Crowd: A Social Network Simulation Framework

最新推荐文章于 2025-04-09 20:52:41 发布

无脑敲代码，bug漫天飞

最新推荐文章于 2025-04-09 20:52:41 发布

阅读量906

点赞数 10

文章标签：论文阅读

本文链接：https://blog.csdn.net/qq_40671063/article/details/145822829

版权

摘要

这篇论文介绍了一个名为 Crowd 的社交网络模拟框架。Crowd 采用基于代理建模的方法，旨在简化和加速在网络上开发基于代理的模型和模拟的过程。

问题：许多研究人员采用基于代理的建模和仿真 (ABMS) 来观察个体行为如何塑造更大的社区行为，但通用 ABMS 工具并非专门为社交网络设计，因此功能有限，增加了复杂仿真的工作量；

解决方案：Crowd 是一种社交网络模拟器，旨在促进简单快速的建模。它支持通过 YAML 配置进行仿真设置，并通过用户定义的方法实现进一步的定制；

功能：Crowd 的主要功能包括：

无代码模拟，用于扩散任务。

交互式可视化。

数据聚合。

图表绘制功能

技术特点：Crowd 用 Python 设计，支持生成式代理，并且可以轻松连接 Python 的数据分析和机器学习库；

案例研究：论文包括三个案例研究，以说明该框架的用法，包括流行病中的生成式代理、影响最大化和网络信任博弈；

开源：Crowd 是一个开源框架，简化了基于配置方法的代理网络仿真的设置和执行；

用户界面：Crowd 提供了一个用户友好的界面，有助于仿真设置、交互式网络可视化、图表生成和数据聚合，使用户能够建模和分析各种研究问题。

绪论

基于代理的建模与仿真（ABMS）作为一种有价值的工具，被广泛应用于社会科学、经济学和流行病学等多个研究领域。

ABMS 的应用：ABMS 被用于分析电动汽车的采用、移动应用、营销策略、动物之间的疾病传播、传染病的病毒传播和干预策略、信息和趋势的传播、信任管理、交通规划和紧急疏散。

ABMS 的方法：ABMS 采用自下而上的方法来模拟现实世界的系统。研究人员通过检查个体实体（代理）在微观层面的行为，以及它们与其他代理和环境的互动，来观察个体行为如何影响系统。通过这种方式，可以解释或预测系统层面上出现的模式，例如趋势的扩散。

代理的组成：仿真中的代理包括由建模者定义的一组属性和行为。根据代理和环境的状态，代理在仿真的每个时间步长执行这些指定的操作。环境也可以有属性，在某些仿真工具中，环境也有自己的行为。环境属性的变化直接反映在代理行为的选择中。

社交网络仿真：ABMS 已成为计算社会科学中的一种重要方法，尤其是在研究社交网络方面。在基于代理的社交网络仿真中，环境被表示为一个网络。检查网络中代理之间的交互，可以深入了解信息传播、信任动态和疾病传播等问题，从而可以利用这些信息来预防负面结果或实现积极结果。

网络仿真中的代理：在网络仿真中，代理通常代表一个人，但也可能代表动物、组织或任何其他个体实体。两个节点之间的链接表示两个代理之间存在关系，并且可能存在不同类型的关系（例如，家庭、同事或两个组织之间协调的可能性）。节点与其邻居互动，这些邻居的行动和状态起着至关重要的作用。例如，在模拟信息传播时，信息是从其邻居传递到代理的。

现有 ABMS 工具的局限性：虽然各种现有的 ABMS 工具也促进了社交网络的仿真，但通用 ABMS 工具并非专门为社交网络而设计。因此，建模复杂的网络系统所需的功能范围和工作量会增加。NetLogo、MASON、Repast 和 Mesa 是最广泛使用的例子。

Crowd 框架的介绍：这篇论文介绍了一个名为 Crowd 的社交网络仿真框架，旨在简化和加速在网络上开发基于代理的模型和仿真的过程。Crowd 的主要功能包括交互式网络可视化、用于设置仿真的配置文件方法（这也允许无代码的扩散任务）以及用于合并数据和绘制图表以进行进一步分析的工具。

Crowd 的特点：Crowd 优先考虑易用性并提倡更少的代码编写，同时由于其灵活和可扩展的架构，它也允许结合自定义模型以实现更多样化的用例。Crowd 的用户可以利用 Python 环境，通过在 Jupyter notebooks 上运行他们的代码，并访问广泛的 Python 库来执行数据分析和机器学习等任务。

