社会主流收益Us：网络群体行为建模、仿真与实证

舆情极化现象通常会演变为双极化或单极化形式。本章主要研究双极化现象，即出现两种极端观点的情况。当双极化现象出现后，网络中会出现两种观点截然相反的态度团体，并且彼此间完全对立。基于此，度量网络极化现象的社会主流收益时，采取先计算网络全部个体的态度值再进行平均的方式是不准确的。本章先将持正、负向态度团体的态度值进行区分，然后分别计算两个不同团体的平均态度值，即持负向态度的个体平均态度值XN与持正向态度的个体平均态度值XP。

假设网络中个体的态度值xi服从均匀分布，且所有xi∈［-1，1］，那么属于［-1，0］区间内的个体持负向态度，而属于（0，1］区间内的个体持正向态度，其中负向态度均值XN及正向态度均值XP的计算过程如下：

由于个体具有社会性，其往往希望通过行为的交互而获得网络中其他个体的认可。当Agent i的态度值xi∈［-1，0］时，Agent i呈现负向态度，那么他更容易受到呈负向态度个体的认可，与此同时持正向态度个体则会排斥他。具体计算如图7-2及公式（7-3）所示。

图7-2　持负向态度个体社会主流收益计算示意图

(www.xing528.com)

其中ε为影响参数，指个体对与社会主流观点偏离的厌恶程度。

由图7-2可知，当个体i呈现负向态度时，那么i与负向态度均值XN的态度距离处于［0，1］区间内，而其与正向态度均值XP的态度距离则处于［1，2］区间内。此时，Agent i的态度值与XN越接近则越容易受到持负向态度的团队中个体的肯定，即越小则收益值越大，且全部为正数，也就是说，其与余弦函数处于区间内的增长趋势相近；同时，Agent i的态度值与XP的差异越大，其越容易受到持正向态度的团体中个体的反对，即越大，收益值越小，且全部为负数，也就是说，其与余弦函数处于区间内的增长趋势相近。

当Agent i的态度xi∈［0，1］时，Agent i呈现正向态度，那么他更容易受到呈正向态度个体的认可，与此同时持负向态度个体则会排斥他。具体计算如图7-3所示和公式（7-4）所示。

图7-3　持正向态度个体社会主流收益计算示意图