网络行为阈值模型的消息传递方法

我们研究了一个简单的模型，描述社会行为（如趋势和观点）如何在网络中传播，其中个体在被$T$个已采纳该趋势的邻居告知时会采纳该趋势。利用动态消息传递算法，我们开发了一种易于处理且计算高效的方法，可提供任意网络中每个个体采纳该趋势的概率或采纳者与未采纳者频率的完整时间演化。我们通过将其与真实网络和合成网络中基于蒙特卡洛的代理模拟进行比较来验证该方法，并为大型随机网络提供了一种精确的解析方案，其中模拟结果吻合良好。我们的方法具有足够的通用性，可纳入非马尔可夫过程并包含异质阈值，因此可应用于探索丰富的复杂异质基于代理的模型集。