ARCHITECTURE

这篇论文的架构（ARCHITECTURE）部分主要介绍了 Crowd 框架的整体设计和组成部分。Crowd 被开发为一个 Python 库，为社交网络仿真提供便利，其可扩展模块旨在包含该任务的基本功能，例如网络模型、数据保存器、可视化工具以及仿真的执行。

此外，还开发了一个桌面应用程序，它为该库提供了一个额外的层，以提高易用性并利用 JavaScript 可视化库。

以下是架构部分的关键点：

Crowd 框架的整体架构：Crowd 框架的总体架构展示了库如何连接到桌面应用程序和文件系统（如图 1 所示）。

桌面应用程序的功能：运行仿真：用户可以通过选择设置和参数来运行仿真。

查看之前的仿真：用户可以查看项目的先前仿真。

项目导航：用户可以以用户友好的方式在项目和仿真之间导航。

自定义方法：对于更复杂的仿真和数据收集目的，用户可以在编辑器中编写 Python 方法，并选择在仿真生命周期中何时执行这些方法。

结果探索：执行仿真后，用户可以通过图形可视化以及节点和边缘信息部分来探索结果。

数据聚合：用户可以聚合来自多个仿真的数据。

图表绘制：用户可以使用简单的选择器绘制图表。

无需编写代码即可设置仿真：Crowd 利用 YAML 文件来描述网络设置、节点类型、节点和边缘参数，以及在扩散仿真的情况下，描述隔间和规则。这允许简单模型进行无代码仿真，同时显著减少其他模型所需的代码行数。

利用 Python 环境：在使用 Crowd 的库版本时，建模人员可以在调用运行仿真的库方法之前，添加未由此设置提供的功能并执行这些功能。这方面的一个例子是：在将 LLM 传递以用于仿真中的每个步骤的推理之前，对其进行初始化。

跨平台应用程序：为了提高安装的简易性并使该工具更易于非技术用户使用，Crowd 利用 Tauri 提供了一个跨平台应用程序。Rust 层充当桥梁，将来自 GUI (Svelte) 的函数调用中继到后端 (Python)。可以使用此结构调用的函数放置在另一个名为 Crowd API 的模块中，这些函数有助于执行核心仿真任务以及管理文件操作，例如上传数据集和访问存储为文件系统中的 JSON 和 YAML 文件的项目数据和结果。

网络架构：

在其他 ABMS 框架（如 Mesa 和 MASON）中，用户需要实现两个类：Model 和 Agent。Crowd 采用不同的方法。在当前版本中，仿真可以驻留的唯一环境是网络。此网络环境由节点和边组成，其中节点是代理，边定义代理之间的关系。与代理相关的信息作为节点参数存储在网络中，并且可以单独定义代理级别的方法，以在运行仿真时作为列表参数传递。

Crowd 提供两个基类：Network 和 CustomSimNetwork，以及它们的两个扩展：DiffusionNetwork 和 EdgeSimNetwork

为了在框架中表示网络，Crowd 利用 NetworkX，这是一个提供数据结构来表示图形的库，以及用于社交网络分析和网络生成的算法。对于网络生成任务，还使用了 igraph-python 库。

Crowd 的基本 Network 类旨在为所有可能的用户定义场景提供一个通用框架。对于此网络类型的设计，采用了一种网络即代码的方法，其中网络、代理、它们的交互、分析的详细信息和可视化都是使用配置文件和代码定义的。它对于想要实现仿真的所有底层细节的研究人员非常有用。

CustomSimNetwork 类提供了比以前的类型显著更多的功能。CustomSimNetwork 处理网络、节点和边缘参数的添加，并在迭代之前、代理级别方法之前保持和运行用户定义的方法。迭代前方法允许在迭代的主要逻辑之前设置或重置一些参数。迭代前和迭代后方法之间，执行标记为 every-iteration-agent 的函数，其中为每个代理随机调用给定的方法。迭代后方法可用于数据收集目的，例如查找每天决定待在家中的代理总数。此外，仿真后方法可以深入了解案例的最终情况或完成任何剩余的逻辑。DiffusionNetwork 是 CustomSimNetwork 类的扩展，有助于简化扩散仿真，其中使用来自 NDLib 的隔间结构定义仿真逻辑。这允许 NDLib 提供与扩散相关的所有功能，而建模人员只需要编写用于数据收集的方法。