36、利用数据库、新闻源和专家调查进行国家建模的挑战

利用数据库、新闻源和专家调查进行国家建模的挑战

1. 引言

在人类行为建模领域，当前人类行为建模（HBM）应用设计者面临的一个核心挑战是提升合成代理行为和应对能力的真实感。HBM 社区普遍认为，需要具有认知细节的“厚”模型来实现这种真实感，这些模型要求合成代理具备认知、个性、生理和情感等组件。

为了使这些模型发挥作用，必须整合多学科的科学知识，以及社会科学中分散和局部模型的概念与见解。这种整合往往会产生大量的参数特征空间，需要用数据来填充。

近年来，虽然已经开发出了一些建模方法，但这些方法在模型开发过程中需要大量的人工劳动。自动技术的发展将显著提高这一过程的效率。本文将以国家数据为主题，探讨建模者如何从海量的数据中筛选和获取所需信息。国家数据对于构建复杂社会系统的基于代理的模型至关重要，但挑战在于找到适合特定参数槽的数据。

目前，提取相关数据的方法主要有三种并行途径：
1. 新闻源网页抓取
2. 从国家数据库中提取数据
3. 专家调查表单

这三种途径是本文的重点，我们将研究它们的构成、使用方法以及在利用它们快速生成基于代理的模型时所面临的问题和挑战。

2. 认知代理建模

我们以 PMFserv 为例来说明数据问题。PMFserv 是一款商用现货（COTS）人类行为模拟器，用于驱动模拟游戏世界中的代理。它是宾夕法尼亚大学在过去八年中开发的，旨在整合人类行为建模的最佳可用模型和实践理论。

PMFserv 代理没有预设脚本，而是通过微观决策来对事件做出反应并规划响应。性能调节函数（PMF）是一种微观模型，用于描述人类在单一因素（如睡眠、温度、无聊感、不满