情绪传播机制相关文献调研

查找学习关于"人工网络中的情绪传播机制"，以下是两篇我阅读学习的文献 —— 精读的很烂，太浮躁了，没有脚踏实地地去读，如果内容有问题，请多包涵 ：）

An agent-based model for emotion contagion and competition in online social media

文献

项目目的

• 综合 “情绪相关性”、“情绪传播与网络结构的耦合性”

• 提出了一个结合“情绪影响力和联系强度偏好特征”的情绪传染模型

网络结构基本信息

采用推特上真实数据集构建的有向网络结构：

1. 节点：推特账户

2. 边：账号关注的有向边

3. 边权重：关系强度（共同好友、互相关注、互相转发量）

4. 信息列表：（发送方 id + 带有情绪 i 的文章）

信息传播关键步骤

1. 推文发表
   固定概率 决定是否发表，文章在发表时被赋予情绪，不随转发改变。

2. 推文转发
   如果未发送推文，用户会在信息列表中查询，若转发倾向 大于阈值 ，就会转发。

3. 推文接收
   接收来自关注对象的推文，加入信息列表；若列表满，则删最早的。

相关计算公式

1. 转发倾向：

2. 情绪：由固定概率赋予（根据推特数据集）

3. 是否发表：固定概率决定

信息传播流程

1. 随机选择用户
   2.1 以概率 选择推文发送，发给所有关注者
   2.2 以概率 查看信息列表，若满足条件则转发推文给所有关注者

---

Agent-Based Simulations of Emotional Dialogs in the Online Social Network MySpace

文献

研究内容和目的

通过模拟社交网络，理解在线社交平台中的情绪传播机制。
情绪传播非随机，受网络结构、用户活跃度、情绪本身特性影响，具有迁移性，参数从数据集中推断。

网络结构基本信息

数据来自 MySpace 用户之间公开可用的对话集：

1. 节点：社交用户

2. 边：消息发送形成的有向边

3. 边权重：消息总数

4. 情感变量：

   • 效价 表示情绪正负强度，范围
   • 唤醒度 表示活跃性，范围

更新方式如下：

相关概念：
为常数， 为 Kronecker delta 函数， 为驱动函数。

信息墙影响函数

• 效价驱动函数：

• 唤醒度驱动函数：

说明： 情绪越极端，响应外部刺激的程度越弱。 当 时影响最大， 时影响趋近 0。

活跃状态 e (0 或 1)

活跃状态由 MySpace 时间钟模型控制。

---

三类聚合情绪信息

1. 自身墙信息 （包括 ）

说明：

• 表示 或

• 是阶梯函数，确保消息生效期

• 为边权

• 为信息衰减率

---

2. 朋友墙信息

- 为好友关系强度 - 若 和 越一致，情绪影响越强

---

3. 平均场信息

表示整个社区情绪的聚合。

---

情绪更新规则

1. 受 影响， 受 联合影响

2. 外部刺激模拟为情绪重置（以概率 出现）

3. 若无信息刺激，

---

消息传播机制

消息发送

• 节点需处于活跃状态

• 消息内容为

• 发送概率为：

发送人选择依据：

消息选择权重：

---

消息接受

• 接收者将消息放入自身情绪墙并更新其状态

---

模型运行流程

1. 每个代理计算 的更新值

2. 按概率对部分代理执行“情绪重置”

3. 判断哪些用户在线+活跃

4. 对活跃用户：

   • 更新其情绪列表
   • 执行消息发送操作

---

实验结果

模拟 vs 实际数据对比

深色：真实数据
灰色：模拟情绪
可以看到两者的趋势基本一致，具有相同单调性和分布结构。

---

斜率范围在 ，说明具有长期相关性。
当时间尺度 增大时，真实数据和模拟数据斜率一致。
对照实验 clcle 表明：若无外部事件，集体情绪不会产生长期趋势。
因此，集体情绪的形成不是随机的，而是具有持续影响性的。