经典的D-W及J-A模型应用于网络群体行为的建模与实证

在描述舆情极化的模型中，较为经典的有D-W和J-A模型。在经典的D-W模型中，将网络中所有个体作为Agent，并利用蒙特卡洛方法进行仿真，具体思想如下：假设事件传播群体由N个Agent组成，xi（t）表示Agent i在t时刻的观点值，且观点值xi（t）∈［0，1］，取连续分布。在每一次迭代中，所有个体都会两两随机配对，进而进行观点的传递。当随机选取的Agent i和Agent j的态度距离不大于某个预先给定的阈值d时，两个Agent各自更新自身态度，发生交互行为；如果态度距离并不在阈值d内，则交互行为不发生，两个Agent的观点不发生改变。

具体描述如下：

当时，有：

否则交互行为不发生，即|xi-xj|＞d时，有：

其中μ∈（0，0.5），为影响参数，反映个体对自身观点的坚持程度。

但是D-W模型只考虑了观点相似时人们会乐于接受对方的观点，从而使得双方观点更为相似，却没有考虑意见差值非常大的情况。实际上，人们在进行观点交互时不仅仅考虑观点相似者，在差异非常大的时候还有可能会发生争执，从而反向加强各自的观点，使得双方观点更加背道而驰。基于此，Jager＆Amblard在D-W模型的基础上提出了经典的J-A模型。J-A模型不但考虑了社会评价理论中的同化效应，而且考虑了观点相斥及中立的情况，这与现实的极化现象更为贴切，其对极化过程的解释更具现实意义。(www.xing528.com)

J-A模型具体描述如下：

第一，同化规则。如果随机选取的Agent i和Agent j之间的态度距离在预先给定的阈值d1内，即，那么Agent i与Agent j的态度值相应发生改变，更新公式为式（6-1）。其中μ∈（0，0.5］，为影响参数。

第二，相斥规则。如果随机选取的Agent i和Agent j之间的态度距离超过了另一预先给定的阈值d2，即时，则Agent i与Agent j的态度值更新公式为：

其中ξ（x）表示如下：

第三，中立规则。在其他情况下，Agent i与Agent j的态度值不发生改变，用公式（6-2）表示。