社会网络中基于代理的群体极化模型研究与实验分析

发布时间：2020-12-06 18:15

　　群体极化是指在特定的情况下,个体由于模仿他人的选择,对自身信息加工有限,从而导致群体对话题的观点判断出现了一致性的行为,这种一致性的可能表现为单极聚化或者多级分化。在现实社会中,群体极化可以让群体贡献自己的思想精华形成集体智慧,也会使个体在群体中丧失自我判断,导致一致性的非理性倾向,因此对于群体极化的研究有着重要的指导应用价值。对于群体极化的研究,传统的建模方式需要建立一些复杂而经典的数学公式,而随着人类行为的复杂化与问题的不断涌现,很多现实问题很难用数学符号加以描述。随着计算机科学技术的不断发展,通过基于代理的实验方法来探索人类行为内在规律的方式引起了重视,通过模拟个体行为与互动,从微观机制得到宏观结果,为揭示群体极化形成的内在机理和影响机制提供了可能。本文从应用场景分析出发,提炼极化过程的技术需求:社会网络结构模型构建、群体极化影响因素分析和群体极化决策模型构建。在网络模型构建一块,本文分析社会网络中节点的类型与属性,同时研究了社会网络的关系类别以及影响因素,最后提出了莲漪网络模型;本文将群体极化的影响因素分为三个部分:个体的异构性、外部环境的影响以及网络结构对群体极化的影响,三个... 

【文章来源】：南京邮电大学江苏省

【文章页数】：93 页

【学位级别】：硕士

【部分图文】：

规则网络结构

京邮电大学硕士研究生学位论文 第二章 文随机网络的研究起源于上世纪 40 年代[28]，在上个世纪 60 年代，ErRényi 提出了经典的 ER 随机图模型[29]，随机网络模型着眼于节点，该模节点和其他节点的连接关系是一种概率问题，概率的大小会影响网络中节数。下图是不同连接概率条件下的随机网络模型。

图 2.3 小世界模型网络中随机重连的概率以概率 p 表示，p 为 0 的时候，网络中没有随机重连的边，而当 p 为 1 时，所有的边都进行了随机重连。（d）无标度网络模型无标度网络模型简称为 BA 模型，1999 年由 Barabási 和 Alert 提出的[33]，该模型有两个重要的原则：增长原则和随机重连原则。现实的网络规模是不断增大的，每时每刻都有新的节点加入和旧的节点退出，这就是增长原则的直观描述[34-35]。此外，节点之间的连接也是不尽相同的，有的节点被连接的概率较大，就如有的人因为性格开朗，他的朋友也越多，优先连接原则[36]表现了网络中的富集效应。下图为无标度网络模型随时间的演化：

【参考文献】：
期刊论文
[1]复杂动态网络演化社团结构探测分析的研究进展[J]. 杨波,游新冬,段文奇.  计算机应用研究. 2013(05)
[2]“七桥问题”及其对数学教育的启示[J]. 胡重光.  湖南第一师范学院学报. 2011(06)
[3]基于元胞自动机的群决策从众行为仿真[J]. 杨善林,朱克毓,付超,卢广彦.  系统工程理论与实践. 2009(09)
[4]自我分类理论概述[J]. 李春,宫秀丽.  山东师范大学学报(人文社会科学版). 2006(03)
[5]从复杂网络的观点看大停电事故[J]. 柏文洁,汪秉宏,周涛.  复杂系统与复杂性科学. 2005(03)



本文编号：2901820