個體的觀點不確定性對群體觀點多元化的影響

萬貽平, 張東戈, 趙慧赟, 任清輝

(解放軍理工大學指揮信息系統學院,南京 210007)

?

個體的觀點不確定性對群體觀點多元化的影響

萬貽平, 張東戈, 趙慧赟, 任清輝

(解放軍理工大學指揮信息系統學院,南京 210007)

用社會群體中個體的微觀特性,來研究群體的宏觀規律,是提升社會觀點演化研究科學化水平的重要手段。然而,目前對個體的觀點不確定性與群體觀點多元化涌現之間關系的探索還不夠深入。在有界信任模型的基礎上,通過區分觀點不確定性的范圍和程度,構建了“有界信任”與“部分觀點堅定”共同作用的模型,研究了個體的觀點不確定性對群體形成多元化觀點的影響。通過調整個體的觀點不確定性,考察單個個體、同質群體和異質群體的觀點演化效果,用仿真計算實驗揭示了個體的觀點不確定性的范圍和程度對群體形成觀點多樣性的影響機制和特點;通過對社會群體的分析,建立了個體的觀點不確定性與觀點的依賴關系,考察了3種典型初始觀點分布條件下的群體觀點演化,發現觀點呈現出類似均勻分布或正態分布時容易形成群體觀點多元化,而呈現出“極端子群體”分布時難以形成觀點多元化。仿真計算實驗從一定程度上揭示了社會群體觀點演化的規律。

觀點動力學; 多元化; 不確定性; 系統演化

0　引　言

社會群體通過彼此的相互作用溝通,逐漸演化形成穩定的多元化觀點[1-4],是輿論觀點演化的一種重要現象,也是社會管理領域一個特別值得關注的問題。揭示社會群體觀點演化的規律,探究個體的微觀特性與群體觀點的宏觀演化規律之間的影響關系[3],對于研發輿情預警系統和制定群體性事件的應急處置措施等,具有重要的現實意義和理論價值。當前,伴隨著Facebook、微博和微信等社交網絡服務 (social network service,SNS)的發展,用戶接收、傳播和發布信息具有了更加便捷的平臺。在這些 “去中心化”社交平臺的作用下,公眾圍繞興趣愛好、人際交往和任務協作等產生了大量的虛擬社會群體。這些虛擬社會群體中產生的輿論觀點具有越來越重大的社會影響力,由此,對社會群體觀點演化規律的研究變得更為迫切。然而,目前對群體觀點演化研究,主要關注的是群體的觀點共識,而對于群體生成多元化觀點這一重要現象,還需進一步細化探索和研究。

近年來,一些研究者采用觀點動力學模型對社會群體的觀點演化進行了量化研究。按照對觀點的表示方式不同,可將觀點動力學模型分為離散型和連續型兩種。

離散型觀點動力學模型用有限個離散的數值表示個體的觀點,在離散型觀點動力學模型的研究方面,文獻[5]采用選舉模型[4,6],揭示了不改變自身觀點的狂熱個體對群體達成共識觀點的抑制作用;文獻[7]采用基于二元觀點的命名博弈模型,發現當一個群體中持相同觀點的堅定個體比例僅僅只需要超過10%時,這少部分的堅定個體就能大幅度改變其他持不同觀點的個體的觀點,從而使整個群體觀點達成共識;文獻[8]從“阿拉伯之春”和“占領華爾街”等社會事件的觀察出發,通過協同決策模型研究了少量堅定個體扭轉整個社會觀點輿論的現象。

連續型觀點動力學模型用區間中連續的數值表示個體的觀點。在連續型觀點動力學模型的研究方面,較有影響的是Krause、Hegselmann[9]與Deffuant、Weisbuch[1,2]等學者分別提出的有界信任模型。有界信任模型假設,兩個個體的觀點差異低于一個給定的信任閾值時才能相互影響。文獻[9]采用Hegselmann-Krause(簡記為HK)有界信任模型,研究了群體中所有個體具有相同的信任閾值情況下,不同信任閾值大小對群體達成共識觀點或多元化觀點的影響。文獻[2]采用Deffuant-Weisbuch(簡記為DW)有界信任模型,研究了群體包含異質信任閾值的個體情況下,以及群體生成多元化觀點的條件，文獻[10]擴展了DW有界信任模型,提出觀點越極端的個體對自身觀點的確定程度越高,通過假設個體觀點的不確定性與觀點間的依賴關系,研究持極端觀點的個體對群體生成多元化觀點的影響。

