基于神经扩散-对流-反应方程的意见动力学建模
人工智能
2026-02-06 v1 计算机与社会
社会与信息网络
摘要
先进的意见动力学建模对于解密社会行为至关重要，尤其在缓解两极化和保障网络安全方面发挥关键作用。为实现机理可解释性与数据驱动灵活性之间的协同，近期研究探索了将基于物理的神经网络（PINN）用于意见建模。尽管前景光明，现有方法针对不完整的先验条件设计，缺乏一个综合的物理系统来整合来自局部、全局和内生层面的动力学。此外，现有方法所采用的数据惩罚约束难以深入编码物理先验，导致优化路径异常，使得潜在表示与物理透明性之间存在差异。为此，我们提供了一种通过扩散-对流-反应（DCR）系统所提供的物理视角来解释意见动力学。基于神经 ODEs，我们定义神经意见动力学以协调神经网络与物理先验，并进一步提出了 OPINN——一种面向意见动力学建模的物理信息神经框架。在真实数据集和合成数据集上评估后，OPINN 在意见演化预测中实现了最先进的性能，为网络、物理和社会系统之间的潜在联系提供了一条有前景的范式。
引用
@article{arxiv.2602.05403,
title = {Advancing Opinion Dynamics Modeling with Neural Diffusion-Convection-Reaction Equation},
author = {Chenghua Gong and Yihang Jiang and Hao Li and Rui Sun and Juyuan Zhang and Tianjun Gu and Liming Pan and Linyuan Lü},
journal= {arXiv preprint arXiv:2602.05403},
year = {2026}
}