社交网络中意见与连接性动态的预测建模

近年来，对通过人类网络的意见与创新传播机制进行建模和理解的兴趣增加。利用对真实世界社会数据的分析，研究者能更好地理解社交网络的动态，并随后对这类网络随时间的变化建模。我们开发了一个社交网络模型，既利用基于智能体的方法动态更新智能体间的意见与连接，也反映真实世界数据中观察到的意见传播与结构变化随时间的变化。我们使用 MIT Human Dynamics Lab 的 Social Evolution dataset 验证该模型，该数据集描述了目标学生群体在九个月内的友谊与健康自我认知的变化。我们通过预测网络的意见传播与连接性的变化证明了该方法的有效性。我们还用该模型评估网络参数（如‘开放性’水平及采纳相邻智能体意见的意愿）如何影响结果。该模型不仅提供了对不断变化的社交网络动态的洞察，还提供了一个工具，用以研究各种结构与意见分布下的意见传播策略。