不完全信息下的群体决策仿真

为研究互联网个体交互,描述网络舆论演化与群体意见形成,建立了人员个性不完全信息博弈的策略选择模型,并对其进行了仿真和分析．根据网络交互的信息不对称性,提出了基于个体自信程度的不完全信息的支付矩阵,并使用海萨尼转换分析了博弈的贝叶斯纳什均衡;进一步地引入了个体记忆,通过交互进程更新了个体对邻居个性的认识．仿真结果表明,在不完全信息环境下,系统收敛时间更短,信息传播更快．研究内容有助于理解网络事件更易产生一致意见的演化规律,为网络舆论的引导策略提供参考和借鉴．     

小世界网络上Blume-Emery-Griffiths模型的研究

尝试在小世界网络结构上引入简化Blume-Emery-Griffiths动力学模型,描述三态舆论演化动力学过程。数值模拟结果表明内部热噪声T对舆论演化过程有较大影响,在一定条件下发现舆论演化过程类似于Ising铁磁体,内部热噪声T存在临界值。结果在一定程度上反映了现实舆论的形成过程,同时也印证了该模型的合理性。     

舆论演化的社会影响级联效应模型

舆论建模跳出传统的基于最近邻("person-person")的交互范式,引入次近邻("personperson-person")的影响,刻画网络中邻居的邻居对观点改变的作用,提出舆论演化的社会影响级联模型,分析其在可变聚类系数网络上舆论的演化性质.通过调节网络聚类系数,使用异步更新的方式,观察网络集聚特性对舆论演化的影响.结果表明,1)相比于传统的最近邻影响模型,社会影响级联模型的社会强化作用更大,系统更容易达成共识,初始状态中主流观点的影响将被放大;2)舆论演化结果与网络集聚性和初始状态相关:当系统初始状态p_+≠p_,系统观点演化达到稳态后,网络聚类系数越大,越容易产生主流观点;当初始观点p_+=p_时,即正、负力量势均力敌时,系统共识则难以确定.这种情况和现实社会舆论的演化结果符合.     

基于决策偏移的舆论演化动力学模型

随着社会计算的飞速发展,网络数据日益向大数据方向演进,网络群体呈现出多样性特征. 针对传统舆论演化动力学模型忽略大规模群体一致性压力和个体决策内驱力的相互作用,以及社会网络节点多、规模大等问题,提出了基于决策偏移概念的舆论演化动力学模型. 模型将内在偏移牵引力、外在群体一致性压力相结合,并引入社会心理学从众效应理论,建立依从、趋同和内化的节点状态及状态转移策略和观点演化策略. 仿真结果表明,模型能够有效模拟观点的收敛和分化,与经典有限信任模型相比,更加符合大型社会网络中群体舆论演进和个体交互的行为特征,揭示了群体层面观点演化的内在规律,为大数据时代分析现实舆论形成的内在机理提供理论模型和参考.     

有记忆的舆论传播建模与仿真

为研究舆论主体的主观能动性对演进过程的影响,建立了个体记忆模型,并对其进行了仿真及分析。首先在二维格子的多数投票模型的基础上,提出了舆论演化中个体的记忆度,对不同的记忆长度使用平均场方法分析系统进程。仿真了不同记忆倾向参数下,系统的平均观点及簇个数的变化,并解释了固执者的形成。计算机模拟结果表明,有了记忆的作用,系统将向着极化状态演进。     

基于超网络的舆情演化多主体建模

创新性地将复杂系统多主体建模方法应用到集社交、环境、心理和观点等子网的舆情超网络模型中,通过对该超网络模型中各子网间不同属性节点(即异质Agent)交互规则设计,建立基于超网络的多主体舆情演化模型,深度刻画网络舆情的演化规律,即模拟人-信息-观点之间微观意见如何交互并涌现出宏观网络舆情的过程;应用舆情超网络拓扑结构相关测度指标,设置多主体舆情演化模型中各属性参数值,如网民活跃度(节点超度)、信息影响范围(超边间距离)和舆论领袖权威性(超边重叠度)等,并重点分析舆情演化过程中政府抢占舆论先机的重要作用,以及舆论领袖对大众网民的引导作用和网民发表观点形成舆论场的控制作用。最后,运用NetLogo仿真平台对具体舆情实例进行仿真,结果与现实舆情演化情况相符,证明了模型的合理性与有效性。     

基于元胞自动机的网络群体事件舆论同步的涌现机制

以自发形成的网络群体事件的同步舆论为研究对象， 建立了基于元胞自动机的复杂系统集群行为的非线性涌现模型， 揭示了个体从众心理对网络舆论演化动力学的影响. 研究结果表明， 在个体从众性同质的情况下， 存在使网络舆论同步的阈值， 当个体从众性较大时， 网络群体事件舆论趋于同步； 当从众性较小时， 群体态度演化成具有明显社团结构的多个舆论方向. 个体从众性异质时， 网络舆论表现为一个主流舆论与多个小规模舆论方向共存的复杂特征. 网络群体事件发生初期， 参与规模的扩大会迅速促进舆论同步的涌现， 而在后期， 新节点的参与不会进一步提高舆论同步涌现的效率.     