從社會影響的角度可以發現,HK和DW有界信任模型中所采用的信任閾值,實質上描述了個體對自身觀點不確定性的范圍[2]:個體只受到閾值范圍之內的觀點的影響。但是在現實人際交往中,不同的人受他人觀點的影響程度不同,這可以解釋為,不同的個體對自身觀點的不確定性的程度不同。然而,有界信任模型[2,9]及其擴展模型[11-13]用信任閾值描繪觀點不確定性時,只考慮了觀點不確定性的范圍,并沒有充分考慮對觀點不確定性的程度。不同個體對自身所持觀點的不確定性的程度不同,觀點的形成也會大為不同。

為更精細地刻畫個體觀點的不確定性,本文在HK模型的基礎上,提出用信任區間和堅定度兩個參數共同描述個體的不確定性,用于區別刻畫觀點的不確定性的范圍和程度,提出一種新的連續觀點動力學——有界信任與部分堅定模型(bounded confidence and part persistence,BCP),用于研究個體觀點的不確定性與群體形成的多元化觀點之間的關系。本文首先形式化地提出BCP模型;然后通過計算機仿真計算,揭示個體觀點不確定性參數對群體形成多元化觀點的影響機制;再研究個體觀點不確定性對同質群體中多元化觀點的影響;最后對異質群體進行建模,建立個體的觀點不確定性與觀點之間的依賴關系,研究3種不同初始觀點分布條件下,群體生成多元化觀點的條件和規律。

1　BCP模型

個體的觀點、態度不僅與個體對問題的認知有關,還和個體在社會關系網絡(或稱人際關系網絡)中受到的人際間影響密切相關[14-15]。本文所研究設立的BCP觀點動力學模型對人際間影響過程做如下基本假設:

群體中的任意兩個個體可以共享和交流觀點,在每個時間步,群體中個體兩兩之間發生一次觀點的交流,交流全部完成后,個體按照BCP模型的觀點更新規則進行觀點更新;所有個體的觀點更新過程按時間步同步進行。

群體不同的觀點更新規則,會影響觀點的宏觀演化結果。群體中個體的觀點經過不斷迭代更新,整個群體最終可能達成單一共識,也可能形成多個穩定共存的觀點,即多元化觀點。

1.1模型變量的定義

設一個群體中包含的所有N個個體共享某個觀點,每個個體的觀點用[0,1]區間的連續數值來表示,0.5表示中間觀點,觀點值離0.5越遠,表示觀點越極端。每個個體的觀點會受到其他個體的影響而發生更新。為有效地描述個體的觀點更新過程,這里用離散值t(t=0,1,…)表示觀點更新的時間步,所有個體按時間步同步地更新觀點。記個體i在時間步t的觀點值為xi(t),觀點向量X(t)=(x1(t),x2(t),…,xN(t))表示時間步t時群體中N個個體各自的觀點,向量X(0)設定為這N個個體的初始觀點。

設定每個個體對自身的觀點都有一定程度的“懷疑”和“拿不準”,即不確定,這種不確定使得個體愿意(可以)接受他人的影響而不斷更新自身的觀點。設定符號bi表示個體i對某個觀點的信任區間,用(0,1)區間的連續數值表示,用于描述個體i對自身觀點不確定性的范圍程度,bi的值越大,個體觀點不確定性的范圍程度越大。如果與其交互的某一觀點超出這一范圍,個體i將不受影響。也就是說,設定研究個體不接受“天方夜譚式的觀點”。設定符號ci為個體i對自我觀點的堅定程度,簡稱為堅定度,用(0,1)區間的一個連續數值來表示。ci的值越大,表示個體i對自我觀點的堅定程度越高,即觀點不確定性的程度越低,在觀點更新中更加不容易改變自身現有觀點。

為了表示個體觀點間的相互影響關系,定義時間步t時刻觀點間的相互影響關系矩陣為

1.2觀點更新規則

BCP模型中所有個體依據觀點更新規則來更新觀點,BCP模型的觀點更新規則包括有界信任規則和部分堅定規則。

有界信任規則:定義集合I(i,X(t))為時間步t時個體i的所有鄰居的集合,其成員元素滿足關系:

(1)

集合I(i,X(t))中的元素個數記為|I(i,X(t))|。現實社會中,社會成員個體總是傾向于與具有相同或相近觀點的個體建立社交聯系[16]。式(1)表示每個時間步t,個體i根據觀點差異來選擇鄰居,如果個體j與個體i的觀點差異不超過個體i的信任區間bi,則個體j成為個體i在時間步t的鄰居。由于個體的觀點隨時間步不斷地迭代更新,故個體i的鄰居集合I(i,X(t))元素會時變地進行調整。非鄰居的判定條件為

(2)

若某一個體的觀點處于個體i的觀點不確定性范圍之外,則該個體成為個體i的“非鄰居”,i的非鄰居個體節點不能對個體i的觀點更新產生影響。

部分堅定規則:用影響權重aii(t)表示個體i對自身觀點更新的影響,定義個體i對自身的影響權重aii(t)的計算式為

(3)

