13、基于代理的计算模型分析公众对政治家的看法

基于代理的计算模型分析公众对政治家的看法

1 引言

意见形成的过程与个人所处的特定社交网络密切相关。个人观察并接收来自朋友、家人、同事、同龄人以及特定意见领袖等小群体的信息，这些都会对个人意见产生重大影响。网络中的意见动态可能导致代理之间达成共识、两极分化或形成特定的意见模式碎片化。

信息在社交环境中的解读因人而异，人们会对社交网络中的成员及其意图形成猜想。在一个群体中，易受影响的群体对整个网络意见的影响可能比强大个体更大。

以荷兰政治家蒂埃里·鲍代特（Thierry Baudet）为例，他是民主论坛党的创始人兼领袖。在 2017 年大选中，该党赢得两个众议院席位。当选后，他的一些言论和行为引发了媒体关注，使他在部分人中受欢迎，而在另一些人中则遭到强烈反对。根据莫里斯·德·洪德（Maurice de Hond）的民意调查，该党在 2017 年底有望赢得 15 个席位。可以认为，网络中的人气会影响民意调查中的支持率。

在这样的社交网络中，意见形成过程不断进行。一般来说，代理在形成自己的意见时会在一定程度上考虑其他代理的意见，这可以通过不同的权重来建模。同时，代理改变意见的难易程度也可以进行建模。

本文的目标是提出一个基于代理的计算模型，以模拟公众对鲍代特的整体意见随时间的变化。该模型考虑了代表在网页上发布信息的人群的代理，采用基于时间因果网络的面向网络建模方法进行设计，并通过手动情感分析确定网页内容对鲍代特的正负基调。

2 时间因果网络模型

2.1 面向网络建模方法概述

面向网络建模方法基于时间因果网络，因果建模、推理和模拟在人工智能领域有着悠久的历史。这种方法一方面属于因果