[论文解读] Diffusion, Influence and Best-Response Dynamics in Networks: An Action Model Approach

Rasmus K. Rendsvig|arXiv (Cornell University)|Aug 4, 2017

Logic, Reasoning, and Knowledge被引用 6

一句话总结

本文提出一种动作模型方法，用于建模社交网络中基于阈值的扩散与最优响应动态，表明动态认识逻辑的产物更新机制可通过编码代理决策规则的动作模型，模拟协调与反协调博弈的动态。其核心贡献在于建立了阈值动态与动作模型更新之间的形式等价性，从而为网络中的社会影响与博弈论行为提供统一的逻辑框架。

ABSTRACT

Threshold models and their dynamics may be used to model the spread of `behaviors' in social networks. Regarding such from a modal logical perspective, it is shown how standard update mechanisms may be emulated using action models -- graphs encoding agents' decision rules. A small class of action models capturing the possible sets of decision rules suitable for threshold models is identified, and shown to include models characterizing best-response dynamics of both coordination and anti-coordination games played on graphs.

研究动机与目标

• 使用动态认识逻辑中的动作模型形式化社交网络中基于阈值的影响动态。
• 证明协调与反协调博弈中的最优响应动态可通过一类小型动作模型得以捕捉。
• 建立标准阈值模型更新与动作模型产物更新之间的逻辑等价性。
• 探索动作模型在建模网络与代理集变化（如代理出生/死亡与网络演化）方面的更广泛应用。
• 为基于动态认识逻辑的约化公理，建立阈值动态的完整逻辑公理化体系提供基础。

提出的方法

• 构建一个模态逻辑 L′，包含信念（B）、不确定性（U）和邻域量化（F）算子，以描述代理的认知状态。
• 定义两种更新规则：(1) 非膨胀且在阈值达到或超过时优先采纳的规则，(2) 在阈值相等时保持当前行为的保守规则。
• 将动作模型定义为编码决策规则的图结构，其中每个状态指定一个前提条件（代理的当前信念状态）和一个后置条件（动作后的更新状态）。
• 使用产物更新构造，通过应用动作模型模拟阈值模型的演化，确保动态过程的逐步等价性。
• 在描述信念变化的有限状态自动机与动作模型之间建立双射，实现认知动态与基于动作的更新之间的系统性转换。
• 应用动态认识逻辑中的约化公理，推导出结果动态的可靠且完备的逻辑系统。

实验结果

研究问题

• RQ1 能否使用动态认识逻辑中的动作模型，正式捕捉社交网络中的阈值动态？
• RQ2 动作模型如何编码决策规则，以复制协调与反协调博弈中的最优响应动态？
• RQ3 标准阈值模型更新与动作模型产物更新之间存在何种逻辑关系？
• RQ4 动作模型框架能否扩展以建模网络的结构性变化，如代理死亡或网络重连？
• RQ5 动作模型在静态网络之外的应用范围如何，特别是在建模动态社会系统方面？

主要发现

• 识别出一类小型动作模型，可捕捉在阈值影响下协调与反协调博弈的最优响应动态。
• 两种标准更新规则——非膨胀且带破局规则，以及保守规则——被证明等价于使用特定动作模型的产物更新。
• 在描述信念变化的有限状态自动机与动作模型之间建立了双射，实现了认知动态与基于动作的更新之间的系统性转换。
• 动作模型方法允许使用动态认识逻辑中的约化公理，对阈值动态进行统一的逻辑处理。
• 该框架支持对动态网络结构的扩展，例如建模代理的出生/死亡与网络演化，从而支持建模类似SIRS的流行病动力学。
• 决策规则的动作模型编码带来概念上的转变：动作模型代表行为规则而非信息事件，为认知动态提供了新视角。