式(3)表明觀點更新中,個體i以權重ci堅持自身現有觀點?，F實中,有人在說服他人的同時,也在說服自己,它會強化自己對事物的當前認識,式(3)即是對這一客觀現象的刻畫。在觀點更新時,個體將受到鄰居觀點的影響,由此定義個體i的鄰居對其影響的權重aij(t)為

(4)

式(4)假設觀點更新中,個體i的所有鄰居對其具有相等的影響權重,且這些鄰居的影響權重之和為1-ci。即,個體i受鄰居觀點影響的程度取決于個體i對自身觀點的不確定性程度1-ci。式(3)和式(4)合并起來可以表示:個體觀點更新時,部分堅持自身現有觀點,部分受鄰居觀點影響。這與現實社會中人際間的觀點影響相吻合。

同步觀點更新:設定在每一個時間步,所有個體都同步地更新觀點,觀點向量X(t+1)的迭代計算公式為

(5)

式中所有個體按照觀點影響矩陣A(t)所設定的相互影響關系同步地更新觀點。

演化穩定的條件:設定當滿足一定條件時,宏觀上看群體的觀點不再隨時間發生偏移或者是跳變,此時稱群體處于觀點演化穩定狀態。判定群體演化穩定的條件為

(6)

式中,δ為一個充分小的正實數。式(6)的判定是基于如下假定:

在某一時間步t,當觀點更新后,所有個體的觀點變化均充分小,那么整個群體在時間步t+1時的狀態與時間步t時相比,也變化極小。由此可以預期,下一時間步的觀點更新中,所有個體的觀點變化仍會保持充分小。在現實的社會群體中,個體兩兩之間進行充分交流,所有個體觀點更新后的觀點變化均可以達到很小,此時可以認為社會群體的觀點演化已經進入穩定狀態?，F實中,可以觀察到,人們不會說沒有信息量的話,不會反復說“人盡皆知”的內容,上述假定反映了這一客觀現象。

1.3BCP模型與HK模型的比較

為更加清晰地說明BCP模型的特點,下面將前人完成的經典HK模型與本文提出的BCP模型的影響關系網絡進行比較。用網絡中的節點表示群體中的個體,節點之間的邊表示個體之間存在觀點影響關系,節點的自環代表個體用“堅持現有的觀點”來對其觀點進行更新,由此得到某個時刻經典HK模型和BCP模型的觀點影響關系網絡示意圖。差別在于,其中一個是無向圖,另一個則是有向圖，如圖1所示。

圖1　觀點影響關系網絡Fig.1　Opinion influence network

圖1(a)所示的為經典的HK模型的觀點影響關系。由于經典HK模型中假設個體具有相同的信任區間ε,故個體間的觀點影響關系是對稱的,網絡是一個無向圖。個體1和個體3之間存在邊,表示個體1和個體3的觀點差異在信任區間ε之內,表示該時間步觀點更新時個體1和個體3的觀點將相互影響。圖1(a)中節點的虛線自環表示經典HK模型中,節點被看成自身的一個普通鄰居,對自身觀點更新的影響權重和其他鄰居相同。

圖1(b)示意的是BCP模型的觀點影響關系,BCP模型中個體的信任度不一定相同,故個體間的觀點影響關系不一定對稱,這也和現實世界更為接近,網絡是一個有向圖。圖1(b)中存在從節點2指向節點4的單向邊,即a42>0,a24=0,表明在這一時刻個體2和個體4的觀點差異超過個體2的信任度b2但不超過個體4的信任度b4,本時間步觀點更新時,個體2的觀點將對個體4的觀點產生影響。節點的實線自環代表個體的堅定度,個體與對自身觀點更新的影響權重和受鄰居的影響不同。隨著演化的進行,網絡拓撲結構也將不斷變化。

2　個體觀點不確定性對群體多元化觀點形成影響機制

觀點的不確定性是個體的微觀特征,多元化觀點是群體觀點演化涌現所呈現出的宏觀現象,本節探究個體的觀點不確定性對群體多元化觀點形成的影響機制。由于基于BCP模型的群體觀點更新過程具有非線性特征,觀點更新的最終結果無法由解析計算得出,因此本文采用計算機仿真計算的方法,對群體的觀點更新過程進行研究。為更好地研究群體多元化觀點的形成規律,定義如下的指標和概念:

觀點簇數量(amountofclusters,AC):群體觀點更新穩定后形成的觀點簇的數量。BCP模型更新穩定后會形成一個或多個觀點簇。群體觀點從初始狀態開始演化,到最終形成多個(不小于3個)穩定觀點簇的過程,即為群體多元化觀點的形成過程。

