囚徒困境游戏,发现进化的敲诈勒索并不是一个稳定的结果但可以促进合作的出现。徐et al。16)研究合作结构化种群的进化的上下文中重复游戏通过无条件的合作,无条件的背叛,和勒索策略,发现一个重要的角色的人口结构和微观策略动态发展的合作。诺瓦克和可能17)首先采用囚徒困境模型来研究集团组织的合作演化规则网络和发现的人用同样的策略逐渐集中在一群密度的自组织演化。唐et al。18]研究了平均程度的影响的“囚徒困境”游戏随机网络,小世界网络和无标度网络。

我们所知,很少有学者研究,认为进化和控制基于“囚徒困境”游戏。本文旨在建立进化和控制模型和相应的舆论意见和控制算法和发现之间的关系最初的积极意见比例,舆论控制的水平,和舆论控制阈值,提供各种各样的控制策略对网络监管机构在社交网络。

本文的其余部分组织如下。部分2建立舆论演化和控制模型和相应的算法基于“囚徒困境”游戏。第三节仔细地使一些实验在不同初始积极观点的比例,不同的舆论控制水平,相同或不同的舆论控制阈值在无标度网络。最后,第四节本文总结并提出了未来的研究方向。

2。舆论演化和控制基于“囚徒困境”游戏

在一个社交网络,用户主要传播两种不同的观点:正面意见和负面的意见。考虑到用户深受邻国的意见和灵感来自“囚徒困境”游戏(15),我们以两个任意相邻用户为两名球员,并考虑两种策略:积极的舆论传播和负面舆论传播。当两个用户选择积极的舆论传播(分别地。,negative opinion propagation), each player obtains the payoff(职责。 )。当两个玩家选择不同的策略,球员选择合作策略收益回报 ,和其他球员获得的回报 。一般来说,四个回报之间的关系 和 。特别是,捐赠游戏是游戏,玩家选择合作策略支付成本提供一个好处对于其他球员 ,导致参数 ,和 。为简单起见,我们集 在下面。

两个相邻的用户和 ,让表示用户的收益从用户 ,让消极的价值观、中性和积极的意见是用 ,分别。因为用户持有中立意见不容易或受他人的影响,我们只考虑用户持有正面和负面的意见和他们的相互作用。然后,我们可以获得的回报用户从用户 : 在哪里 。

表示所有邻居用户的集合通过 。然后用户的总回报 ,也就是说,从它的所有邻居,用 ,如下:

让和站的策略,即。,positive opinion propagation or negative opinion propagation, and the number of the neighbors of user ,分别。在游戏中,用户继续更新其策略基于邻居的回报和收益。然后我们假设从他们的一个邻居,随机选择一个策略与策略 ,他们的更新策略,更新概率可以被定义为

在一个社交网络不包括中立意见的节点,让(职责。 )表示用户持有积极的观点的比例(分别地。,negative opinions), simplified as positive (negative) opinion proportion in the following, at some time. As users continue to change their opinion propagation strategies, the values和不断变化。如果值 , ,和 网络中,我们称之为网络看作是积极的,中性的,分别和负面舆论网络。网络中立的意见网络和负面的看法,我们需要采用一些控制策略将网络变成积极的舆论网络。

当用户的比例持有积极的观点(职责。the proportion of the users holding negative opinions )达到控制阈值,用 ,网络监管机构应采用控制策略,比如说服用户,提供一些积极的信息,改变一些用户的意见,减少负面意见的比例的社交网络。为用户持有负面观点,我们假设点球变量代表舆论控制水平的回报是 在哪里是一个参数,代表网络的平均度, 。舆论控制水平越高,成本就越大,网络监管机构所需要的。显然,当 , 意味着用户没有控制网络的监管机构网络。然后,我们进一步得到一个新的回报与舆论控制水平为用户 ,用如下: 在哪里 。显然,当 ,我们有 。类似于前用户的策略更新原则,一个用户随机选择策略,他们的一个邻居,说与策略 ,他们的更新策略,更新概率

