[论文解读] Agent-based simulations of emotion spreading in online social networks

Milovan Šuvakov, David García+2 more|arXiv (Cornell University)|May 29, 2012

Opinion Dynamics and Social Influence被引用 8

一句话总结

本论文提出了一种基于代理的模型，利用来自MySpace的实证数据，模拟在线社交网络中情绪的传播。通过将代理建模为由唤醒度和效价定义的动态情绪状态，并模拟具有时间衰减效应的消息交互，研究发现，集体情绪动态——如正向情绪的爆发和长程时间相关性——源于个体行为，其驱动力来自用户的活动节律和网络结构。

ABSTRACT

Quantitative analysis of empirical data from online social networks reveals group dynamics in which emotions are involved (\v{S}uvakov et al). Full understanding of the underlying mechanisms, however, remains a challenging task. Using agent-based computer simulations, in this paper we study dynamics of emotional communications in online social networks. The rules that guide how the agents interact are motivated, and the realistic network structure and some important parameters are inferred from the empirical dataset of exttt{MySpace} social network. Agent's emotional state is characterized by two variables representing psychological arousal---reactivity to stimuli, and valence---attractiveness or aversiveness, by which common emotions can be defined. Agent's action is triggered by increased arousal. High-resolution dynamics is implemented where each message carrying agent's emotion along the network link is identified and its effect on the recipient agent is considered as continuously aging in time. Our results demonstrate that (i) aggregated group behaviors may arise from individual emotional actions of agents; (ii) collective states characterized by temporal correlations and dominant positive emotions emerge, similar to the empirical system; (iii) nature of the driving signal---rate of user's stepping into online world, has profound effects on building the coherent behaviors, which are observed for users in online social networks. Further, our simulations suggest that spreading patterns differ for the emotions, e.g., "enthusiastic" and "ashamed", which have entirely different emotional content. {\bf {All data used in this study are fully anonymized.}}

研究动机与目标

• 理解在线社交网络（如MySpace）中观察到的集体情绪行为背后的作用机制。
• 建模个体情绪状态（由唤醒度和效价决定）如何通过网络化互动影响并传播。
• 研究网络结构和用户活动模式如何塑造大规模情绪动态的出现。
• 检验不同情绪（如“热情”与“羞耻”）在网络中是否表现出不同的传播模式。
• 通过重现情感爆发性与正向效价主导等典型事实，对模型进行实证数据验证。

提出的方法

• 代理被建模为两个情绪状态变量：唤醒度（对刺激的反应性）和效价（吸引力或厌恶性）。
• 情绪行为由唤醒度升高触发，每条消息均作为影响接收代理的时间衰减信号进行追踪。
• 模拟使用真实的MySpace网络结构，包括有向消息墙和基于实证数据推导的用户活动模式。
• 利用机器学习技术从消息文本中提取情绪内容，为每条消息分配效价和唤醒度水平。
• 实施时间分辨的动力学机制，使情绪影响在传播后随时间连续衰减。
• 模型整合了用户特定的介入过程（驱动信号），并引入时间相关性，以模拟现实世界中的用户进入动态。

实验结果

研究问题

• RQ1 个体情绪行为如何在在线社交网络中引发集体情绪行为？
• RQ2 底层网络结构在情绪传播中起到何种作用？
• RQ3 不同情绪状态（如“热情”与“羞耻”）在网络中如何以不同方式传播？
• RQ4 用户活动节律（驱动信号）在多大程度上影响大规模情绪相关性的出现？
• RQ5 该模型能否重现关键的实证特征，如情绪爆发性和正向效价的主导性？

主要发现

• 集体情绪动态（包括活动爆发和长程时间相关性）源于个体情绪行为与网络交互。
• 模型重现了实证中正向情绪的主导性以及情绪时间序列的典型事实，包括相关结构和效价分布。
• 用户活动的时间相关性（驱动信号）对于生成连贯的大规模情绪行为至关重要；若无此相关性，此类相关性不会出现。
• 不同情绪（如“热情”与“羞耻”）在情绪相空间中表现出不同的传播模式，反映出其不同的社会与心理内涵。
• 即使初始输入微小，高唤醒度情绪状态仍会涌现，表明集体网络效应会放大个体行为，类似于“派对”式动态。
• 模型生成了与已知选择性注意心理生理机制一致的非对称V形情绪动态模式，为心理学研究提供了可检验的假设。