[论文解读] A Bayesian Agent-Based Framework for Argument Exchange Across Networks

Leon Assaad, Rafael Fuchs+4 more|arXiv (Cornell University)|Nov 14, 2023

Opinion Dynamics and Social Influence被引用 4

一句话总结

该论文提出NormAN，一种基于贝叶斯的代理框架，通过贝叶斯网络表示世界状态及信念更新，实现对社交网络中多代理论辩交换的建模。该框架支持对具有不同强度的多样化、竞争性论点进行动态聚合，展示了通信规则与网络结构如何塑造复杂、现实的辩论场景中的集体信念动态。

ABSTRACT

In this paper, we introduce a new framework for modelling the exchange of multiple arguments across agents in a social network. To date, most modelling work concerned with opinion dynamics, testimony, or communication across social networks has involved only the simulated exchange of a single opinion or single claim. By contrast, real-world debate involves the provision of numerous individual arguments relevant to such an opinion. This may include arguments both for and against, and arguments varying in strength. This prompts the need for appropriate aggregation rules for combining diverse evidence as well as rules for communication. Here, we draw on the Bayesian framework to create an agent-based modelling environment that allows the study of belief dynamics across complex domains characterised by Bayesian Networks. Initial case studies illustrate the scope of the framework.

研究动机与目标

• 通过在代理模拟中整合具有不同强度的多重论点，弥合二元论辩研究与大规模意见动态建模之间的差距。
• 解决现有模型将论点视为单一意见或情感而非结构化、基于证据的推理的局限性。
• 开发一种规范性的贝叶斯框架，既支持对现实论辩的描述性建模，也支持对推理质量的规范性评估。
• 实现对通信规则、网络结构及代理特定信念如何影响辩论中集体信念形成的系统性研究。
• 提供一个灵活且可扩展的建模框架，用于研究民主协商或在线社交媒体话语等复杂领域中的论辩交换。

提出的方法

• 该框架使用贝叶斯信念网络（BBNs）表示真实世界状态及与辩论主题相关的变量之间的证据关系。
• 代理被赋予各自的贝叶斯网络，以编码其主观信念，并在接收到新论点时通过条件概率更新进行信念更新。
• 论辩交换被建模为证据传递：代理将论点（作为概率性证据）传递给同伴，其强度与相关性由论点在BBN中的位置决定。
• 通信规则控制代理之间的论辩交换，支持固定、随机或动态的网络拓扑结构，包括同质性与优先连接机制。
• 通过贝叶斯条件化实现代理间的信念聚合，使层级性与竞争性论点能够以规范性原则的方式结合。
• 该框架支持规范性评估（如论点质量评估）与在不同通信和网络条件下信念演化的描述性模拟。

Figure 1. Illustration of the main components of NormAN. A model within the NormAN framework specifies (1) a ground truth world, (2) a social network, and (3) individual agents communicating across that network. Each of these three components has core specifications. In addition, the square in the m

实验结果

研究问题

• RQ1 不同的论点聚合规则如何影响网络中代理信念的收敛或发散？
• RQ2 通信规则（如谁与谁通信）在多大程度上影响集体信念的准确性和稳定性？
• RQ3 网络拓扑结构（如小世界、无标度、分层结构）如何影响强论点与弱论点的传播与影响？
• RQ4 代理对世界的主观建模（通过个人BBN）在塑造信念动态中发挥何种作用，特别是在信念偏离真实世界时？
• RQ5 战略通信行为与对信息源的信任如何影响社交网络中论辩交换的认知结果？

主要发现

• 该框架成功建模了多重、竞争性且分级的论点交换，同时保持了其证据结构与概率影响。
• 模拟结果表明，网络结构显著影响信念收敛：密集且聚类的网络促进更快共识，而稀疏或异质网络则导致持续分歧。
• 对世界具有更准确贝叶斯模型的代理（更接近真实世界）更可能影响他人并实现更高信念准确性，尤其是在通信频繁时。
• 通过BBN结构引入论点强度与相关性，使信念更新比简单意见平均或传染模型更具细致性。
• 优先传递高质量论点或可信信息源的通信规则，即使在存在错误信息的情况下，也能带来更准确的集体结果。
• 该框架可识别出‘认知瓶颈’——即对信息流动具有不成比例影响的代理或网络位置——为审议系统中的干预提供了新目标。

Figure 2. The original ‘Asia’ lung cancer network (Lauritzen and Spiegelhalter, 1988a ) . The Asia BN model was accessed via the bnlearn Bayesian Network Repository ( https://www.bnlearn.com/bnrepository/discrete-small.html ); it is also one of the exemplar BNs used in the bnlearn package documentat