觀點碎片化:整個群體的觀點未能充分交互,最后群體中存在大量持獨立觀點的極端個體,本文將這種情形稱為觀點碎片化。

觀點二元化:群體觀點充分交互影響,演化穩定后AC=2。

觀點多元化:群體觀點充分交互影響,演化穩定后AC>2。

觀點共識:群體觀點充分交互影響,演化穩定后AC=1。

首先選取群體中的某個個體,保持其初始觀點不變,通過改變該個體的信任區間和堅定度這兩項觀點不確定性表征參數,對比不同參數條件下個體的觀點演化過程,研究信任區間和堅定度對單個個體觀點演化的影響機制。

文獻[17]對當代西方社會網絡規模的研究顯示,最大的社會網絡平均包含153.5名個體,這與根據人類大腦皮層大小推測出來的最大社會網絡規模值150非常相近,故仿真實驗中設置群體大小N不超過150。為便于結果的圖形化展示,按照不大于150的原則,設置N=128,并且設定群體中個體的初始觀點均勻分布于(0,1)區間,所有個體的信任區間b均為0.18,堅定度c均為0.2。將群體中的個體按初始觀點的取值從小到大排序。仿真計算實驗發現,在上述參數設置下,第14號個體的觀點更新過程最具代表性。為有效說明問題,選取群體中的第14號個體,記為實驗個體test,xtest(0)=14/128(仿真實驗中個體觀點值的精度設為小數點后4位,實驗中個體test的初始觀點取為0.109 4)。修改個體test的信任區間和堅定度,通過仿真計算實驗可以得到test這個個體具有不同信任區間和堅定度的情況下,群體中所有個體觀點演化過程，如圖2所示。

圖2　個體test的觀點演化Fig.2　Opinion evolution of individual test

圖2(a)～圖2(d)均包含一幅全景小圖和一幅局部放大圖,小圖示意的是整個群體觀點演化的完整過程。圖2中用128條實線表示128個不同個體的觀點值隨時間步的變化過程,兩條虛線之間的區域表示個體test的信任區間,虛線中間的實線標記了個體test的觀點更新線。每一時間步中,落在兩條虛線之間的其他實線所代表的個體,即為該時間步時個體test的鄰居。圖2(a)中設置btest=0.18,ctest=0.2,觀點更新穩定后AC=2。圖2(b)中設置個體testbtest=0.05, ctest=0.2,相比圖2(a)中個體test具有更小信任區間,從圖2(b)中可以看出,個體test觀點更新時擁有更少的鄰居數,群體觀點更新穩定后觀點簇數量仍然有AC=2。圖2(c)中設置個體testbtest=0.18, ctest=0.9,相比圖2(a)提高了個體test的堅定度,從圖2(c)中可以看出,個體test的觀點更新線更為平緩,觀點穩定所需的時間步更多。個體test整個觀點演化過程的鄰居數都大于0,更新穩定后仍然有AC=2。圖2(d)中設置個體testbtest=0.05,ctest=0.9,圖2(d)中個體test由于堅定度高,每次觀點更新幅度小于周圍鄰居,又因為其信任區間較小,導致時間步t≥4后,個體test的鄰居數為0,個體test不再受其他個體影響。由此,個體test所堅持的觀點成為群體的一個獨立觀點,更新穩定后有AC=3。

圖2表明信任區間和堅定度這兩個觀點不確定性參數,對個體的觀點演化過程具有不同的影響機制:信任區間主要影響個體每一時間步的鄰居數量,堅定度主要影響個體觀點更新的快慢,兩個變量的綜合作用能對單個個體的觀點演化過程產生較大影響。這表明,BCP模型區分了信任區間和堅定度兩個參數之后,對于刻畫個體觀點的不確定性更為合理有效。

3　觀點不確定性與同質群體中的多元化觀點

研究發現受教育、年齡、愛好甚至是肥胖程度等因素的影響,群體中的個體傾向于與自身相似的節點發生連接關系[18-19],從而在現實社會和虛擬社交網絡中形成同類聚集的小群體[4,20]。如果某類社會群體中所有個體表現出相似或相同的觀點不確定性,那么可以將這類社會群體建模為同質群體。本節研究同質群體中觀點不確定性對同質群體生成多元化觀點的影響。仿真計算實驗設置同質群體的個體具有相同的信任區間和堅定度參數,但具有不同的初始觀點值,設置N=128,群體中個體的初始觀點均勻分布于(0,1)區間,通過仿真實驗得到群體的觀點演化圖,如圖3所示。

圖3　同質群體的觀點演化Fig.3　Opinion evolution of homogeneous crowd

圖3展示的是在不同的觀點不確定性條件下,同質群體典型的觀點演化過程。從圖3(a)～圖3(c)可以看出，同質群體觀點演化中,堅定度主要對觀點演化穩定所需的時間發生影響。從圖3(d)～圖3(f)可以看出，同質群體觀點演化中,信任區間越大,AC就可能越小。

