[论文解读] Discrete Opinion models as a limit case of the CODA model

André C. R. Martins|arXiv (Cornell University)|Jan 22, 2012

Opinion Dynamics and Social Influence参考文献 23被引用 7

一句话总结

该论文表明，当个体高估自身对邻近个体的影响时，离散意见模型（如Voter模型）会作为连续意见与离散行为（CODA）模型的极限情况出现。通过在贝叶斯更新过程中引入自我影响，模型显示意见一致与不一致对意见动态的影响不再对称，从而导致共识形成与极端化——尤其在有限系统中，动态行为收敛至强自我影响下的离散自旋系统。

ABSTRACT

Opinion Dynamics models can be, for most of them, divided between discrete and continuous. They are used in different circumstances and the relationship between them is not clear. Here we will explore the relationship between a model where choices are discrete but opinions are a continuous function (the Continuous Opinions and Discrete Actions, CODA, model) and traditional discrete models. I will show that, when CODA is altered to include reasoning about the influence one agent can have on its own neighbors, agreement and disagreement no longer have the same importance. The limit when an agent considers itself to be more and more influential will be studied and we will see that one recovers discrete dynamics, like those of the Voter model in that limit

研究动机与目标

• 阐明连续意见模型（如CODA）与传统离散意见模型之间的理论关系。
• 研究意见更新中的自我影响如何改变意见形成的动态。
• 证明诸如Voter模型等离散模型可作为CODA框架的极限情况推导得出。
• 分析在不同影响力参数下，有限系统中极端化与共识的涌现机制。
• 为意见动态提供一个基于贝叶斯的理论基础，使其更贴近人类对社会影响的推理方式。

提出的方法

• 提出一种改进的CODA模型，其中个体评估自身对邻居的影响，从而根据自身行为改变邻居选择的可能性。
• 使用对数优势比变换（ν）线性化贝叶斯更新，实现可加性意见更新：一致时 ν(t+1) = ν(t) + ln(a/(1−d))，不一致时 ν(t+1) = ν(t) + ln((1−a)/d)。
• 在考虑自我影响时，将意见更新建模为具有非对称步长的有偏随机游走，打破一致与不一致之间的对称性。
• 在20²和50²的晶格上进行基于网络的模拟，以研究界面动态与共识形成随时间的演变。
• 分析界面比例（即对立意见连接）随自我影响强度（S）和每个个体的平均交互次数（T）的变化。
• 对每个参数组合进行20次独立实现，以计算平均值与标准差，确保统计稳健性。

实验结果

研究问题

• RQ1 在CODA模型中引入自我影响后，与标准CODA相比，意见形成的动态如何改变？
• RQ2 在何种条件下，改进的CODA模型会收敛至Voter模型等离散意见动态？
• RQ3 有限系统大小在模型中共识与极端化的出现中起到何种作用？
• RQ4 一致与不一致之间的不对称性如何影响系统中极端化的水平？
• RQ5 该模型能否再现真实社会系统的关键特征，例如从温和初始意见自发产生极端化？

主要发现

• 当个体高估自身影响力（S → ∞）时，模型渐近恢复至Voter模型等离散动态，证实离散模型是CODA框架的极限情况。
• 在有限系统中，存在一个参数范围，使得所提模型与自旋系统产生完全相同的结果，表明尽管底层机制不同，但结果具有等价性。
• 在中等自我影响下（S < 1），界面比例（即对立意见连接）随时间减少，表明形成了大而稳定的意见区域。
• 尽管一致带来的强化较弱，但S较小时系统中极端化水平更高，因为更多个体免受对立观点影响，从而维持强烈且自我强化的意见。
• 有限尺寸效应使得即使在S较小时也能形成共识，尤其在较小网络中（如n=20²），当S=0.4时，在T=5,000,000次平均交互后观察到完全共识。
• 该模型揭示，降低一致邻居的影响反而可能增加持有极端意见的个体数量，原因在于减少了对不一致的暴露，同时增强了内部强化。