社交网络中意见动态的新颖多维模型

与文献中研究的许多复杂网络不同，社交网络很少表现出一致行为或共识。这需要发展足够简单以便检验、同时能捕捉真实社会群体复杂行为的数学模型，其中意见及与之相关的行动可能形成不同大小的簇。Friedkin和Johnsen提出的一个此类模型，将常规共识算法（也称为迭代意见池化）的思想扩展以考虑由某些外生因素引起的、导致最终意见分歧的参与者偏见。在本文中，我们提供一种新颖的多维扩展，描述智能体关于若干主题的意见演化。与现有模型不同，这些主题是相互依赖的，因此在这些主题上形成的意见也相互依赖。我们严格检验所提模型的稳定性性质，特别是智能体意见的收敛性。尽管我们的模型假设智能体间同步通信，我们表明相同的最终意见可以通过基于异步gossip的协议“平均地”达到。