具有高度振荡观点的观点动力学研究

《Neurocomputing》:Opinion dynamics with highly oscillating opinions

【字体: 大 中 小 】 时间:2026年04月08日 来源:Neurocomputing 6.5

编辑推荐:

  观点动力学(Opinion Dynamics, OD)是一类基于主体的模型,用于描述群体中观点的演化过程。传统OD模型主要关注共识、碎片化或极化等稳态结果,但忽视了现实中存在的高度振荡趋势。研究人员针对这一局限,评估了多种引入动态参数的OD模型再现振荡动态的能

  
观点动力学(Opinion Dynamics, OD)是一类基于主体的模型,用于描述群体中观点的演化过程。传统OD模型主要关注共识、碎片化或极化等稳态结果,但忽视了现实中存在的高度振荡趋势。研究人员针对这一局限,评估了多种引入动态参数的OD模型再现振荡动态的能力,并通过进化算法求解优化问题。首先在合成目标序列上验证模型的固有振荡能力,随后应用于西班牙社会学研究中心(Centro de Investigaciones Sociológicas, CIS)月度晴雨表提供的关于移民问题的真实舆论数据。结果表明,结合置信机制与极化机制的Agent-independent Time-based Bounded Confidence and Repulsion(ATBCR)模型表现最佳,优化后的模型能够紧密拟合历史舆论波动,并呈现可解释的、类似人类集体演化的模式。
该研究由Víctor A. Vargas-Pérez、Jesús Giráldez-Cru及Oscar Cordón合作完成,发表于《Neurocomputing》。研究背景在于,现有OD模型大多聚焦于稳态分析,而实证数据显示公共舆论常表现出持续振荡,例如移民议题上的政策反馈循环导致舆论周期性波动。这种非平稳性在公共政策、公共卫生与社会风险分析中均具有重要意义,但缺乏能够合理解释此类动态的机制。为此,研究人员选取六类代表性OD模型,包括DeGroot模型、Friedkin-Johnsen(FJ)模型、Biased Assimilation(BA)模型、Deffuant-Weisbuch(DW)模型、Algorithmic Bias(AB)模型以及ATBCR模型,并在模型中引入逐周期变化的动态参数,以适应舆论的非稳态特征。优化过程采用差分进化(Differential Evolution, DE)、粒子群优化(Particle Swarm Optimization, PSO)、SHADE及其线性种群缩减版本L-SHADE四类进化算法,在合成序列与真实数据中寻找最优参数配置。实验结果显示,仅ATBCR模型能够稳定再现双向振荡模式,其机制在于置信阈值(confidence threshold)与极化阈值(polarization threshold)的交互作用:低阈值促进排斥与极化,驱动关注比例上升;高阈值增强吸引与共识,促使关注比例下降。该发现揭示了舆论振荡背后的微观互动逻辑,并为社会动力学建模提供了可解释的混合机制框架。
关键技术方法方面,研究人员构建基于Barabási-Albert无标度网络的代理互动环境,设定每月为一个周期,每个周期包含约13?500次互动步长。初始人口意见在合成实验中采用均匀分布,在真实案例中依据CIS 2023年1月至2024年4月的调查数据进行高斯分布映射。优化目标为最小化每月关注比例的平均绝对百分比误差(Mean Absolute Percentage Error, MAPE),并通过20次蒙特卡洛模拟确保稳定性。
研究结果分为三个部分。第一部分为合成场景验证,包括阶跃型、正弦型及带噪正弦型三类目标序列。结果表明,在不同关注阈值下,ATBCR均能准确追踪振荡趋势,而其他模型或因收敛过快无法恢复关注水平,或因缺乏排斥机制导致不可逆衰减。参数轨迹显示,FJ依赖初始锚定效应,BA通过极端偏置实现波动但不稳定,ATBCR则通过置信与极化阈值的反向调节实现稳健振荡。第二部分为真实案例研究,聚焦西班牙移民舆论。数据来自CIS月度晴雨表,将受访者对“国家三大主要问题”的排序映射为连续意见值。校准结果显示,ATBCR在关注阈值为0.9时取得最佳MAPE(约6.89?×?10-2),显著优于其他模型。其参数变化与舆论升降阶段高度一致:上升期对应低置信与低极化阈值,下降期对应高置信与高极化阈值,收敛速度参数则与变化斜率正相关。第三部分进一步讨论了模型解释力,指出ATBCR的混合机制反映了社会中同质性吸引与异质性排斥的动态平衡,能够在不依赖外部强制震荡源的情况下内生地产生持续波动。
在讨论与结论中,研究人员强调,单一机制模型难以同时再现舆论的上升与下降过程,只有融合置信与极化效应的混合模型才能捕捉真实社会的复杂动态。ATBCR不仅在数值拟合上表现优异,还提供了符合社会学直觉的解释:舆论关注上升源于极化驱动的排斥行为,下降则源于共识驱动的吸引行为。研究同时指出,当前初始化方式依赖于间接调查指标,未来可通过更直接的态度量表提高映射精度,并可扩展至多议题、多群体异质性建模。此外,该方法具备推广至公共卫生、气候变化等其他舆论领域的潜力。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号