基于多维和参数动态变动的群体极化分析方法技术

基于多维和参数动态变动的群体极化分析方法，包括：步骤1，将个体X对事件的态度量化为一个n元数组(x1,x2,x3,......xn)来表示，个体之间的态度差异则可以用n维意见空间中两点之间的距离来表示；步骤2，个体间态度值调整算法规则的定义；步骤3)将代表个体态度值的点随机地分散在多维的态度值空间中，模拟群体性事件发生初期，群众对这一事件的态度分布情况；步骤4)通过所建模型依据实际事件发展的影响力以及民众的关注度，来代入模型实现对群体性事件极化行为的分析。对于多维度评价的社会群体性事件极化行为的模拟仿真有很大的现实意义。

【技术实现步骤摘要】
基于多维和参数动态变动的群体极化分析方法
本专利技术涉及基于多维和参数动态变动的群体极化分析方法。特别适用于现代网络社会群体极化现象的处理，如网络舆论对一事件呈现出极端的观点，有关部门能够及时处理以缓和群众的极端态度，有助于社会的安定与和谐。技术背景在群体性事件发生、发展的过程中，有大量的舆论传播与之相伴。研究群体性事件中的舆论传播极化现象对于防止群体性事件事态的扩大、提升政府公共管理能力有着重要意义。态度极化模型是指将个体对事件的态度量化反映到一维态度坐标轴上，用一个区间上的值描述，典型的如xi∈[0,1]来表示个体的态度状态，而此状态在一定规则作用下在迭代过程中发生变化。这种态度表示方式可以描述个体对于某社会事件的支持度，例如态度值可对应于社会调查量表中使用的“反对，比较反对，无所谓，支持，非常支持”一类的选项设计。而在现实社会事件中，个体的评价往往并不局限于“反对-支持”的单一维度，而是存在多个维度，个体的态度由多维度上的态度综合构成。个体的态度可以是由对政府突发事件应对能力的评价，对城市基础设施建设的评价，对灾民安置、家园重建的后续工作的满意度等维度综合构成。在许多社会调查中，均会涉及到此类的多维度态度测评。考虑此类情形，构建了一种更符合现实社会心理特征的多维态度模型以更好地对个体态度极化过程进行建模和分析。在已有的极化模型基础上，将个体的意见空间由一维拓展到多维，将现有模型多是在随机网络上进行的研究扩展到更接近真实社会网络结构的BA模型上建立极化模型。
技术实现思路
本专利技术要克服现有技术的缺点，在已有的极化模型的基础上，提出了基于多维和参数动态变动的群体极化分析方法，对于多维度评价的社会群体性事件极化行为的模拟仿真有很大的现实意义。基于多维和参数动态变动的群体极化分析方法，包括以下步骤(如图1所示)：1)将个体X对事件的态度量化为一个n元数组(x1,x2,x3,......xn)来表示，其中xi∈[0,1]，初始化为定义区间上服从均匀分布的随机值。则每个个体的意见可以看作n维意见空间中的一个点，个体之间的态度差异则可以用n维意见空间中两点之间的距离来表示，比如个体X和个体Y，两个体的态度值分别为(x1,x2,x3,…,xn)和(y1,y2,y3,…,yn)。X和Y之间的态度距离定义为：2)个体间态度值调整算法规则的定义：21)同化规则如果X和Y之间的态度距离小于d1，即：此时，X，Y两个体的态度值更新为：参数λi表示两个体间不同维度态度值同化的调整参数，λi值的计算如下：其中i＝1,2,3,…,n，λ∈(0,0.5)，λ表示在同化范围内，态度值无限接近的两个个体的态度调整值，λi称为收敛(convergence)参数。22)相斥规则如果X和Y之间的态度距离大于d2，即此时，X，Y两个体的态度值更新为：参数μi表示两个体间不同维度态度值相斥的调整参数，μi值的计算如下：其中i＝1,2,3,…,n，μ表示在距离为d2时的态度调整值g(x)是关于态度值调整的函数，xi,yi∈[0,1]，μ＞0，μi称为发散参数。23)中立规则在其他情况下，X,Y两个体的态度值不发生改变。3)将代表个体态度值的点随机地分散在多维的态度值空间中，模拟群体性事件发生初期，群众对这一事件的态度分布情况。4)d1、d2的取值根据群体性事件产生影响的大小以及引发群众的关注度和反响度的不同来取值，不同事件取值大小会有所不同，极化行为模拟仿真结果也会不同。在这一事件中，对d1的取值范围在1～1.2之间、d2取值范围大于1.6。这类事件中，d1的取值范围在0.3～0.6之间、d2取值范围在1.3～1.5之间。最后，通过所建模型依据实际事件发展的影响力以及民众的关注度，来代入模型实现对群体性事件极化行为的分析。出于可视化表达的考虑，通过仿真分析考察态度为三个维度情况下的演化过程。首先，根据上述模型在全连接网络上进行仿真，设置参数λ＝0.2，μ＝0.05，这种设置反映的是个体需要参加多次互动才会达到极端状态或倾向于达成统一的意见这一类事实情况。群体总数设置为100，其随时间发展个体的态度分布仿真结果如图2所示。其中演化时间分别为(a)time＝0，(b)time＝500，(c)time＝1000，(d)time＝2000。本专利技术在已有的极化模型基础上，提出了基于多维和参数动态变动的极化现象分析方法，对于防止群体性时间事态的扩大、提升政府公共管理能力有着重要意义。本方法的有益效果在于：有效地克服了已有的极化模型只能描述一维态度值的问题，切实解决现实中对一事件多维度的评价的需要，以及在算法中采用了动态变动的收敛方式和发散参数，使得对一个事件极化的分析更加的切合实际和有说服力。附图说明图1是本专利技术的多agent计算仿真示意图。图2a、图2b、图2c、图2d是个体态度值随时间演变图。具体实施方式下面结合附图说明和具体实施方式对本专利技术做进一步详细说明。本专利技术提出的基于多维和参数动态变动的群体极化分析方法，包括以下步骤(如图1所示)：1)将个体X对事件的态度量化为一个n元数组(x1,x2,x3,......xn)来表示，其中xi∈[0,1]，初始化为定义区间上服从均匀分布的随机值。则每个个体的意见可以看作n维意见空间中的一个点，个体之间的态度差异则可以用n维意见空间中两点之间的距离来表示，比如个体X和个体Y，两个体的态度值分别为(x1,x2,x3,…,xn)和(y1,y2,y3,…,yn)。X和Y之间的态度距离定义为：2)个体间态度值调整算法规则的定义：21)同化规则如果X和Y之间的态度距离小于d1，即：此时，X，Y两个体的态度值更新为：参数λi表示两个体间不同维度态度值同化的调整参数，λi值的计算如下：其中i＝1,2,3,…,n，λ∈(0,0.5)，λ表示在同化范围内，态度值无限接近的两个个体的态度调整值，λi称为收敛(convergence)参数。22)相斥规则如果X和Y之间的态度距离大于d2，即此时，X，Y两个体的态度值更新为：参数μi表示两个体间不同维度态度值相斥的调整参数，μi值的计算如下：其中i＝1,2,3,…,n，μ表示在距离为d2时的态度调整值g(x)是关于态度值调整的函数，xi,yi∈[0,1]，μ＞0，μi称为发散参数。23)中立规则在其他情况下，X，Y两个体的态度值不发生改变。3)将代表个体态度值的点随机地分散在多维的态度值空间中，模拟群体性事件发生初期，群众对这一事件的态度分布情况。4)d1、d2的取值根据群体性事件产生影响的大小以及引发群众的关注度和反响度的不同来取值，不同事件取值大小会有所不同，极化行为模拟仿真结果也会不同。在这一事件中，对d1的取值范围在1～1.2之间、d2取值范围大于1.6。而在，“扶老人”这类事件中，民众一般都有自己的见解和认知，并且有很多理性的见解和声音，这类事件中，d1的取值范围在0.3～0.6之间、d2取值范围在1.3～1.5之间。最后，通过所建模型依据实际事件发展的影响力以及民众的关注度，来代入模型实现对群体性事件极化行为的分析。出于可视化表达的考虑，通过仿真分析考察态度为三个维度情况下的演化过程。首先，根据上述模型在全连接网络上进行仿真，设置参数λ＝0.2，μ＝0.05，这种设本文档来自技高网...

