Agent-Based Simulations of Online Political Discussions: A Case Study on Elections in Germany

作者: Abdul Sittar, Simon Münker, Fabio Sartori, Andreas Reitenbach, Achim Rettinger, Michael Mäs, Alenka Guček, Marko Grobelnik

发布时间: 2025-04-02

来源: arxiv

研究方向: 社交媒体中的用户互动与政治讨论模拟

主要内容

本研究通过构建一个基于代理的模拟模型，模拟德国Twitter平台上政治讨论的用户互动，并分析历史语境、资源限制和奖励机制对用户参与度和AI生成回应的影响。

1. 提出了一个考虑历史交互、动机和资源限制的用户互动模拟框架。

2. 利用机器学习技术对AI模型进行微调，生成符合语境的帖子回复。

3. 采用最佳响应模型模拟用户决策过程，反映真实社交媒体用户的行为模式。

4. 通过实验评估了不同因素对用户参与度和AI生成回应的影响。

1. 基于代理的模拟模型

2. 机器学习模型微调

3. 最佳响应模型

4. 情感分析、讽刺检测和冒犯性分类

5. 多变量实验设计

实验结果表明，历史交互和资源限制对用户参与度和AI生成回应有显著影响。历史交互有助于提高用户参与度，而资源限制可能导致被动参与。AI生成回应的语气和情感倾向与用户参与度和历史交互有关。

未来工作将集中在以下几个方面：1）探索更复杂的用户行为模型；2）研究更有效的资源分配策略；3）开发更先进的AI生成回应模型；4）扩展研究范围，包括其他社交媒体平台和政治讨论类型。