Аналитическое решение задачи управления мнениями в SCARDO-модели для случая двухэлементной азбуки мнений с одним типом нативных агентов

Обложка
  • Авторы: Гежа В.Н.1, Козицин И.В.2
  • Учреждения:
    1. Московский физико-технический институт
    2. ФГБУН Институт проблем управления им. В.А. Трапезникова РАН, Москва, Московский физико-технический институт
  • Выпуск: № 115 (2025)
  • Страницы: 6-32
  • Раздел: Системный анализ
  • URL: https://journal-vniispk.ru/1819-2440/article/view/306189
  • ID: 306189

Цитировать

Полный текст

Аннотация

Рассматривается задача управления мнениями агентов, сформулированная в терминах приближения среднего поля для SCARDO-модели, построенного для случая социальной системы с модулярной сетевой структурой, гетерогенными уровнями активности агентов и персонализацией контента. В рамках модели управления специальная группа агентов, имитирующая ботов в реальных социальных медиа, воздействует на остальных агентов, с тем чтобы изменить их мнения в соответствии с интересами управляющего субъекта. Изучается наиболее простой для анализа случай двухэлементной азбуки мнений, в рамках которой существует только два возможных мнения (интерпретация -- выборы в двухпартийной системе) и один тип агентов-неботов. Строится аналитическое решение задачи управления. Демонстрируется, что в зависимости от значений параметров модели может быть либо одна оптимальная стратегия управления, либо бесконечно много. При этом в случае, когда оптимальное управление единственно, оно должно быть устроено следующим образом: все социальные боты должны транслировать одно и то же мнение, а переключение распространяемого мнения может произойти не более одного раза лишь для некоторых конфигураций параметров. Полученные результаты сопровождаются примерами с реальными данными из онлайн плафтормы ВКонтакте.

Об авторах

Владислав Николаевич Гежа

Московский физико-технический институт

Email: gezha.vn@phystech.edu
Москва

Иван Владимирович Козицин

ФГБУН Институт проблем управления им. В.А. Трапезникова РАН, Москва, Московский физико-технический институт