现在,我们提出一个意见进化和控制算法基于“囚徒困境”游戏(PDG-OEC算法),如下所示(算法1)。

网络监管机构,他们可以控制舆论演化趋势在社交网络通过灵活地改变舆论控制水平和舆论控制阈值基于PDG-OEC算法。

3所示。实验

的连接节点(节点的度)在社交网络服从幂律分布,我们将采用无标度网络19进化]提出的意见进行仿真实验和控制模型和PDG-OEC算法。说明网络拓扑的影响在我们的模型中,我们与1000个节点设置无标度网络的参数如下。初始节点的数量 ;新添加的数量在每一个时间节点 ,分别。五无标度网络,当最初的积极观点的比例(初始比例) ,我们获得五个观点演化趋势如图1。相比之下,发现积极的意见比例缓慢下降到稳定状态(甚至倾向于零)在所有网络。舆论演化模型下的原因是,基于“囚徒困境”游戏中,如果两个相邻用户选择不同的策略,然后选择负面舆论传播的用户获得更多回报相比,另一个用户,导致用户倾向于选择负面舆论传播的网络。事实上,真实的信息相比,谣言(虚假信息)更容易从一个用户传播到其他人和在某种程度上被用户接受。当 ,积极的舆论在相应比例下降最慢的网络与其他三个网络。为我们的实验目的,无标度网络的参数 和 将被选择。为新添加的节点,他们最初的策略随机选择从正面舆论传播和负面舆论传播。

在接下来的实验中,我们直接设置 ,然后是舆论控制水平是 ,缩写为 。

接下来,我们分析认为进化趋势在不同的初始比例下的无标度网络,舆论控制水平和舆论控制阈值 (见图2)。在图2(一个),当最初的比例 ,如果 ,它没有影响的趋势网络意见;如果 ,积极的观点的比例正在增加一个小范围和控制0.1至0.2的范围内,分别;如果 ,控制效果是显著的,积极的意见比例继续上升超过0.5。可以看出,在最初的比例 ,网络监管部门应采取网络舆论控制5级取得积极意见。在图2 (b),当最初的比例 ,如果 ,积极的舆论控制比例约为0.15,一个稳定的状态;如果 ,积极的意见比例不断上升超过0.5;如果 ,积极的意见比例上升,保持一个稳定的状态,分别,大是,它上升越快。可以看出,在最初的比例 ,网络监管部门应采取网络舆论控制二级取得积极意见。在图2 (c),当最初的比例 ,如果 ,积极的意见比例超过0.1,一个稳定的状态;如果 ,积极的意见比例超过0.3,一个稳定的状态;如果 ,分别的积极意见比例继续上升。后16^th较大的时间步长是,它上升越快。可以看出,在最初的比例 ,网络监管部门应采取网络舆论控制二级取得积极意见。在图2 (d),当最初的比例 ,如果 ,积极的意见比例迅速达到约0.52,一个稳定的状态,7^th时间步长;如果 ,积极的意见比例快速增加,然后慢慢上升到1,分别稳定状态。可以看出,在最初的比例 ,网络监管部门应采取网络舆论控制一级取得积极意见。在图2 (e),当最初的比例 ,如果 ,积极的意见比例缓慢下降至0.2,一个稳定的状态;如果 ,更大的是,越快的积极意见比例增加;最后,积极意见比例稳定在0.6 在0.9和1的范围 。可以看出,在最初的比例 ,网络监管部门应采取网络舆论控制二级取得积极意见。比较的数据2(一个)- - - - - -2 (e)在控制阈值 ,如果正面意见的比例 ,网络监管部门需要选择意见控制5级;如果最初的比例 ,他们可以选择舆论控制级别2 改变负面网络舆论和网络转化为积极意见网络中立的意见。

现在我们讨论的观点演化趋势比例在不同的积极意见,意见控制阈值,在无标度网络和舆论控制水平。为简单起见,在接下来的实验中,我们只考虑舆论控制水平1,3,5(也就是, ),被称为低、中、分别和高控制水平。

对于初始比例 ,从图3(一个),结果表明,如果网络监管部门采取控制水平低 ,而 ,积极的舆论增量的比例增加,然后缓慢下降低于0.1;与此同时,当 ,积极的意见比例增加到0.15,一个稳定的状态。这意味着,在最初的比例 ,使用低的网络监管机构控制水平不能改变时网络舆论的趋势 。从图3 (b)媒介控制水平 和 ,积极的意见比例不断增加超过0.5;特别是,对 ,积极的意见比例上升最快的。这表明,在最初的比例 和 ,网络监管机构应选择 开始控制网络状态,低成本。从图3 (c)高控制水平 和 ,积极的观点的比例迅速上升超过0.5,达到最终稳定状态值约为0.94;特别是,对 ,积极的意见比例上升到稳定状态速度第一。这个礼物网络监管机构应选择 开始控制网络状态,低成本, 。结合上面的分析,得出的结论是,如果最初的比例 ,网络监管机构应选择中控制水平和 ,需要一个低成本的改变网络到积极的舆论网络负面意见。