考虑媒体效应的微博网络热点事件舆论演化模型

鉴于媒体对网络舆论有越来越重要的影响,重点考虑媒体效应和微博网络中观点的传播特点,构建了有界信任规则下的舆论演化模型,分析了媒体因素以及节点信任界限异质性对微博网络中舆论演化的影响.仿真结果显示,有媒体影响时,个体对媒体观点的采纳幅度越大,媒体引导的效果越好;群体观点易于改变的网络热点事件中,媒体首次报道时间越晚,媒体的引导效果越好.研究结果表明,在网络舆论引导中,不但要注意介入的时间,更应注重论据的合理性.通过实例验证本文提出模型与实际情况相符合,说明了本文模型的有效性和适用性.     

审计行为、审计合谋及奖惩机制的演化博弈

针对目前普遍存在的审计合谋现象,依据演化博弈理论,建立了审计师甲和乙的演化博弈模型,分析了两类个体在合谋与诚信两种策略下的行为特征,根据复制者动态方程得到了两者的行为演化规律和政府奖励惩罚机制下的行为演化和演化稳定策略,给出了避免出现审计合谋现象的惩罚和奖励策略,分析了政府实施奖励惩罚机制的有效性。最后,通过数值分析对结论加以说明。     

基于超网络的舆论演化动态模型

针对舆论演化过程中的复杂动力学问题,提出了超网络视觉下的舆论演化动态模型,该模型包括节点的添加、重新连接链路、超边的添加以及节点的老化4个过程,其中节点代表关键词,超边代表关键词所构成的话题。其次,利用非均匀网络的演化机制,分别对该动态演化模型的超度、节点自身关注度与节点间影响力两个因素的超度进行了详细的理论分析,分析结果表明节点超度完全符合幂律分布。最后,通过Matlab仿真模拟,分析了不同参数对节点超度分布变化的影响,并进一步验证了结果是遵循幂律分布的。     

微博舆论场:突发事件舆情演化分析的新视角

微博舆论场逐渐成为了突发事件网络舆情的策源地,在舆情生成演化中扮演重要角色.本文以微博舆论场为研究视角,首先运用超网络建模理论,构建了集社交、信息、心理、观点四层子场为一体的微博舆论场超网络模型,并对各层子场内部以及子场间关系进行建模分析;然后提出了微博舆论场超网络模型的衡量指标,对微博舆论场"场强"进行了量化分析;最后使用社会计算和数据挖掘算法,定量分析了微博舆论场对新进入的无知者和感染者的作用过程,以及对新个体发生作用后,微博舆论场中舆情的演化.以期对突发事件舆情态势进行预测预警,为舆情干预治理提供理论依据,有效引导突发事件舆情良性发展.     

泛在媒体环境下的网络舆情传播控制模型

正逐步形成的泛在媒体环境深刻影响着网络舆情的传播与控制.将传统的传染病模型推广到泛在媒体环境这样一个开放系统中, 建立了新的带直接免疫的SEIR舆情传播控制模型, 新模型克服了已有网络舆情传播模型存在的对网民个体状态处理过于简单, 对舆情传播媒介的处理过于简化等缺陷.证明了模型的传播平衡点及稳定性, 提出了从网络舆情传播环境入手, 在舆情形成初期进行干预的控制方法.据此, 构建了基于Wiki技术的网络舆情传播控制平台, 对该平台的舆情传播控制效能做了仿真剖析, 验证了控制方法的有效性.     

基于不确定微分方程的网络舆情传播模型研究

不确定微分方程是由典范过程驱动的一类微分方程,是一种描述不确定过程或不确定动态系统的新型数学工具.本文在研究网络舆情传播过程和传播类型的基础上,充分考虑网络舆情传播过程中存在的一些不确定因素,根据网络舆情传播的不同阶段提出相应的基于不确定微分方程的网络舆情传播模型.最后结合甘肃兰州自来水苯含量超标事件给出了衰退阶段模型的数值计算实例,预测结果与实际传播情况基本吻合.     

基于超网络的线上线下舆情演化模型研究

舆情交互存在于现实空间与虚拟空间,为具体研究两空间中舆情的演化,首先分析了舆情在不同空间中传播演化的特点及演化过程中相互间的联系.随后,结合改进的有界信任机制构建基于超网络的线上线下舆情演化模型,并针对该模型提出了包括模型初始化模块、信息传播与交互影响模块与双空间同步模块三部分的仿真系统框架.根据同步方向,提出"现实空间-虚拟空间"和"虚拟空间-现实空间"两种同步率,并通过对比仿真实验研究了同步率与空间速度比对舆情演化的影响.     