【技术保护点】
基于多维和参数动态变动的群体极化分析方法，包括以下步骤：1)将个体X对事件的态度量化为一个n元数组(x1,x2,x3,......xn)来表示，其中xi∈[0,1]，初始化为定义区间上服从均匀分布的随机值，则每个个体的意见可以看作n维意见空间中的一个点，个体之间的态度差异则可以用n维意见空间中两点之间的距离来表示，个体X和个体Y的态度值分别为(x1,x2,x3,…,xn)和(y1,y2,y3,…,yn)；X和Y之间的态度距离定义为：

【技术特征摘要】
1.基于多维和参数动态变动的群体极化分析方法，包括以下步骤：1)将个体X对事件的态度量化为一个n元数组(x1,x2,x3,......xn)来表示，其中xi∈[0,1]，初始化为定义区间上服从均匀分布的随机值，则每个个体的意见可以看作n维意见空间中的一个点，个体之间的态度差异则可以用n维意见空间中两点之间的距离来表示，个体X和个体Y的态度值分别为(x1,x2,x3,…,xn)和(y1,y2,y3,…,yn)；X和Y之间的态度距离定义为：2)个体间态度值调整算法规则的定义：21)同化规则如果X和Y之间的态度距离小于d1，即：此时，X，Y两个体的态度值更新为：参数λi表示两个体间不同维度态度值同化的调整参数，λi值的计算如下：其中i＝1,2,3,…,n，λ∈(0,0.5)，λ表示在同化范围内，态度值无限接近的两个个体的态度调整值，λi称为收敛(convergence)参数；22)相斥规则如果X和Y之间的态度距离大于d2，即此时，X，Y两个体的态度值更新为：参数μi表示两个体间不同维度态度值相斥的调整参数，μi值的计算如下：其中i＝1,2,3,...

【专利技术属性】
技术研发人员：陈庭贵，石佳文，许翀寰，
申请(专利权)人：浙江工商大学，
类型：发明
国别省市：浙江,33