对于初始比例 ,从图4(一),结果表明,如果网络监管部门采取控制水平低 ,而 ,积极的意见比例下降约0.15,一个稳定的状态;与此同时,当 ,积极的意见比例呈现波动小,最终稳定在0.2;当 ,积极的意见比例缓慢上升至0.24,一个稳定的状态;当 ,积极的舆论幻灯片比例0.04,一个稳定的状态。这意味着,在最初的比例 ,网络监管部门使用控制水平低不能改变网络舆论趋势变成积极的舆论网络时 。从图4 (b),如果网络监管机构选择的媒介控制水平 ,而 ,一切积极意见0.9和1之间的比例不断增加,分别达到不同的稳定状态;当 ,积极的观点首先迅速下降,然后上升几乎线性比例超过0.6,一个不稳定的国家。在这种情况下,网络监管机构应选择 开始控制网络状态,低成本。从图4 (c)高控制水平 ,而 ,一切积极意见比例增加速度几乎相同,跑到大约一个稳定状态;当 ,积极的舆论几乎呈线性比例为0.75,一个稳定的状态。在这种情况下,监管机构应选择网络 启动网络控制,改变网络转化为积极意见网络,成本低。总结分析,得出的结论是,如果最初的比例 ,网络监管机构应选择中控制水平和 改变网络到积极的舆论网络负面意见,较低的成本。

对于初始比例 ,从图5(一个),如果网络监管机构选择控制水平低 ,而 ,积极的意见比例迅速下降至0.09,一个稳定的状态;当 ,积极的意见比例迅速下降到0.2,然后慢慢下降到0.15,一个稳定的状态;当 ,积极的意见比例缓慢上升至0.35,一个稳定的状态;当 ,积极的观点慢慢比例提升至0.41,一个稳定的状态。这意味着,在最初的比例 ,网络监管部门使用控制水平低不能改变网络舆论趋势变成积极的舆论网络时 。从图5 (b),如果网络监管机构选择的媒介控制水平 ,而 ,积极的意见比例不断增加超过0.5,然后达到稳定值1在几乎相同的时间步长;与前三种情况相比, ,积极的意见比例缓慢上升至0.9,一个稳定的状态;当 ,积极的意见比例增加到0.51在最低速度,一种稳定状态。得出的结论是,在这种情况下,监管机构应选择网络 控制网络舆论趋势变成积极的舆论网络,成本低。从图5 (c),如果网络监管机构选择控制水平高 ,而 ,积极的意见比例不断增加超过0.5,然后达到稳定值1在几乎相同的时间步长;相比前两种情况 ,积极的意见比例上升至0.94几乎相同的增长率,一个稳定的状态;当 ,积极的意见比例缓慢增加超过0.5,不达到一种稳定状态。它认为,在这种情况下,监管机构应选择网络 控制网络舆论趋势变成积极的舆论网络,成本低。结合上面的分析,得出的结论是,如果最初的比例 ,网络监管机构应选择中控制水平和 ,需要一个低成本的改变网络到积极的舆论网络负面意见。

对于初始比例 ,从图6(一),如果网络监管机构选择控制水平低 ,而 ,积极的意见比例迅速下降并稳定在0.23,0.15,和0.08,分别;当 ,积极的意见比例迅速下降,然后缓慢上升到一个稳定值0.37;当 ,积极的意见比例迅速上升到0.47,然后慢慢减少稳定值0.37。这个礼物,在这种情况下,网络监管机构不能改变网络舆论趋势网络只要变成积极的意见 。从图6 (b),如果网络监管机构选择的媒介控制水平 ,而 ,积极的意见比例迅速上升到稳定值1;当 ,积极的意见比例呈现短暂降低,然后迅速增加至0.95,一个稳定的状态;当 ,不断的积极意见比例先快速下降,然后上升超过0.5和0.37,最后没有达到稳定状态。这表明,在这种情况下,监管机构应选择网络 改变网络舆论趋势变成积极的舆论网络,成本低。从图6 (c),如果网络监管机构选择控制水平高 ,而 ,积极的观点的比例迅速上升到稳定值1速度几乎相同;当 ,积极的意见比例呈现短暂降低,然后不断增加不同的稳定值0.98,0.92,和0.62,分别。这表明,在这种情况下,监管机构应选择网络 改变网络舆论趋势变成积极的舆论网络,成本低。总结分析,得出的结论是,如果最初的比例 ,网络监管机构应选择中控制水平和 ,低成本,改变消极的观点网络到网络的积极意见。

