动态社会网络中异质交互观点演化动力学建模及分析研究

It is of great importance in academic significance and value to study opinoin dynamics on social network, which is one of hot topics of interdisciplinary research. Opinion evolution is a complex process and suffers from various factors. This project investigates the dynamics of opinion formation on dynamics social network by incorporating individuals' credibility, biased assimilation, dissipation and stubbronness. Individuals obtian others' information through heterogeneous interactions and deal with the obtianed information according to the behavior of biased assimilation and their estimations of the credibility of the interactive partner; the model for opinion formation will be presented by analyzing the utility function of the individul from the perspective of game theory; some theorectial analysis on the convergence of the proposed model wil be conducted; it will be investigated and presented by the method of computer simulations that the influence of the credibility of the individuals, the behavior of biased assimilation and the dissipation of the individuals as well as the structure of dynamic social network on the final opinion and the convergence time. The research of this project can contribute to uncovering the mechanism that controls the opinion formtion on social network and will shed new lights on studying the problem of prediction and guidance of opinion on social network.

社会网络中观点演化动力学的研究具有重要理论意义和价值，是目前交叉学科研究热点之一。社会网络中观点演化是一个复杂的过程，受到各种因素的影响。本项目针对社会网络中个体的可信度、偏好接收信息行为、耗散性以及顽固性，考虑个体交流网络的动态性，研究动态社会网络中的观点演化机制问题。个体通过异质观交互方式获取网络中其他个体的观点信息，并结合自己的偏好性接收行为特性和对交互个体可信度的判断对获取的观点信息进行处理；基于博弈的方法，分析个体个体的收益函数，建立个体观点的更新模型，并从理论上分析模型的收敛性；基于计算机仿真的方法分析个体的耗散性特性、偏好性接收行为、可信度以及不同动态社会网络结构如何影响观点的演化结果和演化速度。本项目的研究将有助于认识社会网络中舆论发展的内在规律，将对研究社会网络舆论的预测和引导问题提供新的思路。

随着在线社交网络的广泛应用，研究社交网络中信息形成与演化行为具有重要的理论意义与应用价值。本项目围绕社交网络中观点演化机制问题，主要内容包括三个方面：(1) 针对社交网络中交互个体存在的遗忘性和偏好性行为，研究个体的个性行为和网络拓扑结构对演化动态特性的影响；（2）针对个体的顽固性，研究观点信息的波动性；（3）针对两类相互竞争对立的观点信息，分析不同类型个体的影响。首先建立改进的名字博弈模型，分析模型的收敛性和动态特性，发现个体的遗忘性特性会影响最终观点一致收敛时间，但对整个群体包含的信息种类最大值几乎没有影响；个体的偏好性强度增强会降低收敛速度；如果交互网络比较稀疏，个体的自适应重连边行为会极大提高群体的收敛速度。其次，基于加权平均法则分析群体具有顽固个体时的观点信息的波动特性，发现只要具有不同观点信息值的顽固个体会与常规个体相互影响，则群体最终观点将会出现波动性，并给出上下区间。第三，给出改进的传染模型，并将群体分为开明型、适中型和保守型三种类型个体，发现开明型个体有助于提高信息在群体中的扩散，而信息的传播速度更多依赖于网络拓扑结构。此外，项目还探讨深度学习在优化控制的应用。项目的研究有助于进一步理解社交网络中观点信息的形成机理，对进一步研究舆论演化趋势预测与制定干预策略提供一定的理论参考。