网络上观点动力学的自适应有界置信模型

社交网络中相互交互的个体经常交流想法并影响彼此的观点。研究网络上观点传播的一种流行方法是考察有界置信模型（BCMs），其中网络的节点具有连续值状态以编码其观点，并且当其他节点的观点位于其自身观点的某个置信界限内时，愿意接受这些观点。在本文中，我们通过考察与网络结构共同演化的观点传播，扩展了著名的 BCM——Deffuant–Weisbuch（DW）模型。我们提出了 DW 模型的一种自适应变体，其中网络节点可以（1）在与相邻节点交互时改变其观点，以及（2）基于观点容忍阈值断开与邻居的连接，然后遵循同质性原则建立新的连接。该观点容忍阈值决定了相邻节点的观点是否差异足够大而被视为“不和谐”。通过数值模拟，我们发现，要使网络节点达成一致性观点，我们的自适应 DW 模型比基线 DW 模型需要更大的置信界限。在参数空间的一个区域中，我们观察到“伪一致”稳态，其中存在一个观点簇的多个子簇，其观点彼此仅相差很小量。在我们的模拟中，我们还考察了早期动力学以及具有初始温和观点的节点对于达成一致的的重要性。此外，我们探讨了共同演化对我们的 BCM 收敛时间的影响。