度依赖阈值模型：更好地理解在线社交网络上的观点动态
社会与信息网络
2020-03-27 v1 物理与社会
摘要
随着在线社交媒体的快速增长，人们日益被环境中信息的数量与内容所淹没。阈值模型目前是刻画人们对他人观点与情绪影响的最常用方法之一。尽管许多研究采用并试图改进阈值模型，但寻找用于定义人类行为的合适阈值函数仍是一项关键且尚未达成的探索。个体阈值异质性的定义往往界定不清，这导致均匀与二元函数的过于简化使用，尽管它们远不能代表现实。在本研究中，我们使用包含 30,704,025 条推文的 Twitter 数据来模拟新观点的采纳。我们的结果表明，阈值不仅与节点的出度相关（这与其他研究相矛盾），还与节点的入度相关。因此，我们分别模拟了阈值为出度依赖与入度依赖的两种情形。我们得出结论：当阈值依赖于入度时，系统更可能达成共识；然而，在此情形下所有节点固定其观点所经历的时间显著更长。此外，对于两种情形，我们均未观察到平均度对平均观点或观点固定时间的明显影响，且增加种子规模对达成共识具有负面效应。尽管阈值异质性对平均观点影响轻微，但当阈值依赖于入度时，异质性对达成共识的积极作用更为显著。
引用
@article{arxiv.2003.11671,
title = {The Degree-Dependent Threshold Model: Towards a Better Understanding of Opinion Dynamics on Online Social Networks},
author = {Ece C. Mutlu and Ivan Garibay},
journal= {arXiv preprint arXiv:2003.11671},
year = {2020}
}
备注
5 figures