Using complex networks in social impact models

Dzida, D.

Artykuł - szczegóły

Tytuł artykułu

Using complex networks in social impact models

Autorzy

Dzida D.

Treść / Zawartość

Pełne teksty:

Pobierz

Identyfikatory

Warianty tytułu

Zastosowanie sieci złożonych w modelu wpływu społecznego

Języki publikacji

Abstrakty

This paper describes models of opinion dynamics. It presents various ways of modelling opinion spreading in the population. The author proposes to apply complex networks to a model, which is based on the theory of social impact. The agent based modelling is applied to construct the model and perform simulations. Performed simulations allowed to investigate how the use of complex networks and its properties have an influence on the final distribution of opinions in the population. The results of simulations have been shown and interpreted.

W artykule przedstawiono zagadnienia związane z modelowaniem dynamicznych modeli opinii. Zaprezentowano różne koncepcje dotyczące sposobu modelowania rozpowszechniania opinii w społeczeństwie. Zaproponowano modyfikację modelu opinii bazującego na teorii wpływu społecznego poprzez wprowadzenie sieci złożonych. Zbadano wpływ rozmieszczenia jednostek na ostateczny rozkład opinii dla różnych typów sieci złożonej. Dokonano również analizy wpływu wartości maksymalnego współczynnika odległości jednostek na końcowy rozkład opinii w społeczeństwie.

Słowa kluczowe

social impact model social simulation opinion dynamics complex networks

model opinii model wpływu społecznego sieci złożone

Wydawca

Institute of Computer and Information Systems, Faculty of Cybernetics, Military University of Technology

Czasopismo

Computer Science and Mathematical Modelling

Rocznik

2017

Tom

No. 5

Strony

17--28

Opis fizyczny

Bobliogr. 38 poz., rys., tab., wykr.

Twórcy

autor

Dzida D.

damian.dzida@wat.edu.pl

Military University of Technology, Faculty of Cybernetics Institute of Computer and Information Systems Kaliskiego Str. 2, 00-908 Warsaw, Poland