圖4所示的是個體信任區間b、堅定度c對同質群體AC的影響關系,紅色部分標記出群體形成多元化觀點的情況。當b≥0.2時,同質群體無法形成多元化觀點;當b≥0.25時,同質群體將達成觀點共識。

圖4　同質群體的ACFig.4　AC of homogeneous crowd

4　觀點不確定性與異質群體中的多元化觀點

除了同質群體外,現實社會的很多群體,其個體的觀點分布和觀點不確定性等呈現出異質的特征,本文將這類群體稱為異質群體。相比于同質群體,異質群體的構成復雜多樣,從而對異質群體的建模也相對困難。認真分析真實的社會群體可以發現,那些持中間觀點的個體,即口語所說的“沒有想法的人”,通常由于缺乏相關知識，容易采納他人的意見,也容易受到他人觀點的影響,而持極端觀點的人通常對自身觀點的確定程度較高，不容易受其他人影響[21]。為此,第4.1節假定模型中每個個體的觀點不確定性因其初始觀點的不同而不同[2,22],對社會異質群體進行建模;第4.2節提出3種具有代表性的群體初始觀點分布;第4.3節對比研究不同初始觀點分布條件下,觀點不確定性對異質群體生成多元化觀點的影響。

4.1對觀點不確定性的假設

基于上文對社會群體的分析,假設個體的觀點不確定性由其初始觀點決定,觀點值越靠近0.5,則個體觀點不確定性越大。個體的信任區間和堅定度與初始觀點的關系定義如下。

考慮到正態分布假設下,自變量越靠近期望,其概率密度函數值越大這一特點,本文用與正態分布概率密度相類似的函數,刻畫個體的信任區間和初始觀點的函數關系。設定個體i的信任區間bi與其初始觀點xi(0)滿足函數關系:

(7)

式中,初始觀點xi(0)為0.5的個體,信任區間取最大值0.5；δb為設定的常數,用于控制信任區間與其初始觀點的具體對應關系。

考慮到觀點值越靠近0.5,個體觀點堅定度越小的特點,設定個體i的堅定度ci與其初始觀點xi(0)滿足函數關系:

(8)

式中,初始觀點xi(0)為0.5的個體,信任區間取最小值0；δc為設定的常數,用于控制堅定度與初始觀點的具體對應關系。

圖5顯示δb和δc不同取值時,個體的信任區間、堅定度與個體初始觀點的關系。在圖5(a)中δb的值越小,極端個體的信任區間越小,持不同觀點的個體信任區間差別越明顯。且δb值減小,會使群體中個體的信任區間值普遍性地減小。圖5(b)中δc的值越小,則表示極端個體的堅定度越大,持不同觀點的個體堅定度差別越明顯。且δc值減小,會使群體中個體的堅定度值普遍性地增大。圖5中觀點為0.5的個體的信任區間為0.5,堅定度為0,極容易受到其他個體影響。初始觀點越靠近兩端,其信任區間越小,堅定度越大,越難受到群體中其他個體的影響。

圖5　個體觀點的不確定性與初始觀點的關系Fig.5　Relationship between the individual’s uncertainty and its initial opinion

4.23種群體初始觀點的分布

社會群體中的觀點分布通常十分復雜,本節簡化并提出以下3種具有代表性的群體初始觀點分布。

分布 1類均勻分布。群體中個體所持的觀點隨機分布于(0,1)區間,持不同觀點人數呈現出類似均勻分布的特點。N→∞時,設定持不同觀點的人數服從均勻分布。

分布 2類正態分布。群體中持持不同觀點人數的分布呈現出類似截尾正態分布的特點。N→∞時,設定持不同觀點的人數服從(0,1)區間期望為0.5的截尾正態分布。

分布 3存在極端子群體的分布?，F實社會中,個體的生活環境各有不同,但部分個體由于具有相似的特定文化、教育等背景,使得這群個體對某一問題持相近的觀點[19]。同時,這群個體持有的相近觀點可能具有較強的傾向性,與社會主流觀點有較大差異。對于這類社會群體,假設其中大部分個體所持觀點服從分布2的類正態分布,剩余的少部分個體組成一個持相近極端觀點的子群體。本文用瑞利分布(人群中的信息傳播與無線電信號在空間傳播有很多類似的特點,故這里特別選擇了瑞利分布)表示這個持極端觀點的子群體情況。N→∞時,設定持不同觀點的人數類似于瑞利分布和截尾正態分布的疊加。