观点动力学研究现状及进展述评

观点作为一种舆情,意见,态度的表现形式广泛存在于人们的生活中,研究观点的演变对理清观点演变机制,促进舆情合理治理具有重要意义。鉴于现有研究缺乏对二元观点动力学的相关介绍以及割裂了二元与群体观点动力学之间的联系,未能全面揭示观点动力学研究现状,因此,对国内外观点动力学研究现状进行了梳理和总结。其中,从研究方法和交互特征视角对二元观点动力学模型及其研究现状进行了介绍,从个体特征,行为特征,观点特征,外部环境,观点动力学的应用视角对群体观点动力学研究成果进行了梳理。最后,基于现有研究,明确了观点动力学未来需要进一步解决的问题:实证视角下的观点演化机制,意见的强化和争议的消减,观点的演化与群体决策之间的联系。     

基于群集动力学和演化博弈论的网络舆情疏导模型

互联网已经成为公共舆情传播的主要平台,网络舆情的危机疏导问题直接关系到整个社会的安全和稳定,而对网络舆情的活动进行分析是网络舆情疏导的重要前提,基于网络舆情在产生和发展过程中所呈现的群体性,本文应用群集动力学和演化博弈论的,在研究网络舆情群体流动过程和个体流动过程的基础上,构建了网络舆情疏导模型.通过使用多Agent仿真,应用所提出型,寻求在相关约束下的最佳疏导策略,证明了网络舆情疏导模型的有效性.本文的研究成果为有效解决群体危机环境网络舆情疏导问题提供理论依据.     

基于公众认知与政府引导的邻避舆情演化模型

针对近年邻避群体事件的舆情诱发性,基于公众认知和政府引导视角研究邻避舆情演化问题.首先,通过多案例比较分析,提炼邻避舆情演化的宏观特征,并基于Gompertz模型改进给予刻画;随后,分析个体对邻避项目的微观认知交互行为,运用演化博弈建模来描述个体复制动态;同时,考虑政府通过正面舆论对邻避舆情给予回应,运用信息熵理论和动力学方法构建政府舆论引导的交互熵模型和动力学方程;进而在此基础上,给出"公众-政府"邻避舆情演化模型;最后,讨论该模型均衡点的存在性和稳定性,并以"广东茂名PX事件"的邻避舆情演化为基础案例进行数值仿真研究.结果表明:当公众对邻避项目风险认知偏差较小时,政府应适当尊重邻避舆情,并遵循渐进式的引导路径对邻避舆情给予及时、主动的关切性回应,否则,邻避舆情会愈演愈烈;而当公众对邻避项目风险认知偏差较大时,政府应对邻避舆情加强跟踪和监管,并给予及时、适量的客观回应,否则,邻避舆情会演化到较高稳态.     

基于用户相对权重的在线社交网络舆情传播控制模型

在线社交网络(online social networks,OSN)中舆情传播干预时机的选择对网络舆情的管控具有重要意义.通过分析用户的网络地位、社会强化效应与用户感知价值等影响网络舆情传播控制的关键因素,以研究舆情管控的合理干预时机为目的,构建了基于用户相对权重的网络舆情传播控制模型.基于该模型,针对两类OSN开展仿真研究.研究发现,网络舆情传播与信息初始传播源的网络地位密切相关;在开放式OSN中,存在与干预时机选择关系密切的关键相变点;用户活跃度随社会强化效应强度的增大而下降,随干预时机的提前而降低,并存在有效干预时机区间;"悖民意"成本是干预时机选择的重要衡量指标.并据此,提出了相应现实干预时机选择的对策建议.     

Soft-control for collective opinion of weighted DeGroot model

The DeGroot model is a classic model to study consensus of opinion in a group of individuals(agents). Consensus can be achieved under some circumstances. But when the group reach consensus with a convergent opinion value which is not what we expect, how can we intervene the system and change the convergent value? In this paper a mechanism named soft control is first introduced in opinion dynamics to guide the group's opinion when the population are given and evolution rules are not allowed to change. According to the idea of soft control, one or several special agents,called shills, are added and connected to one or several normal agents in the original group. Shills act and are treated as normal agents. The authors prove that the change of convergent opinion value is decided by the initial opinion and influential value of the shill, as well as how the shill connects to normal agents. An interesting and counterintuitive phenomenon is discovered: Adding a shill with an initial opinion value which is smaller(or larger) than the original convergent opinion value dose not necessarily decrease(or increase) the convergent opinion value under some conditions. These conditions are given through mathematical analysis and they are verified by the numerical tests. The authors also find out that the convergence speed of the system varies when a shill is connected to different normal agents. Our simulations show that it is positively related to the degree of the connected normal agent in scale-free networks.