社交媒体合成影响群体在无标度网络上的共识效应

用于社交互动的在线平台是现代社会不可或缺的组成部分。随着技术的进步以及算法和 AI 的崛起，内容如今被系统性地过滤，从而促成了过滤气泡的形成。本研究探讨了在 Barabási-Albert 无标度网络上的两态多数投票模型中，有限可见性条件下的社会共识。在共识演化过程中，每个个体以概率 $1-q$ 采纳其多数邻居的意见，并以概率 $q$ 表示异议，其中 $q$ 被称为噪声参数。我们将可见性参数 $V$ 定义为个体在给定交互中考虑邻居意见的概率。参数 $V$ 使我们能够对有限可见性现象进行建模，该现象在在线互动中产生了合成邻域。我们采用 Monte Carlo 模拟和有限尺寸标度分析，获得了临界噪声参数作为可见性 $V$ 和增长参数 $z$ 的函数。我们求出了临界指数 $\beta/\bar{\nu}$、$\gamma/\bar{\nu}$ 和 $1/\bar{\nu}$，并验证了它们在复杂网络中的单位关系。我们的分析表明，安装并操纵合成影响群体会严重削弱共识的鲁棒性。