[论文解读] Opinion dynamics under opposition

Steffen Eger|arXiv (Cornell University)|Jun 13, 2013

Opinion Dynamics and Social Influence被引用 2

一句话总结

本文提出了一种类似DeGroot的信念动态模型，引入了对内群体的认同与对外群体的对立，其中个体调整信念以匹配内群体成员，并与外群体成员产生相反意见。研究识别出‘软对立’是实现长期极化的关键机制，网络结构与偏离函数决定了结果，且表明当负面关系较强时，难以实现智慧。

ABSTRACT

We study a DeGroot-like opinion dynamics model in which agents may oppose other agents. As an underlying motivation, in our setup, agents want to adjust their opinions to match those of the agents of their 'in-group' and, in addition, they want to adjust their opinions to match the 'inverse' of those of the agents of their 'out-group'. Our paradigm can account for persistent disagreement in connected societies as well as bi- and multi-polarization. Outcomes depend upon network structure and the choice of deviation function modeling the mode of opposition between agents. For a particular choice of deviation function, which we call soft opposition, we derive necessary and sufficient conditions for long-run polarization. We also consider social influence (who are the opinion leaders in the network?) as well as the question of wisdom in our naive learning paradigm, finding that wisdom is difficult to attain when there exist sufficiently strong negative relations between agents.

研究动机与目标

• 建立一种信念动态模型，使个体对内群体成员持认同态度，对外群体成员持对立态度，以捕捉现实世界中的极化现象。
• 分析网络结构与偏离函数选择对长期信念结果的影响。
• 探究在连通社会中持久极化出现的条件。
• 探讨在此类朴素学习模型中，社会影响与智慧的作用。

提出的方法

• 通过引入量化个体对外群体成员信念对立程度的偏离函数，对DeGroot模型进行扩展。
• 将信念更新建模为内群体信念的加权平均与外群体信念的反向加权平均，权重由网络结构决定。
• 引入‘软对立’作为特定的偏离函数，使对立效应保持连续且有界。
• 使用线性代数与马尔可夫链分析研究信念在长期的收敛或发散行为。
• 通过影响力网络中特征向量中心性的方法识别意见领袖。
• 通过评估在噪声观测下系统长期共识是否逼近真实状态，来评估智慧。

实验结果

研究问题

• RQ1 在何种条件下，该模型导致长期极化而非共识？
• RQ2 偏离函数的选择（尤其是软对立）如何影响极化的出现？
• RQ3 网络结构如何塑造影响力分布与意见领袖的形成？
• RQ4 当个体与外群体成员存在负面关系时，系统在多大程度上能实现智慧？

主要发现

• 当网络结构支持足够的内群体凝聚力与外群体分离时，软对立下长期极化是可能的。
• 基于软对立下影响力矩阵的谱性质，推导出极化的必要与充分条件。
• 社会影响力集中于入度高且内群体联系紧密的节点，这些节点被识别为意见领袖。
• 当个体间的负面关系较强时，难以实现智慧，因为分歧会破坏对真实状态的共识。
• 由于内群体认同与外群体对立的相互作用，该模型即使在连通网络中也能产生双极化或多极化。