[논문 리뷰] Communication regimes in opinion dynamics: Changing the number of communicating agents

Diemo Urbig, Jan Lorenz|ArXiv.org|2007. 08. 24.

Opinion Dynamics and Social Influence참고 문헌 10인용 수 18

한 줄 요약

이 논문은 의사결정 모델의 의사소통 제도(단계당 상호작용하는 에이전트 수)를 정신 모델(의견 갱신 규칙)에서 분리한 연속적 의사결정 다이내믹스의 일반화된 모델을 제안한다. Deffuant-Weisbuch 수렴 파라미터를 '자기지지'로 재정의함으로써, DW 및 KH 모델을 통합하고, 상호작용하는 에이전트 수를 늘일수록 클러스터 수가 감소함을 보여주며, 자기지지의 영향은 제도에 따라 달라진다. 이론적으로 타당한 정지 기준을 통해 무한한 시뮬레이션 단계로의 외삽이 가능해진다.

ABSTRACT

This article contributes in four ways to the research on time-discrete continuous opinion dynamics with compromising agents. First, communication regimes are introduced as an elementary concept of opinion dynamic models. Second, we develop a model that covers two major models of continuous opinion dynamics, i.e. the basic model of Deffuant and Weisbuch as well as the model of Krause and Hegselmann. To combine these models, which handle different numbers of communicating agents, we convert the convergence parameter of Deffuant and Weisbuch into a parameter called self-support. Third, we present simulation results that shed light on how the number of communicating agents but also how the self-support affect opinion dynamics. The fourth contribution is a theoretically driven criterion when to stop a simulation and how to extrapolate to infinite many steps.

연구 동기 및 목표

• 의사결정 다이내믹스 모델에서 의사소통 제도를 정신 모델과 분리된 별도의 모듈로 체계화하기.
• DW 모델의 수렴 파라미터를 '자기지지'로 대체함으로써 DW 및 Krause-Hegselmann 모델을 통합하기.
• 상호작용하는 에이전트 수(m)와 자기지지가 의심 클러스터 형성과 수렴에 미치는 영향 분석하기.
• 이론적으로 타당한 정지 기준을 개발하여 시뮬레이션을 무한한 시간 단계로 외삽할 수 있도록 하기.

제안 방법

• 의사소통 제도를 영향 행렬의 시퀀스로 표현하는 시간 이산형 행렬 기반 시스템으로 의사결정 다이내믹스를 체계화한다.
• DW 모델의 수렴 파라미터 μ를 KH 모델의 유한신뢰 논리와 일치시키기 위해 '자기지지'로 대체한다.
• 단일 상호작용당 에이전트 수(m)를 변화시켜 DW 및 KH 다이내믹스를 모두 통합하는 일반화된 모델을 도입한다.
• 5,000개의 무작위 초기 의심 프로파일을 사용한 몬테카를로 시뮬레이션을 통해 m, ε, μ 값에 따른 평균 행동 분석한다.
• 이론적 수렴 기준을 적용하여 시뮬레이션을 언제 멈출 것인지 결정하고 결과를 무한한 단계로 외삽한다.
• 특정 초기 조건과 파라미터 설정에서의 비단조화적 행동과 정성적 이질성을 분석한다.

실험 결과

연구 질문

• RQ1 의사소통에 참여하는 에이전트 수(m)를 변화시킬 경우 연속적 의사결정 다이내믹스에서 의심 클러스터 수에 어떤 영향을 미치는가?
• RQ2 자기지지와 의사소통 제도 간의 상호작용이 의심 클러스터 형성에 어떤 영향을 미치는가?
• RQ3 자기지지 파라미터가 유한신뢰(ε)가 수렴과 클러스터 형성에 미치는 영향을 어떻게 조절하는가?
• RQ4 무한단계 결과에 대해 이론적으로 확신할 수 있는 상황에서 시뮬레이션을 조기에 정지할 수 있는 조건은 무엇인가?
• RQ5 특정 초기 조건과 파라미터 값에서 의심 클러스터 수의 비단조화적 행동이 발생하는 이유는 무엇인가?

주요 결과

• 의사소통에 참여하는 에이전트 수(m)를 늘일수록 평균적으로 의심 클러스터 수가 감소하며, 이 효과는 DW 제도(m=2)에서 KH 제도(m=n)보다 더 두드러진다.
• ε가 작을 경우 자기지지(μ)를 늘일수록 두 제도 모두 클러스터 수가 감소하지만, ε가 클 경우 KH 모델에서는 뒤집힌 경향이 나타나, μ가 높을수록 클러스터 수가 증가한다.
• 자기지지가 높을수록(즉, μ가 낮을수록) 수렴 시간이 증가함을 확인하여, 강한 타협 행동이 수렴 속도를 느리게 한다는 이전 연구 결과를 확인한다.
• m를 n−1에서 n으로 변경(무작위성 제거)하거나 특정 초기 프로파일(특히 등간격인 경우)에서 μ를 변화시킬 경우, 클러스터 수의 비단조화적 행동이 관찰된다.
• 모델의 평균 행동은 매끄럽지만, 특정 파라미터 조합과 초기 조건 조합에서는 정성적 이질성이 발생하여 제도에 따라 다른 다이내믹스를 보임을 시사한다.
• 이론적으로 타당한 정지 기준이 도출되어 시뮬레이션 결과를 무한한 시간 단계로 외삽할 수 있으며, 이는 최종 의심 분포의 정확한 추정을 가능하게 한다.