[论文解读] The Evolution of Beliefs over Signed Social Networks

Guodong Shi, Alexandre Proutière+3 more|arXiv (Cornell University)|Jul 1, 2013

Opinion Dynamics and Social Influence参考文献 44被引用 5

一句话总结

本文研究了在具有正负关系的社交网络中意见动态演化问题，其中朋友之间的互动（正向链接）与敌对关系（负向链接）会导致信念趋于一致或分化。论文建立了收敛与分化的条件，证明了无幸存者定理和生死 Lemma，表明在结构平衡条件下，有界信念会聚集于极端值，且几乎必然收敛于一致或极化状态，具体取决于网络结构与更新参数。

ABSTRACT

We study the evolution of opinions (or beliefs) over a social network modeled as a signed graph. The sign attached to an edge in this graph characterizes whether the corresponding individuals or end nodes are friends (positive links) or enemies (negative links). Pairs of nodes are randomly selected to interact over time, and when two nodes interact, each of them updates its opinion based on the opinion of the other node and the sign of the corresponding link. This model generalizes DeGroot model to account for negative links: when two enemies interact, their opinions go in opposite directions. We provide conditions for convergence and divergence in expectation, in mean-square, and in almost sure sense, and exhibit phase transition phenomena for these notions of convergence depending on the parameters of the opinion update model and on the structure of the underlying graph. We establish a {\it no-survivor} theorem, stating that the difference in opinions of any two nodes diverges whenever opinions in the network diverge as a whole. We also prove a {\it live-or-die} lemma, indicating that almost surely, the opinions either converge to an agreement or diverge. Finally, we extend our analysis to cases where opinions have hard lower and upper limits. In these cases, we study when and how opinions may become asymptotically clustered to the belief boundaries, and highlight the crucial influence of (strong or weak) structural balance of the underlying network on this clustering phenomenon.

研究动机与目标

• 建立社交网络中意见演化模型，其中同时存在正向（朋友）与负向（敌人）关系。
• 将 DeGroot 模型扩展以纳入负向影响，即敌人之间互动时意见趋于分化。
• 识别意见收敛至一致、发散或在信念边界处聚类的条件。
• 分析结构平衡（强或弱）在决定长期意见动态中的作用。
• 研究有界信心或信念限制对渐近聚类行为的影响。

提出的方法

• 在有符号图上建模意见动态，其中每条边带有符号，表示友谊（+）或敌意（–）。
• 采用随机更新规则：节点根据邻居意见及链接符号更新信念，随时间随机成对交互。
• 应用随机过程工具，包括鞅收敛定理、Borel-Cantelli 引理及停时论证。
• 引入完全分离事件概念，并利用其证明几乎必然收敛至极端信念。
• 通过强平衡与弱平衡分析网络结构，将节点划分为信念趋于一致或分化的组别。
• 通过设定意见的上下限（±A）引入有界信心，并研究其对吸收至边界行为的影响。

实验结果

研究问题

• RQ1 在何种条件下，有符号社交网络中的意见会收敛至一致或发生分化？
• RQ2 结构平衡（强或弱）如何影响意见在信念边界处的渐近聚类行为？
• RQ3 更新参数 α 与影响强度 β 在决定收敛或发散中起什么作用？
• RQ4 我们能否证明几乎必然收敛至一致或分化状态？其必要条件是什么？
• RQ5 有界信心限制如何影响负向链接存在时意见动态的长期行为？

主要发现

• 论文证明了无幸存者定理：若意见在全球范围内发生分化，则任意两个节点间的意见差异几乎必然发散。
• 建立了生死 Lemma：几乎必然地，意见要么收敛至一致，要么发生分化，不存在中间状态。
• 对于强平衡网络且 α ≠ 1/2 的情形，存在足够大的 β，使得意见几乎必然完全分离为两个对立群体。
• 当信念被限制在 –A 与 A 之间，且网络为弱平衡时，在足够大的 β 条件下，意见几乎必然以概率 1 渐近聚类于 ±A。
• 当信念差距超过某一阈值时，意见几乎必然完全分离为不同意见群组，且此类状态在更新动态下为吸收态。
• 利用 Borel-Cantelli 引理表明，在特定条件下，完全分离事件会无限次发生，从而导致几乎必然在边界处聚类。