[论文解读] Information propagation and collective consensus in blogosphere: a game-theoretical approach

Lianghuan Liu, Feng Fu+1 more|ArXiv.org|Jan 29, 2007

Opinion Dynamics and Social Influence被引用 8

一句话总结

本文使用博弈论框架对现实世界中文博客网络中的信息传播进行建模，博客作者根据个人偏好以及来自邻居和推荐博客的社会影响，在两个话题之间进行选择。在基于入度的推荐机制下，系统迅速达成共识，随着话题吸引力下降，讨论频率从高迅速降至零。

ABSTRACT

In this paper, we study the information propagation in an empirical blogging network by game-theoretical approach. The blogging network has small-world property and is scale-free. Individuals in the blogosphere coordinate their decisions according to their idiosyncratic preferences and the choices of their neighbors. We find that corresponding to different initial conditions and weights, the equilibrium frequency of discussions has a transition from high to low as a result of the common interest in the topics specified by payoff matrices. Furthermore, under recommendation, namely, individuals in blogging networks refer to additional bloggers' resources besides their nearest neighbors preferentially according to the popularity of the blogs, the whole blogging network ultrafastly evolves into consensus state (absorbing state). Our results reflect the dynamic pattern of information propagation in blogging networks.

研究动机与目标

• 理解在真实博客网络中，信息如何传播以及共识如何形成，采用博弈论方法。
• 研究社会影响与推荐机制在在线社交网络中塑造集体行为的作用。
• 分析网络结构（特别是小世界与无标度特性）对信息传播动态的影响。
• 研究讨论频率从高到低的转变行为，基于收益矩阵参数与初始条件。
• 评估通过推荐博客提供的全局信息，相较于仅依赖本地邻居影响，如何加速系统向共识收敛。

提出的方法

• 使用网络爬虫实证构建一个包含7,520个新浪博客的有向连通博客网络，揭示其具有无标度与小世界特性。
• 将博客作者的决策建模为一个协调博弈，收益矩阵结合了个人偏好与来自邻居的社会互惠。
• 引入加权决策规则，个体在本地邻居影响（w）与个人偏好（1-w）之间权衡，通过基于收益的模仿机制更新策略。
• 将模型扩展以引入“推荐”机制，允许博客作者以与入度成正比的概率访问K个额外博客，模拟平台驱动的可见性。
• 采用改进的收益函数（公式6）与更新规则（公式7），在策略选择中同时整合本地邻居与推荐博客的影响。
• 在不同参数（a, w, K, 初始种子比例）下模拟系统随时间的演化，测量讨论频率与共识状态。

实验结果

研究问题

• RQ1 个人偏好与社会影响之间的相互作用如何影响真实博客网络中的信息传播？
• RQ2 网络结构（无标度、小世界）如何影响博客网络中集体共识的形成？
• RQ3 基于入度选择的推荐博客的引入，如何改变信息传播与共识形成的动力学行为？
• RQ4 讨论频率随话题吸引力（参数a）与影响权重（w）的变化行为如何？
• RQ5 在何种条件下系统会达到吸收性共识状态？在有无推荐机制的情况下，该过程的快慢如何？

主要发现

• 博客网络表现出无标度与小世界特性，入度与出度分布符合幂律分布（γ_in ≈ 2.13，γ_out ≈ 2.28），平均度 ≈ 8.42。
• 在无推荐机制下，随着话题吸引力（a）增加，讨论频率从高降至低，但无法实现共识。
• 在推荐机制下（K=10，w=0.51），系统迅速进入吸收性共识状态：当a=0.11时，所有博客作者均讨论该话题；当a=0.81时，无人讨论。
• 在推荐机制下，随着a从0增至1，讨论频率从1.0迅速降至0.0，表明存在一个尖锐的共识阈值。
• 将全局可见且入度高的博客作为推荐参考，可实现系统范围内的快速同步，达成共同选择。
• 模型表明，通过入度基础推荐提供的有限全局信息，可显著加速系统向共识收敛，远快于仅依赖本地邻居影响的情况。