圖6是3種觀點分布的示意圖,縱坐標表示N→∞時,持不同觀點個體數量的概率密度函數(probabilitydensityfunction，PDF)。如圖6表示,分布1中群體中持不同觀點的人數是均勻的;分布2中持中間觀點的人數最多,觀點越極端,持該觀點的人數越少;分布3中存在一個持極端觀點的子群體,該群體中個體所持觀點在0.1附近。

圖6　持不同初始觀點個體數量的概率密度(N→∞)Fig.6　PDF of individual numbers holding different initial opinions (N→∞)

4.3不同分布下的群體觀點演化

在選定群體初始觀點分布的條件下,設置δb和δc的值得到個體的觀點不確定性參數值,而群體中所有個體的信任區間、堅定度和初始觀點一旦確定,該群體的觀點演化過程就能通過BCP模型中的觀點更新規則得到。通過仿真計算實驗,得到群體的觀點演化過程圖。

圖7所示的是分布1條件下的群體觀點演化圖。圖7(a)中δb設置較小,持極端觀點的個體的信任區間極小,整個群體的觀點未充分交互,最后群體中存在大量持獨立觀點的個體,出現觀點碎片化;圖7(b)中極端個體不斷影響持中間觀點的個體,群體觀點最終收斂為兩個觀點簇,出現觀點二元化;圖7(c)中群體觀點充分交互,最終收斂為6個觀點簇,出現觀點多元化;圖7(d)中群體觀點收斂為一個觀點簇,達成觀點共識。

圖7　分布1條件下的群體觀點演化Fig.7　Opinion evolution of the crowd under Distribution 1

圖8分別統計了群體觀點服從分布1、分布2和分布3條件下,不同δb和δc值對群體觀點簇數量AC的影響。從圖8中可以看出,3種群體觀點分布下,在不同觀點分布條件下,通過設置參數δb和δc的值來調整群體中個體的觀點不確定性分布,可觀察到群體觀點演化后出現的觀點碎片化、二元化、多元化和共識現象。δb和δc值對群體AC均有影響,但δb對群體AC的影響更顯著,隨著δb值從0.1開始增大,群體觀點演化將依次出現觀點碎片化、二元化、多元化和共識現象。對比圖8(a)和圖8(b)可以發現,相比于群體觀點類均勻分布,類正態分布條件下群體更易形成二元化觀點,更難形成多元化觀點。從圖8中可以對比看出,存在極端子群體的情況下,群體更難形成多元化觀點,而更易達成觀點共識。

圖8　異質群體的ACFig.8　AC of heterogeneous crowd

4.4同質群體與異質群體中觀點多元化的區別

同質群體與異質群體中的觀點演化均能產生觀點多元化現象,本節通過對上文的仿真計算實驗進行分析,發現同質群體與異質群體中觀點多元化存在一些明顯的區別。其中,圖9(a)和圖9(b)分別是圖3(d)和圖7(c)的局部放大圖,表1中展示的是圖7(c)中群體觀點演化穩定為多元化觀點時的觀點簇信息。

對比圖9兩圖可以看出同質群體和異質群體的觀點演化過程存在明顯區別,圖9(a)同質群體中個體觀點更新線逐漸合攏,直到收斂為穩定的觀點簇,但個體觀點更新線只合攏并未發生交叉,表明更新過程中不同個體觀點的次序始終未發生變化。而圖9(b)異質群體中由于個體之間觀點不確定性具有異質的特點,每次更新時不同個體的觀點變化程度差別較大,從圖中可以看出,個體觀點更新線發生交叉。從圖9可以看出,異質群體中個體觀點演化過程相比同質群體表現出更為復雜和無序的特點,這與現實社會的人際影響過程相符。

圖9　異質群體與同質群體的觀點演化Fig.9　Opinion evolution of heterogeneous crowd and homogeneous crowd

表1　圖7(c)觀點演化穩定后的觀點簇信息

從表1中可以看出,圖7(c)中群體觀點演化穩定為多元化觀點時,不同觀點簇的個體存在相互影響。例如二號觀點簇與一號觀點簇的觀點差值為0.272 4,與三號觀點簇的觀點差值為0.056 9,與四號觀點簇的觀點差值為0.071 5,與五號觀點簇的觀點差值為0.126,與六號觀點簇的觀點差值為0.126,均小于二號觀點簇中個體的δb最大值0.339 5,可知二號觀點簇中存在部分個體同時受到一號、二號、三號、四號和五號觀點簇中個體觀點的影響。整個群體觀點演化穩定,說明群體中所有個體受到的外界觀點的總影響均為0。而同質群體觀點演化穩定后,不同觀點簇中的個體處在彼此的信任區間之外,個體不受到其他觀點簇中個體觀點的影響,見圖3。這是由于同質群體中個體的信任區間相同,個體間的觀點影響是雙向的,即若個體i對個體j有觀點影響關系,則個體j對個體i也有影響。這樣,如果最靠近兩側的觀點簇處于其他觀點簇的信任區間之內,兩側的觀點簇就將受到影響而無法穩定。同理,考察除兩側觀點簇外的剩余觀點簇,剩余觀點簇中最靠近兩側的觀點簇也不能處于其他觀點簇的信任區間之內。以此類推,同質群體中,不同觀點簇中的個體必須處在彼此的信任區間之外,群體觀點演化才能穩定。

