真实与模拟社交图谱中的情绪扩散：基于大语言模型的社会模拟的结构性局限
社会与信息网络
2025-12-25 v1
摘要
理解情绪如何在社交网络中扩散是计算社会科学的中心议题。近来，大语言模型（LLMs）越来越多地被用于模拟社交媒体互动，这引发了一个问题：LLM生成的数据能否真实地再现真实在线社区中观察到的情绪扩散模式。在本研究中，我们对真实世界社交图谱与LLM模拟互动网络中的情绪扩散进行了系统比较。我们从Reddit讨论数据构建扩散图谱，并将其与通过LLM驱动的对话模拟生成的合成社交图谱进行比较。情绪状态使用成熟的情感分析流程推断，并从结构、行为和预测角度对真实和模拟图谱进行分析。我们的结果揭示了真实与模拟扩散过程之间显著的结构性和动态性差异。真实世界的情绪扩散表现出密集连接、重复互动、情感转变和涌现的社区结构，而LLM模拟的图谱主要由具有单调情绪轨迹的孤立线性链组成。这些结构性局限显著影响了下游任务，例如基于图谱的情绪预测，导致模拟环境中的情绪多样性降低和类别不平衡。我们的发现凸显了当前基于LLM的社会模拟在捕捉真实社交网络的互动复杂性和情绪异质性方面的局限性。这项工作为在社会科学研究中谨慎使用LLM生成的数据提供了实证证据，并为改进未来的模拟框架指明了方向。
引用
@article{arxiv.2512.21138,
title = {Emotion Diffusion in Real and Simulated Social Graphs: Structural Limits of LLM-Based Social Simulation},
author = {Qiqi Qiang},
journal= {arXiv preprint arXiv:2512.21138},
year = {2025}
}