[논문 리뷰] Opinion influence and evolution in social networks: a Markovian agents model

Paolo Bolzern, Patrizio Colaneri외 1명|arXiv (Cornell University)|2017. 11. 27.

Opinion Dynamics and Social Influence참고 문헌 17인용 수 4

한 줄 요약

이 논문은 상호작용 파rameter를 통해 영향력을 중심적으로 조절할 수 있는 연속시간 마르코프 다중에이전트 모델을 제안하여 사회 네트워크 내 의견 동역학을 연구한다. 주요 기여는 대칭적이고 편향이 없는 네트워크에서 영향력 강도가 의견 분산에 영향을 주지만 기댓값에는 영향을 주지 않음을 분석적으로 입증한 것으로, 이중의 의견을 가진 피어 어셈블리 모델에서 공감대 형성과 군중행동의 완전한 특성화를 제공한다.

ABSTRACT

In this paper, the effect on collective opinions of filtering algorithms managed by social network platforms is modeled and investigated. A stochastic multi-agent model for opinion dynamics is proposed, that accounts for a centralized tuning of the strength of interaction between individuals. The evolution of each individual opinion is described by a Markov chain, whose transition rates are affected by the opinions of the neighbors through influence parameters. The properties of this model are studied in a general setting as well as in interesting special cases. A general result is that the overall model of the social network behaves like a high-dimensional Markov chain, which is viable to Monte Carlo simulation. Under the assumption of identical agents and unbiased influence, it is shown that the influence intensity affects the variance, but not the expectation, of the number of individuals sharing a certain opinion. Moreover, a detailed analysis is carried out for the so-called Peer Assembly, which describes the evolution of binary opinions in a completely connected graph of identical agents. It is shown that the Peer Assembly can be lumped into a birth-death chain that can be given a complete analytical characterization. Both analytical results and simulation experiments are used to highlight the emergence of particular collective behaviours, e.g. consensus and herding, depending on the centralized tuning of the influence parameters.

연구 동기 및 목표

• 스토케스틱 다중에이전트 프레임워크를 사용하여 알고리즘적 필터링이 사회 네트워크 내 의견 진화에 미치는 영향을 모델링하기 위해.
• 중앙집중적 상호작용 강도 조절이 집단적 의견 동역학에 어떻게 영향을 주는지 조사하기 위해.
• 다양한 영향력 파rameter 하에서 공감대 형성 및 군중행동과 같은 집단적 행동의 발생을 분석하기 위해.
• 이중 의견을 가진 완전히 연결된 네트워크에서의 의견 진화에 대한 분석적 및 시뮬레이션 기반 특성화를 제공하기 위해.
• 대칭적이고 편향이 없는 네트워크에서 영향력 강도가 분산에는 영향을 주지만 기댓값에는 영향을 주지 않는다는 것을 입증하기 위해.

제안 방법

• 각 개인의 의견은 이웃의 의견에 영향을 받는 상태에 의존하는 전이 확률을 갖는 연속시간 마르코프 체인으로 진화한다.
• 모델은 에이전트가 이웃의 의견을 수용하는 속도를 조절하는 영향력 파rameter를 사용하여 상호작용 강도를 중심적으로 제어할 수 있도록 한다.
• 전체 네트워크는 고차원 마르코프 체인으로 모델링되며, 몬테카를로 시뮬레이션에 적합하다.
• 피어 어셈블리(완전히 연결된, 이중 의견)의 경우, 뭉치기 성질을 통해 생애-죽음 체인으로 단순화되어 전체 분석적 특성화가 가능해진다.
• 임베디드 생성행렬에 대한 행렬 역행렬 기법을 사용하여 정적 확률를 유도하고, 의견 분포 모멘트에 대한 폐쇄형 표현식을 도출한다.
• 다양한 영향력 파arameter 하에서 분석적 유도와 시뮬레이션 실험을 통한 모델 검증이 이루어졌다.

실험 결과

연구 질문

• RQ1 중앙집중적 영향력 파arameter 조정이 사회 네트워크 내 의견 분포의 분산과 기댓값에 어떻게 영향을 주는가?
• RQ2 완전히 연결된 네트워크에서 다양한 영향력 강도 하에서 공감대 형성 또는 군중행동과 같은 집단적 행동이 어떻게 발생하는가?
• RQ3 동일한 에이전트를 가진 이중의 의견 네트워크의 역학을 분석적으로 더 단순한 생애-죽음 과정으로 축소시킬 수 있는가?
• RQ4 대칭적 영향력과 동일한 에이전트가 존재할 경우 평균 의견은 유지되지만 분산은 변할 수 있는가?
• RQ5 영향력 파arameter로 모델링된 필터링 알고리즘은 사회 네트워크 내 장기적 의견 분포에 어떻게 영향을 주는가?

주요 결과

• 대칭적이고 편향이 없는 네트워크에서 동일한 에이전트를 가진 경우, 영향력 강도는 특정 의견을 가진 개인 수의 분산에 영향을 주지만 기댓값에는 영향을 주지 않는다.
• 완전히 연결된 네트워크에서 이중 의견을 다루는 피어 어셈블리 모델은 생애-죽음 체인으로 단순화되어 의견 동역학의 완전한 분석적 특성화가 가능하다.
• 임의의 두 에이전트가 동일한 의견을 가질 정적 확률는 영향력 및 감쇠율에 따라 폐쇄형으로 유도되었다.
• 시뮬레이션 결과는 높은 영향력 강도가 빠른 공감대 형성으로 이어지고, 낮은 영향력은 의견의 장기적 공존을 촉진함을 확인했다.
• 모델은 영향력 파arameter의 미세한 변화가 군중행동 또는 극단화와 같은 집단적 행동의 전환을 유도할 수 있음을 드러냈다.
• 의견 분포의 분산은 영향력 강도가 증가함에 따라 증가하며, 강한 영향력 하에서는 집단적 변동성에 더 민감함을 시사한다.