由此可知,異質群體演化出的穩定的多元化觀點,處在不同觀點簇的個體之間可能存在觀點的相互影響,但宏觀上看,這些影響處于一種相互抵消的平衡狀態,使得每個個體所受到的觀點影響的總和為0。而同質群體演化形成多元化觀點時,不同觀點簇中的個體之間不存在觀點的相互影響。

5　結　論

為更精細地刻畫個體的觀點不確定性,本文以HK模型為基礎,區分觀點不確定性的范圍和程度,用個體的信任區間和堅定度兩個參數刻畫個體的觀點不確定性,提出BCP觀點動力學模型。通過對基于BCP模型的群體觀點演化過程進行計算機仿真,研究個體的觀點不確定性對群體多元化觀點的影響,得到如下結論:

(1) 在群體的觀點演化中,信任區間參數影響個體每一時間步的鄰居數量,堅定度參數影響個體觀點更新的快慢,兩個參數綜合作用能對個體的觀點演化過程產生較大影響。

(2) 在同質群體觀點演化的研究中,參數信任區間主要影響群體生成的觀點簇數量,信任區間越小,AC越大;參數堅定度主要影響演化穩定所需的時間。

(3) 在對異質群體的建模和仿真實驗中發現,觀點演化中會出現觀點碎片化、二元化、多元化和共識現象,三種典型的初始觀點分布中,類均勻分布最易形成多元化觀點,存在極端子群的類正態分布易達成觀點共識,最難產生多元化觀點。

(4) 通過對比分析發現,異質群體的觀點演化過程比同質群體更為復雜;異質群體演化出的穩定的多元化觀點,彼此之間可能存在觀點的相互影響,但同質群體演化形成的多元化觀點,不同觀點簇中的個體之間不存在觀點的相互影響。

仿真計算實驗結果一定程度上反映了社會群體觀點演化的一些規律,這對于認識和了解社會群體多元化觀點的生成、變化具有意義。在后續工作中,還將對群體觀點演化達到穩定所用的時間、穩定后各觀點簇的觀點值、各觀點簇包含的個體數量等問題進行更深入的研究。

[1] Zhu X L, Zhang H T, Sang J P, et al. Ising model on evolution networks and its application on opinion formation[J].ChinesePhysicsB, 2014, 23(6): 613-620.

[2] Weisbuch G, Deffuant G, Amblard F, et al. Meet, discuss, and segregate![J].Complexity, 2002, 7(3): 55-63.

[3] Galam S. Heterogeneous beliefs, segregation, and extremism in the making of public opinions[J].PhysicalReviewE, 2005, 71(4): 100-119.

[4] Stauffer D, Solomon S. Ising, schelling and self-organising segregation[J].TheEuropeanPhysicalJournalB-CondensedMatterandComplexSystems, 2007, 57(4): 473-479.

[5] Mobilia M, Petersen A, Redner S. On the role of zealotry in the voter model[J].JournalofStatisticalMechanics:TheoryandExperiment, 2007:1-17.

[6] Slanina F, Lavicka H. Analytical results for the Sznajd model of opinion formation[J].TheEuropeanPhysicalJournalB-CondensedMatterandComplexSystems, 2003, 35(2): 279-288.

[7] Xie J, Sreenivasan S, Korniss G, et al. Social consensus through the influence of committed minorities[J].PhysicalReviewE, 2011, 84(1):1-8.

[8] Turalska M, West B J, Grigolini P. Role of committed minorities in times of crisis[J].ScientificReports, 2013, 3(3): 1-8.

[9] Hegselmann R, Krause U. Opinion dynamics and bounded confidence models, analysis, and simulation[J].JournalofArtificialSocietiesandSocialSimulation, 2002, 5(3):1-33.

[10] Gargiulo F, Mazzoni A. Can extremism guarantee pluralism?[J].JournalofArtificialSocietiesandSocialSimulation,2008,11(4):1-22.

[11] Mirtabatabaei A, Bullo F. Opinion dynamics in heterogeneous networks: convergence conjectures and theorems[J].SIAMJournalonControlandOptimization, 2012, 50(5): 2763-2785.

