网络社交网络中带有确认偏差的信息传播

本文提出一个模型，用于研究信息在相互通信的智能体所构成的网络社交网络上的传播。本文所考虑的网络社交网络由个体和新闻机构组成。每个个体持有一个由标量表示的信念。个体从更接近其信念的新闻机构接收信息，确认偏差被明确纳入模型中。所提出的网络社交网络动力学采纳自 DeGroot-Friedkin 模型，其中个体的观点更新机制是其固有观点、其邻居在上一时间步的观点（从社交网络获得）以及他所关注的新闻机构从网络层传递来的观点的凸组合。此处相互依赖的社交网络与网络层的特征截然不同：社交网络依赖于信任，因此是静态的；而新闻机构则高度动态，因为它们的权重是个体状态与新闻机构状态之间距离的函数，用以解释确认偏差。本文刻画了上述动力学收敛至唯一均衡的条件。给出了在非线性和线性状态依赖权重函数下稳态值的估计与精确计算。最后，在著名的 Krackhardt 建议网络背景下，数值分析了新闻机构观点极化对公众舆论演化的影响。