Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > physics > arXiv:2501.01965

帮助 | 高级搜索

物理学 > 物理与社会

arXiv:2501.01965 (physics)
[提交于 2024年12月18日 (v1) ,最后修订 2025年5月30日 (此版本, v2)]

标题: 线性非弹性动力学方程:建模假新闻的传播及其与个人意识的相互作用

标题: Linear inelastic kinetic equations modelling the spread of fake news and its interplay with personal awareness

Authors:Martina Fraia, Nadia Loy, Andrea Tosin
摘要: 本文介绍了一个描述学习过程的动理学模型,该过程引导个体形成关于假新闻的个人意识。接着,我们将此模型的结果嵌入到另一个动理学模型中,该模型描述了社交网络上新闻受欢迎程度的变化,这取决于传播信息的可靠性。这两个模型均以线性非弹性Boltzmann型方程的形式表述,我们通过广泛使用傅里叶方法来研究这些方程的主要分析性质——解的存在性和唯一性、趋向平衡的趋势以及平衡分布的识别。此外,我们还利用Monte Carlo数值模拟验证了这些分析结果。
摘要: In this paper, we introduce a kinetic model which describes a learning process leading individuals to build personal awareness about fake news. Next, we embed the results of this model into another kinetic model, which describes the popularity gained by news on social media conditioned to the reliability of the disseminated information. Both models are formulated in terms of linear inelastic Boltzmann-type equations, of which we investigate the main analytical properties - existence and uniqueness of solutions, trend to equilibrium, identification of the equilibrium distributions - by employing extensively Fourier methods for kinetic equations. We also provide evidence of the analytical results by means of Monte Carlo numerical simulations.
评论: 31页,6幅图
主题: 物理与社会 (physics.soc-ph)
MSC 类: 35Q20, 35Q70, 35Q91, 91D30
引用方式: arXiv:2501.01965 [physics.soc-ph]
  (或者 arXiv:2501.01965v2 [physics.soc-ph] 对于此版本)
  https://doi.org/10.48550/arXiv.2501.01965
通过 DataCite 发表的 arXiv DOI
期刊参考: Kinet. Relat. Models, 2025
相关 DOI: https://doi.org/10.3934/krm.2025013
链接到相关资源的 DOI

提交历史

来自: Andrea Tosin [查看电子邮件]
[v1] 星期三, 2024 年 12 月 18 日 13:53:18 UTC (1,996 KB)
[v2] 星期五, 2025 年 5 月 30 日 08:56:45 UTC (2,030 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
physics.soc-ph
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-01
切换浏览方式为:
physics

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号