Email: kozitsin.ivan@mail.ru
Москва

Список литературы

  1. ГУБАНОВ Д.А., НОВИКОВ Д.А., ЧХАРТИШВИЛИ А.Г.Социальные сети: модели информационного влияния, управ-ления и противоборства / Под. ред. чл.-корр. РАН Д.А, Но-викова. – М.: Физматлит, 2010. – 228 с.
  2. ГУБАНОВ Д.А. Модели и методы информационного влия-ния и управления в активных сетевых структурах : дис. ...докт. техн. наук. – М., 2021.
  3. BALIETTI S. et al. Reducing opinion polarization: Effectsof exposure to similar people with differing politicalviews // Proc. of the National Academy of Sciences. –2021. – Vol. 118, No. 52. – P. e2112552118. – DOI:https://doi.org/10.1073/pnas.2112552118.
  4. BINI M. et al. Graph structure-based heuristics for optimaltargeting in social networks // IEEE Trans. on Control ofNetwork Systems. – 2022. – Vol. 9, No. 3. – P. 1189–1201. –DOI: https://doi.org/10.1109/TCNS.2022.3163665.
  5. EPSTEIN R. et al. The “opinion matching effect”(OME): Asubtle but powerful new form of influence that is apparentlybeing used on the internet // PloS One. – 2024. – Vol.19, No. 9. – P. e0309897. – DOI: https://doi.org/10.1371/journal.pone.0309897.
  6. FLACHE A. et al. Models of social influence: Towardsthe next frontiers // The Journal of Artificial Societies andSocial Simulation. – 2017. – Vol. 20, No. 4. – P. 2. – DOI:https://doi.org/10.18564/jasss.3521.
  7. FRIEDKIN N.E. The problem of social control andcoordination of complex systems in sociology: A look atthe community cleavage problem // IEEE Control SystemsMagazine. – 2015. – Vol. 35, No. 3. – P. 40–51. – DOI:https://doi.org/10.1109/MCS.2015.2406655.
  8. GEZHA V.N., KOZITSIN I.V. Binary Opinion Space in theSCARDO Model: Precise Analytical Description // Advancesin Systems Science and Applications. – 2022. – Vol. 22,No. 4. – P. 103–115. – DOI: https://doi.org/10.25728/assa.2022.22.4.1292.
  9. GEZHA V.N., KOZITSIN I.V. Macroscopic Descriptionof Structured Heterogeneous Online Social Systems withDynamical Opinions // 6th Int. Conf. on Control Systems,Mathematical Modeling, Automation and Energy Efficiency(SUMMA–2024). – IEEE, 2024. – P. 133–138. – DOI: https://doi.org/10.1109/SUMMA64428.2024.10803880.
  10. HUNTER R.F. et al. Social network interventions forhealth behaviours and outcomes: A systematic review andmeta-analysis // PLoS Medicine. – 2019. – Vol. 16,No. 9. – P. e1002890. – DOI: https://doi.org/10.1371/journal.pmed.1002890.
  11. KEIJZER M.A., MAS M., FLACHE A. Polarization on socialmedia: Micro-level evidence and macro-level implications //JASSS. – 2024. – Vol. 27, No. 1. – P. 7. – DOI: https://doi.org/10.18564/jasss.5298.
  12. KOZITSIN I.V. A general framework to link theory andempirics in opinion formation models // Scientific Reports. –2022. – Vol. 12, No. 1. – P. 5543. – DOI: https://doi.org/10.1038/s41598-022-09468-3.
  13. KOZITSIN I.V. Opinion dynamics of online social networkusers: a micro-level analysis // The Journal of MathematicalSociology. – 2023. – Vol. 47, No. 1. – P. 1–41. – DOI: https://doi.org/10.1080/0022250X.2021.1956917.
  14. KOZITSIN I.V. Optimal control in opinion dynamics models:diversity of influence mechanisms and complex influencehierarchies // Chaos, Solitons & Fractals. – 2024. – Vol. 181. –P. 114728. – DOI: https://doi.org/10.1016/j.chaos.2024.114728.
  15. LEE C., WILKINSON D.J. A review of stochastic blockmodels and extensions for graph clustering // Applied NetworkScience. – 2019. – Vol. 4, No. 1. – P. 1–50. – DOI:https://doi.org/10.1007/s41109-019-0232-2.
  16. LI G.J., PORTER M.A. Bounded-confidence model of opiniondynamics with heterogeneous node-activity levels // PhysicalReview Research. – 2023. – Vol. 5, No. 2. – P. 023179. – DOI:https://doi.org/10.1103/PhysRevResearch.5.023179.
  17. PERALTA A.F., KERTESZ J., INIGUEZ G. Opinion formationon social networks with algorithmic bias: dynamics and biasimbalance // Journal of Physics: Complexity. – 2021. – Vol. 2,No. 4. – P. 045009. – DOI: https://doi.org/10.1088/2632-072X/ac340f.
  18. PROSKURNIKOV A.V., TEMPO R. A tutorial on modelingand analysis of dynamic social networks. Part II // AnnualReviews in Control. – 2018. – Vol. 45. – P. 166–190. – DOI:https://doi.org/10.1016/j.arcontrol.2018.03.005.
  19. TANG T., SNIJDERS T., FLACHE A. An Empirical andSimulation Investigation of Bounded Confidence and NegativeInfluence in Opinion Dynamics Using Stochastic Actor-Oriented Model // Journal of Artificial Societies and SocialSimulation. – 2025. – Vol. 28, No. 1. – P. 1–2. – DOI: https://doi.org/10.18564/jasss.5566.
  20. VAROL O. et al. Online human-bot interactions: Detection,estimation, and characterization // Proc. of the Int. AAAI Conf.on Web and Social Media. – 2017. – Vol. 11, No. 1. – P. 280–289. – DOI: https://doi.org/10.1609/icwsm.v11i1.14871.
  21. ZIMMARO F., CONTUCCI P., KERTESZ J. Voter-likedynamics with conflicting preferences on modular networks //Entropy. – 2023. – Vol. 25, No. 6. – P. 838. – DOI: https://doi.org/10.3390/e25060838.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».