[12] Zhao Y Y,Kou G,Peng Y, et al. On modeling and analysis of opinion formation with heterogeneous confidence levels for emergences[J].SystemsEngineering-Theory&Practice,2012,32(5):971-976.(趙奕奕, 寇綱, 彭怡, 等. 群體性突發事件中非一致信任水平輿論傳播建模與分析[J].系統工程理論與實踐, 2012, 32(5): 971-976.)

[13] Su J M, Liu B H, Li Q,et al. Trust, evolution and consensus of opinions in a social group[J].ActaPhysicaSinica, 2014, 63(5): 1-8. (蘇炯銘, 劉寶宏, 李琦, 等. 社會群體中觀點的信任, 演化與共識[J].物理學報, 2014, 63(5): 1-8.)

[14] Tindall D B, Piggot G. Influence of social ties to environmentalists on public climate change perceptions[J].NatureClimateChange, 2015, 5(6): 546-549.

[15] Munroe P T. Social influence network theory: a sociological examination of small group dynamics[J].ContemporarySociology:AJournalofReviews, 2013, 42(4): 560-562.

[16] McPherson M, Smith-Lovin L, Cook J M. Birds of a feather: homophily in social networks[J].AnnualReviewofSociology, 2001127: 415-444.

[17] Hill R A, Dunbar R I M. Social network size in humans[J].HumanNature, 2003, 14(1): 53-72.

[18] Christakis N A, Fowler J H. The spread of obesity in a large social network over 32 years[J].NewEnglandJournalofMedicine, 2007, 357(4): 370-379.

[19] Newman M E J. Assortative mixing in networks[J].PhysicalReviewLetters, 2002, 89(20): 1-5.

[20] Schelling T C. Models of segregation[J].TheAmericanEconomicReview, 1969, 59(2): 488-493.

[21] Luo Z, Yang G Q, Di Z R. Opinion formation on the social networks with geographic structure[J].ActaPhysicaSinica, 2012, 61(19): 190509. (羅植, 楊冠瓊, 狄增如. 具有空間因素的社會網絡上的輿論形成[J].物理學報, 2012, 61(19): 190509.)

[22] Deffuant G, Amblard F, Weisbuch G, et al. How can extre-mism prevail? A study based on the relative agreement interaction model [J].JournalofArtificialSocietiesandSocialSimulation, 2002, 5(4): 1.

Effects of individual-uncertainty on social pluralism

WAN Yi-ping, ZHANG Dong-ge, ZHAO Hui-yun, REN Qing-hui

(CollegeofCommandInformationSystems,PLAUniversityofScienceandTechnology,Nanjing210007,China)

The relationship between individual’s uncertainty and pluralism of the social group’s opinion, which is of great importance in understanding the social opinion evolution process as well as the macroscopic-law of social groups shaping from individual microscopic-characteristics, is still not known very clearly. Thus, the effect of individual-uncertainty on the emergence of social pluralism is evaluated by quantifying the scope and degree of individual-uncertainty, and establishing the part persistence model combined with bounded confidence based on the framework of the Hegselmann-Krause model. By adjusting the extent of individual-uncertainty, the simulation analyses that are applied to the single-subject, homogeneous-group, and heterogeneous-group levels, quantitatively and comprehensively reveal that the pluralism of the group-opinion is significantly modulated by the scope and degree of individual-uncertainty. Furthermore, by assessing the dependence of individual-uncertainty on individual-opinion in social groups, the evolution of group-opinion is investigated under the three classical distributions of initial individual-opinions. The simulation results indicat that the pluralism of group-opinion is prone to be formulated when the individual-opinion is in uniform/normal distribution, whereas it would be infrequently to formulate the group-opinion pluralism to the individual-opinion in extreme distribution. All these results together demonstrate the basic rule of the social group-opinion evolution.

opinion dynamics; pluralism; uncertainty; system evolution

2016-02-03；

2016-02-23；網絡優先出版日期：2016-06-19。

國家自然科學基金(61174198)；全軍軍事學研究生課題(2011JY002-163)；總裝預研基金(9140A15070414JB25224)資助課題

TP 277

A

10.3969/j.issn.1001-506X.2016.09.19

萬貽平(1989-),男,碩士研究生,主要研究方向為指控系統與軍事系統運籌分析。

E-mail:sys_analysis@126.com

張東戈(1965-),男,教授,主要研究方向為指控系統與軍事系統運籌分析、態勢感知理論與技術、博弈論與信息經濟學。

E-mail:sys_analysis@126.com

趙慧赟(1990-),女,博士研究生,主要研究方向為指控系統與軍事系統運籌分析。

E-mail:sys_analysis@126.com

任清輝(1991-),男,碩士研究生,主要研究方向為指控系統與軍事系統運籌分析。

E-mail:sys_analysis@126.com

網絡優先出版地址：http://www.cnki.net/kcms/detail/11.2422.TN.20160619.1129.004.html