摘要:本研究致力于深入探讨社交网络中舆论形成的复杂过程, 尤其是关注去中心化环境下达成共识的机制. 研究提出了一种新的意见分类策略, 即第二置信区间. 该策略旨在对传统DeGroot共识模型进行改进, 从而发展出两种不同的意见动态模型: FAI模型和ORA模型. 这些模型综合考虑了个体对周围意见的接受程度和重视程度, 并通过对社交网络中邻域意见的深入分析, 对个体模型进行了全面设置, 涵盖私人意见、表达意见、固执度以及偏好等多重因素. 研究结果表明, 在特定参数设定下, FAI模型和ORA模型均能比原DeGroot模型更加迅速地达成共识. 具体来说, ORA模型的收敛速度在700步长左右, 而FAI模型的收敛速度随参数值的增加而逐步接近ORA模型. 相较于基准模型, ORA模型在收敛意见值上的差异较小, 不超过3.5%, 而FAI模型则显示出更大的波动性. 这些发现不仅加深了对于社交网络中公共意见形成机制的理解, 也强调了个体邻域内意见动力学在共识形成过程中的重要性, 为此领域的未来研究提供了新的视角和研究方向.