贝叶斯决策者社交网络中的有界置信意见动态
社会与信息网络
2015-06-17 v1 物理与社会
摘要
有界置信意见动态模拟社交网络中信息的传播。然而在现有文献中，意见仅被视为没有语义的抽象量，而不是决策系统的一部分。在这项工作中，当智能体是执行假设检验或信号检测的贝叶斯决策者时，我们考察了意见动态，并且动态应用于假设的先验概率。通过贝叶斯风险误差散度（假设检验中先验之间的适当度量）来定义先验概率上的有界置信。这个定义与标准模型中意见之间使用的度量（绝对误差）形成对比。结果表明，先验概率快速收敛到少量极限值，这与标准Krause-Hegselmann模型中的情况类似。这项工作中最有趣的发现是，这些极限值的数量和收敛时间随着检测任务中的信噪比而变化。最终值或簇的数量在中等信噪比时最大，表明最有争议的问题导致最多的派系。正是在这些中等信噪比下，与贝叶斯最优检测性能相比，决策者聚合投票的检测性能下降最大。
引用
@article{arxiv.1309.3959,
title = {Bounded Confidence Opinion Dynamics in a Social Network of Bayesian Decision Makers},
author = {Kush R. Varshney},
journal= {arXiv preprint arXiv:1309.3959},
year = {2015}
}