复杂凸时域网络中关于成瘾与遗忘的意见动力学视角
摘要
本文修订了先前工作并引入了时空尺度的变化。论文提出一个包含层A与B的模型，其随时间具有不同程度的遗忘与依赖。我们还对在特定条件下层A、A'、B与B'中依赖与遗忘的变化进行建模。此外，为讨论具有强化或阻碍遗忘与依赖行为且保守或洗脑或解毒并较不易产生过滤气泡的意见簇形成，引入了随时间推荐、阻碍、阻断或煽动遗忘与依赖的新簇C与D。该引入使我们能够检验关于时空二维意见扩展、意见空间发展状态及舆论扩展的假设。将突出共识构建中的挑战，强调意见的动态本质及考虑异议、不信任与媒体影响等因素的必要性。论文提出一个将信任、不信任与媒体影响纳入共识构建模型的扩展框架。我们引入使用二聚体化的网络分析作为获取更深层洞察的方法。在此语境下，我们讨论网络聚类、媒体影响与共识构建。将分析二聚体的位置与分布以洞察网络的结构与动态。二聚体铺砌已应用于网络分析以外的诸多领域，如物理学与社会学。论文最后强调了多元视角、网络分析与有影响力实体在共识构建中的重要性，并引入了基于环面的可视化以助理解复杂网络结构。
引用
@article{arxiv.2311.15318,
title = {Perspective in Opinion Dynamics on Complex Convex Domains of Time Networks for Addiction, Forgetting},
author = {Yasuko Kawahata},
journal= {arXiv preprint arXiv:2311.15318},
year = {2024}
}
备注
Discussion Paper:Convex Regions of Opinion Dynamics, Approaches to the Complexity of Binary Consensus with Reference to Addiction and Obliviousness:Integrated Dimer Model Perspective(2023) This paper is partially an attempt to utilize "Generative AI" and was written with educational intent. There are currently no plans for it to become a peer-reviewed paper