建模社交网络算法如何影响观点极化

在社交网络的各个不同方面中，已有动力学模型被提出用于模拟观点的传播方式。在本研究中，我们提出了一个模拟在线社交网络中交流的模型，其中帖子是根据外部信息创建的。我们将网络的节点和边分别视为用户及其好友关系。每个用户都关联一个代表其观点的实数。该动力学过程始于某个用户接触到一个随机观点，并且根据给定的概率函数，该个体可以发布此观点。此步骤在后文中被称为帖子传播（post transmission）。在下一步中，即帖子分发（post distribution），采用另一个概率函数来选择可以看到该帖子的用户好友。帖子传播和分发分别代表用户和社交网络算法。如果某个个体接触到了帖子，其观点可能会被吸引或排斥。此外，受到排斥的个体可以通过重新连边（rewiring）来改变其好友关系。这些步骤会反复执行，直到动力学过程收敛。研究获得了一些令人瞩目的结果，包括观点极化和达成共识情境的形成。在回音室（echo chambers）的情况下，重新连边概率被证明具有决定性作用。然而，对于具有明确社群结构的特定网络拓扑，这种效应也可能发生。总而言之，结果表明帖子分发策略对于缓解或促进极化至关重要。