一种基于代理的新方法,用于社交网络中的动态情感建模

科学领域:

• 社交网络分析 社交网络分析
• 计算社会科学 计算社会科学
• 情感计算是一种情感计算.

背景情况:

• 了解群体情绪的传播对于识别紧张环境中的社会风险至关重要.
• 传统的传播模型缺乏单个节点行为和相互作用动态,引入随机性.
• 现有的模型无法捕捉现实世界情感网络的复杂性.

研究的目的:

• 开发一种新的方法来重建个人层面的情绪传染.
• 整合基于文本的情感识别与传播模型,以提高准确性.
• 创建一个决定性模型,反映个性化节点在情绪传播中的变化.

主要方法:

• 开发了一种基于代理的动态情感模型 (AEmo),该模型包含由文本情感分析驱动的多跳代理.
• 代理人记录和响应邻居的情绪状态,增强传统的传播节点.
• 根据情绪状态对节点进行分类,以创建用于动态建模的相应代理类型.

主要成果:

• AEmo模型重建了个人层面的情绪传染,超越了预设的概率.
• 情绪传播被建模为一个决定性的过程,个性化感染率反映了节点的变化.
• 在现实世界和无尺度网络上,有效预测了群体负面情绪的传播和个人情绪的演变.

结论:

• 提出的基于代理的情感模型 (AEmo) 提供了更现实的情感传染动态的表现.
• 整合基于文本的情感识别,为网络中的个人情感演变提供了宝贵的见解.
• 这种方法通过准确地建模负面情绪的传播,提高了对社会风险的预测.