消息增强的 DeGroot 模型
信号处理
2024-03-01 v1 社会与信息网络
系统与控制
系统与控制
摘要
理解消息对社交网络中智能体观点的影响至关重要。然而，据我们所知，现有工作对此现象的定量研究有限。为填补这一空白，本文提出了消息增强的 DeGroot 模型。有界布朗消息模型结合大众传播理论中的时间连续性、随机性和极化特性，提供了消息演化的定量描述。消息增强的 DeGroot 模型将有界布朗消息模型与传统 DeGroot 模型相结合，定量描述了消息影响下智能体观点的演化。我们从理论上研究了消息和智能体观点的概率分布及统计特性，并定量分析了消息对观点的影响。此外，我们还进行了仿真以验证我们的分析。
引用
@article{arxiv.2402.18867,
title = {Message-Enhanced DeGroot Model},
author = {Huisheng Wang and Zhanjiang Chen and H. Vicky Zhao},
journal= {arXiv preprint arXiv:2402.18867},
year = {2024}
}