正在加载图片...
.548 智能系统学报 第8卷 2)本文模型在一组参数下可以仿真出多种舆 1.0 论形态,而基于不对称人际影响的舆论模型刀在一 0.8 0.8好 0.6 0.6 组参数下只能仿真出1种舆论形态:基于小世界网 厨0.4 0.4 络的舆论模型[劉在一组参数下也可产生多种舆论 0.2 0.2 x10 x10 形态,但其不能分辨相近的舆论是否为同一舆论,而 1 234 1/时步 t/时步 本文模型可以: (a)2社区形成1种舆论 (b)2社区形成2种舆论 3)从图3可看出,基于小世界网络的模型中舆 1.0 1.0 论大致在1000s时形成.而本文模型在200s左右 0.8 0.8 便可形成比较稳定的舆论.这是由于个体的观点受 0.6 0.0 到记忆的影响,因此本文模型时间复杂度更小且更 0, 0. 符合现实情况. 0.2 103 40 0 2 3 4 4)基于小世界网络的舆论模型[幻只能对舆论 0 1 234 t/时步 t/时步 的形成过程及结果进行展示,不能说明群体中意见 (c)一社区形成2种舆论,(d)2社区形成3种舆论 领袖和易变个体的数目对舆论形成的影响,也不能 另一社区形成1种舆论 明显地展示阈值大小对舆论形成产生的影响:而从 1.0 1.02 本文模型中则可清晰地看出这些因素对舆论趋势的 0.8 0.8 影响,这对于舆论的监控具有重要的意义.在舆论的 20.6 0.6 0.4 带 0.489“ 监控过程中,可以通过调节意见领袖和易变个体的 0.2 0.2 数目对舆论进行引导. ×刘03 ×10 0 2 34 0 1234 4.3多社区下本文模型仿真结果及对比分析 1/时步 t/时步 个体观点值)和个体观点坚定性值s初始均匀 (e)2社区形成多种舆论 ()2社区未形成舆论 随机分布在[0,1]内,交互次数C=4000.为了与具有 图5参数组2下本文模型在多社区中舆论演化过程 Fig.5 Evolution of public opinion of the present model 社团结构的有界信任奥论涌现模型进行对比,这里 in multi-communities with the 2nd group of pa- 设定3组参数进行仿真实验.其中参数组1设定阈值 rameters 为0.5,社团耦合度为0.06:参数组2设定阈值为0.2, 1.0 社团耦合度为0.06:参数组3设定阈值为0.5,社团耦 0.8 合度为0.00003.仿真结果分别对应图4~6.具有社团 已0.6 结构的有界信任奥论涌现模型)在第1组参数和第 0.4 2组参数下的仿真结果如图7和图8. 0.2 ×10 0 1 1.0 1.06 2.34 t/时步 0.8 0.8 20.6 三0.6 图6参数组3下本文模型在多社区中舆论演化过程 04 0.4 Fig.6 Evolution of public opinion of the present model 0.2 ×1030.2 in multi-communities with the 3rd group of pa- ×10 0 1234 0 1 23 4 rameters 1/时步 t/时步 (a)2社区形成1种舆论(b)2社区形成2种不同舆论 1.0 一社团1 1.0 1.0e 0.8 ·社团2 0.8 一社团1 0.8 0.6 0.6 ·社团2 0.4 检0.4 0,4 0.2 0.2 0 10 1510 0.2 012345678910 10 1/时步 t/时步 0 234 1/时步 (a)2社区形成1种舆论 (b)2社区形成2种舆论 (©)一社区形成2种舆论,另一社区形成1种舆论 图7参数组1下具有社团结构多社区涌现模型舆论 图4参数组1下本文模型在多社区中舆论演化过程 演化过程 Fig.4 Evolution of public opinion of the present mod- Fig.7 Public opinion of emergent model with com- el in multi-communities with the Ist group of munity structure in multi-commnuities with parameters the Ist group of parameters2) 本文模型在一组参数下可以仿真出多种舆 论形态,而基于不对称人际影响的舆论模型[7] 在一 组参数下只能仿真出 1 种舆论形态;基于小世界网 络的舆论模型[8] 在一组参数下也可产生多种舆论 形态,但其不能分辨相近的舆论是否为同一舆论,而 本文模型可以. 3) 从图 3 可看出,基于小世界网络的模型中舆 论大致在 1 000 s 时形成.而本文模型在 200 s 左右 便可形成比较稳定的舆论.这是由于个体的观点受 到记忆的影响,因此本文模型时间复杂度更小且更 符合现实情况. 4) 基于小世界网络的舆论模型[8] 只能对舆论 的形成过程及结果进行展示,不能说明群体中意见 领袖和易变个体的数目对舆论形成的影响,也不能 明显地展示阈值大小对舆论形成产生的影响;而从 本文模型中则可清晰地看出这些因素对舆论趋势的 影响,这对于舆论的监控具有重要的意义.在舆论的 监控过程中,可以通过调节意见领袖和易变个体的 数目对舆论进行引导. 4.3 多社区下本文模型仿真结果及对比分析 个体观点值 v 和个体观点坚定性值 s 初始均匀 随机分布在[0,1]内,交互次数 C = 4 000.为了与具有 社团结构的有界信任舆论涌现模型[9]进行对比,这里 设定 3 组参数进行仿真实验.其中参数组 1 设定阈值 为 0.5,社团耦合度为 0.06;参数组 2 设定阈值为 0.2, 社团耦合度为 0.06;参数组 3 设定阈值为 0.5,社团耦 合度为 0.000 03.仿真结果分别对应图 4~6.具有社团 结构的有界信任舆论涌现模型[9] 在第 1 组参数和第 2 组参数下的仿真结果如图 7 和图 8. (a) 2 社区形成 1 种舆论 (b) 2 社区形成 2 种不同舆论 (c) 一社区形成 2 种舆论,另一社区形成 1 种舆论 图 4 参数组 1 下本文模型在多社区中舆论演化过程 Fig.4 Evolution of public opinion of the present mod⁃ el in multi⁃communities with the 1st group of parameters (a) 2 社区形成 1 种舆论 (b) 2 社区形成 2 种舆论 (c) 一社区形成 2 种舆论, (d) 2 社区形成 3 种舆论 另一社区形成 1 种舆论 (e) 2 社区形成多种舆论 (f) 2 社区未形成舆论 图 5 参数组 2 下本文模型在多社区中舆论演化过程 Fig.5 Evolution of public opinion of the present model in multi⁃communities with the 2nd group of pa⁃ rameters 图 6 参数组 3 下本文模型在多社区中舆论演化过程 Fig.6 Evolution of public opinion of the present model in multi⁃communities with the 3rd group of pa⁃ rameters (a) 2 社区形成 1 种舆论 (b) 2 社区形成 2 种舆论 图 7 参数组 1 下具有社团结构多社区涌现模型舆论 演化过程 Fig.7 Public opinion of emergent model with com⁃ munity structure in multi⁃commnuities with the 1st group of parameters ·548· 智 能 系 统 学 报 第 8 卷
<<向上翻页向下翻页>>
©2008-现在 cucdc.com 高等教育资讯网 版权所有