对于初始比例 ,从图7(一),如果网络监管机构选择控制水平低 ,而 ,积极的意见比例缓慢增加0.5和0.6之间,然后慢慢减少到0.5,没有稳定状态;当 ,积极的意见比例迅速下降,然后缓慢下降到稳定值0.35,0.19,0.19,和0.08,分别。这个礼物,在这种情况下,网络监管机构不能改变网络舆论趋势网络只要变成积极的意见 。从图7 (b),如果网络监管机构选择的媒介控制水平 ,而 ,不断的积极意见比例迅速下降,然后上升到稳定值1,0.98和0.8,分别;当 ,积极的观点的比例呈现一个短暂上升,然后不断增加到超过0.5。这表明,在这种情况下,监管机构应选择网络 改变网络舆论趋势变成积极的舆论网络,成本低。从图7 (c),如果网络监管机构选择控制水平高 ,而 ,积极的意见比例都先降低然后不断上升。实际上,虽然 ,积极的观点的比例上升到稳定值1速度几乎相同;当 ,积极的意见比例增加到稳定值0.98;当 ,积极的意见比例上升超过0.9,但不会达到一个稳定状态;当 ,积极的意见比例呈现线性增加,并最终超过0.5。这表明,在这种情况下,监管机构应选择网络 改变网络舆论趋势变成积极的舆论网络,成本低。结合分析,如果最初的比例 ,减少网络控制成本,监管机构应选择中控制水平和网络 改变当前网络舆论的积极意见网络。

根据上述实验,得出结论,为网络,最初的积极的比例越低,就越低(高)的舆论控制水平,而控制意见选择阈值小(大);初始积极的比例越高,舆论控制水平越低,而控制意见选择阈值大。

4所示。结论

作为用户的邻居用户的意见强烈影响的过程和用户的观点演化的过程可以被认为是“囚徒困境”游戏中,本文提出了一种进化观点基于“囚徒困境”游戏和控制模型并给出相应的意见进化和控制算法,即。,PDG-OEC算法。对于我们的目的,在PDG-OEC算法的基础上,首先分析实验的参数选择无标度网络。然后我们把两种类型的无标度网络的仿真实验。在不同的初始比例下,舆论控制的水平,和相同的控制阈值,并根据不同的积极意见比例,舆论控制水平,无标度网络和舆论控制阈值,实验表明,如果最初的积极的比例较低,那么舆论控制水平需要低(高),而采用控制舆论阈值小(大);如果最初的积极的比例较高,那么舆论控制水平可以选择较低,而控制意见选择阈值大。未来的工作是找到更适合游戏模型来描述观点演化和控制在社会网络和做一些看来进化模型在真实的社会网络和控制比赛。

数据可用性

数据共享并不适用于本文中没有生成数据集。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

作者声称,这项研究是实现合作同样的责任。所有作者阅读和批准最后版本的手稿。

确认

这项工作部分支持的国家自然科学基金(61802316号,61872298,61532009,61902324),春晖计划合作和研究项目,中国教育部(Z2012030 Z2015109号,和Z2015100),“年轻学者储备人才”计划的西华大学科学研究基金的四川省教育部门(za0130 15号和16 za0157),四川省科学技术厅(2018号。2017 hh0083 gz0096, 2019 gfw115),新疆的自然科学基金会(NSFXJ)(没有。2019 d01b10),关键的西华大学科学研究基金(没有。z1422615),重点实验室的开放课题网络空间的安全保险,四川(没有。szjj2015 - 057),重点实验室的开放课题的粮食和石油工程和食品安全、四川(没有。szjj2016 - 023)和优秀青年学者开发计划,学校的计算机和软件工程,西华大学。