[论文解读] Opinion Dynamics in Networks: Convergence, Stability and Lack of Explosion

Tung Mai, Ioannis Panageas+1 more|arXiv (Cornell University)|Jul 13, 2016

Opinion Dynamics and Social Influence参考文献 20被引用 8

一句话总结

本文提出了一种网络上的确定性意见动态模型，其中群体质量从较小类型流向较大类型（例如政党），几乎必然收敛到固定点，此时活跃类型构成一个独立集。该模型进一步引入了类型的随机出生/死亡过程，证明在低出生率下，系统会进入长时间稳定的阶段，期间无质量流动，且类型数量保持在 $1/\epsilon$ 的对数范围内，即使在频繁出生的情况下也不会爆炸。

ABSTRACT

Inspired by the work of [Kempe, Kleinberg, Oren, Slivkins, EC13] we introduce and analyze a model on opinion formation; the update rule of our dynamics is a simplified version of that of Kempe et. al. We assume that the population is partitioned into types whose interaction pattern is specified by a graph. Interaction leads to population mass moving from types of smaller mass to those of bigger. We show that starting uniformly at random over all population vectors on the simplex, our dynamics converges point-wise with probability one to an independent set. This settles an open problem of Kempe et. al., as applicable to our dynamics. We believe that our techniques can be used to settle the open problem for the Kempe et. al. dynamics as well. Next, we extend the model of Kempe et. al. by introducing the notion of birth and death of types, with the interaction graph evolving appropriately. Birth of types is determined by a Bernoulli process and types die when their population mass is less than a parameter $ε$. We show that if the births are infrequent, then there are long periods of "stability" in which there is no population mass that moves. Finally we show that even if births are frequent and "stability" is not attained, the total number of types does not explode: it remains logarithmic in $1/ε$.

研究动机与目标

• 解决Kempe等人提出的一个开放问题：在意见动态下，随机初始的人口向量是否收敛到独立集。
• 通过在联网意见系统中引入类型的随机出生与死亡（例如政党），对现实的人口层面动态进行建模。
• 分析出生-死亡过程下的长期行为，特别是质量流动是否停止以及类型数量是否会爆炸。
• 在不同出生率和人口阈值下，建立稳定性持续时间与类型数量的概率界。

提出的方法

• 提出一种简化的意见动态更新规则：基于成对影响函数，质量在有向图中从较小类型流向较大类型。
• 使用李雅普诺夫函数论证，证明几乎必然收敛到活跃类型构成独立集的固定点。
• 通过参数 $p$ 的伯努利过程建模类型出生，当质量低于 $\epsilon$ 时触发类型死亡。
• 将‘稳定期’定义为无质量流动的时间区间，并证明在低出生率下此类时期以高概率存在。
• 在长度为 $(16/p)\log(1/\epsilon)$ 的周期区间内采用周期性分析框架，表明类型数量减少或保持有界。
• 应用集中不等式与并集界，推导出类型数量与稳定性持续时间的高概率界。

实验结果

研究问题

• RQ1 当初始向量在单纯形上均匀随机分布时，该意见动态模型是否以概率一几乎必然收敛到独立集？
• RQ2 在何种条件下系统会进入长时间的稳定期，期间无群体质量流动？
• RQ3 系统中类型的数量是否会随时间爆炸？在出生-死亡过程中是否保持有界？
• RQ4 类型出生的频率如何影响实现稳定性的可能性以及最大类型数量？
• RQ5 当出生率较高且无法实现稳定性时，系统的渐近行为如何？

主要发现

• 动态以概率一几乎必然收敛到固定点，其中活跃类型集合在交互图中构成一个独立集。
• 以高概率，当出生频率较低时，系统会进入长时间的稳定期——即无质量流动的时间区间。
• 即使在频繁出生的情况下，类型总数仍被限制在 $O(\log(1/\epsilon))$ 范围内，避免了爆炸。
• 以至少 $1 - 3\epsilon$ 的概率，动态结束时的类型数量不超过 $72\log(1/\epsilon)$。
• 递推关系 $T(n) \leq T(n-1)/2 + 24\log(1/\epsilon)$ 确保在减少条件下，类型数量在 $\log(1/\epsilon)$ 个周期内降至 $48\log(1/\epsilon)$ 以下。
• 分析表明，在温和的出生率假设下，系统避免了爆炸并实现了稳定性，支持长期可预测性。