[論文レビュー] Bounded confidence model on a still growing scale-free network

Auler Sousa|arXiv (Cornell University)|Jun 30, 2004

Opinion Dynamics and Social Influence被引用数 5

ひとこと要約

本研究では、バラバシ＝アレルト（BA）モデルを用いた成長するスケールフリーネットワーク上での連続的意見動態の境界的信頼（BC）モデルを検討する。意見の一致が発生するのはε > 0.5の場合に限られ、ネットワークの成長が固定ネットワークと比較して一貫した一致行動に顕著な影響を及与しないことが判明した。また、臨界ε値における意見クラスタの段階的転移が観察された。

ABSTRACT

A Bounded Confidence (BC) model of socio-physics, in which the agents have continuous opinions and can influence each other only if the distance between their opinions is below a threshold, is simulated on a still growing scale-free network considering several different strategies: for each new node (or vertex), that is added to the network all individuals of the network have their opinions updated following a BC model recipe. The results obtained are compared with the original model, with numerical simulations on different graph structures and also when it is considered on the usual fixed BA network. In particular, the comparison with the latter leads us to conclude that it does not matter much whether the network is still growing or is fixed during the opinion dynamics.

研究の動機と目的

• 固定されていないスケールフリーネットワーク上での境界的信頼によって制御される意見動態の進化を調査すること。
• 成長ネットワーク上の一致行動と固定バラバシ＝アレルト（BA）ネットワークおよび他のグラフ構造上の一致行動を比較すること。
• ネットワーク成長が有限サイズ効果および意見クラスタの出現に与える影響を特定すること。
• 接続性mと信頼閾値εが最終的な意見クラスタ数および分散インデックスyに与える影響を分析すること。
• システムの一貫性特性がネットワークのトポロジーに依存するのか、それとも異なるネットワークタイプにわたり頑健であるのかを評価すること。

提案手法

• 各新規ノードが優先的付加によりm本の接続をもって追加される成長するバラバシ＝アレルト（BA）ネットワーク上に境界的信頼（BC）モデルをシミュレートする。
• 各時刻ステップで、ノードをランダムに選択し、s_i ∈ (0,1) のランダムな意見を持つ新規ノードを追加した後、全ノードに対してN_d = 10^6回のBC更新を実行する。
• 各BC更新では、ノードがランダムに訪問され、|s_i - s_j| < ε であれば、s_i = s_i - μ(s_i - s_j) および s_j = s_j + μ(s_i - s_j) により意見が更新され、μ ∈ [0, 0.5] である。
• 全ノードが1回ずつ更新されるまでプロセスを継続し、収束後に最終的な意見分布を分析する。
• 元のBCモデル（完全グラフ）、固定BAネットワーク、エリック＝レニー確率的グラフ、スモールワールドネットワークと結果を比較する。
• 意見の分散とクラスタリングを定量化するために、異なる意見のスケーリングされた数と分散インデックス y = (1/L)Σ(s_i - s_avg)^2 を測定する。

実験結果

リサーチクエスチョン

• RQ1 意見動態の進行中にスケールフリーネットワークが成長することは、固定ネットワークと比較して一貫性の出現に顕著な影響を及けるか？
• RQ2 信頼閾値εが異なる意見クラスタ数および意見の分散にどのように影響するか？
• RQ3 特定のε値において観察される意見数の局所的最小値は、意見クラスタ数における段階的転移に関連しているか？
• RQ4 平均接続性mが分散インデックスyとεの関係における転移の鋭さに与える影響はいかほどか？
• RQ5 BCモデルにおいて、成長ネットワークと固定ネットワークのトポロジーの有限サイズ効果にどの程度の差が生じるか？

主な発見

• 完全一貫性はε > 0.5の場合にのみ達成され、完全グラフおよび固定BAネットワーク上での元のBCモデルの結果と一致する。
• ε < 0.5の場合、εが小さくなるにつれて異なる意見の数が増加し、ε ≈ 0.10–0.15、0.15–0.20、および0.25–0.30の範囲でスケーリングされた意見数の局所的最小値が観察された。
• これらの局所的最小値は、4クラスタから3クラスタ、3クラスタから2クラスタ、2クラスタから1クラスタへの段階的転移に対応している。
• ε > 0.3の範囲では分散インデックスyがεとともに滑らかに増加し、低接続性ノードの一部がクラスタリングされないため、1未満のまま維持される。
• 接続性mが増加するにつれて転移領域が鋭くなり、mとネットワークサイズが非常に大きくなる極限ではステップ関数に近い挙動に近づく。
• 成長ネットワーク上での結果は固定ネットワーク上での結果とほとんど同一であり、ネットワーク成長が意見動態の結果に最小限の影響を及えることが示された。