Bibliografia

1. Castellano C., Fortunato S., Loreto V., “Statistical physics of social dynamics”, Rev. Mod. Phys., Vol. 81, No. 2, 591–646 (2009).
2. Wooldridge M., An introduction to multi agent simulation, Wiley Publishing, 2009.
3. Weiss G. (ed.), Multiagent Systems: A Modern Approach to Distributed Artificial, The MIT Press, London, 1999.
4. Sun R. (ed.), Cognition and Multi-Agent Interaction: From Cognitive Modeling to Social Simulation, Cambridge University Press, 2006.
5. Boccaletti S., Latora V., Moreno Y., Chavez M., Hwang D., “Complex networks: Structure and dynamics”, Phys. Rep., Vol. 424, Issue 4–5, 175–308 (2006).
6. Fronczak A., Fronczak P., Świat sieci złożonych, Wydawnictwo Naukowe PWN, Warszawa 2009.
7. Kleinberg J., “The small-world phenomenon: An algorithmic perspective”, in: Proc. 32nd ACM Symposium on Theory of Computing, pp. 167–170, NY, USA, 2000.
8. Barabási A-L., Albert R., “Emergence of scaling in random networks”, Science, Vol. 286, Issue 5439, 509–512 (1999).
9. Barabási A-L., Albert R., Jeong H., Mean- -field theory for scale-free random networks, Physica A, 272, 173–187 (1999).
10. Galam S., “Minority opinion spreading in random geometry”, The European Physical Journal B, Vol. 25, 403–406 (2002).
11. Galam S., “Sociophysics: A review of Galam models”, International Journal of Modern Physics C, Vol. 19, Issue 3, 409–440 (2008).
12. Redner P., Chen S., “Majority rule dynamics in finite dimensions”, Phys. Rev. E, Vol. 71, 036101 (2005).
13. Sznajd-Weron K., Sznajd J., “Opinion Evolution in Closed Community”, Int. J. Mod. Phys. C, Vol. 11, No. 6, 1157–1165 (2000).
14. Sznajd-Weron K., “Sznajd Model and its Applications”, Acta Phys. Pol. B, 36(8) 2537–2547 (2005).
15. Sznajd-Weron K., Sznajd J., “Who is Left, Who is Right?”, Physica A: Statistical Mechanics and its Applications, 351(2), 593–604 (2005).
16. Lorenz J., “Continuous Opinion Dynamics under Bounded Confidence: A Survey”, Int. J. Mod. Phys. C, Vol. 18, No. 12, 1–22 (2008).
17. Deffuant G., Neau D., Amblard F., Weisbuch G., Mixing beliefs among interacting agents, Advances in Complex Systems, Vol. 3, No. 1–4, 87–98 (2000).
18. Hegselmann R., Krause U., “Opinion dynamics and bounded confidence models, analysis, and simulation”, Journal of Artifical Societies and Social Simulation, Vol. 5(3), 1–33 (2002).
19. Deffuant G., Amblard F., Weisbuch G., “Modelling group opinion shift to extreme: the smooth bounded confidence model”, in: Proceedings of the 2nd International Conferenceof the European Social Simulation Association,September 16–19, Valladoid, Spain 2004.
20. Blondel V., Hendrickxa J., Tsitsiklis J., “On Krause’s multi-agent consensus model with state-dependent connectivity”, IEEE TRANSACTIONS ON AUTOMATIC CONTROL, Vol. 54, No. 11, 2586–2597 (2009).
21. Latane B., “The psychology of social impact”, American Psychologist, Vol. 36(4), 343–356 (1981).
22. Latane B., Nowak A., Szamrej J., “From Private Attitude to Public Opinion: A Dynamic Theory of Social Impact”, Psychological Review, Vol. 97(3), 362–376 (1990).
23. Nowak A. et al., Układy złożone w naukach społecznych, Wydawnictwo Naukowe Scholar, Warszawa 2009.
24. Barrat A., Barthélemy M., Vespignani A., Dynamical Processes on Complex Networks, Cambridge University Press, 2008.
25. Newman M., Barabási A-L., Watts D., The Structure and Dynamics of Networks, Princeton University Press, 2006.
26. Rak T., Kulesza W., “Jak Internet przyspiesza przemiany społeczne? Modyfikacja modelu wpływu społecznego Nowaka–Szamreja–Latané”, in: Człowiek zalogowany: Od mowy nienawiści do integracji w sieci, M. Wysocka-Pleczyk i B. Świeży (Eds.), pp.18–26, Biblioteka Jagiellońska, Kraków 2013.
27. Chen G., Wang X., Li X., Fundamentals of Complex Networks: Models, Structures and Dynamics, Wiley Publishing, 2015.
28. Zafarani R., Abbasi M., Liu H., Social Media Mining: An Intruduction, Cambridge University Press, 2014.
29. Newman M., Networks: An Introduction, Oxford University Press, 2010.
30. Jedrzejowicz P., Nguyen NH., Hoang K. (eds.), Computational Collective Intelligence. Technologies and Applications, 4th International Conference, ICCCI 2012, Ho Chi Minh City, Vietnam, November 28–30, 2012, Proceedings, Part II, Springer, 2012.
31. Kasprzyk R., “The vaccination against epidemic spreading in Complex Networks”, Biuletyn Instytutu Systemów Informatycznych, No. 3, 39–43 (2009).
32. Kasprzyk R. et al., “CARE – Creative Application to Remedy Epidemics”, Biuletyn Instytutu Systemów Informatycznych, No. 3, 45–52 (2009).
33. Kasprzyk R., Tarapata Z., “Graph-based optimization method for information diffusion and attack durability in networks”, Damian Dzida, Using complex networks in social impact models 28 in: Lecture Notes in Computer Science, 6086, pp. 698–709, Springer, Berlin 2010.
34. Kasprzyk R., Najgebauer A., Pierzchała D., “Modelling and Simulation of an Infected Disease in Social Networks”, in: Computational Collective Intelligence, LNAI 6922, pp. 388–398, Springer, Berlin 2011.
35. Kasprzyk R., “Diffusion in Networks”, Journal of Telecommunications and Information Technology, No. 2, 99–106 (2012).
36. Bartosiak C., Kasprzyk R., Najgebauer A., “The graph and network theory as a tool to model and simulate the dynamics of infectious diseases”, Bio-Algorithms and Med-Systems, Vol. 9, Issue 1, 17–28 (2013).
37. Şen F., Wigand R.T., Agarwal N., Mete M., Kasprzyk R., “Focal Structure Analysis in Large Biological Networks”, 3rd International Conference on Environment, Energy and Biotechnology (ICEEB 2014), June 9–10, 2014, Bangkok, Thailand.
38. Şen F., Wigand R.T., Agarwal N., Tokdemir S., Kasprzyk R., “Focal structures analysis: identifying influential sets of individuals in a social network”, Social Network Analysis and Mining, 6:17, 1–22 (2016).

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-eeb0921e-2dc8-439f-8795-9a94d6ed3b9a