摘要
在现实的社会网络中，个体的观点不仅受到当前互动的影响，还受到近期历史观点、以往经验以及外部引导的作用。然而，在有界信心异心率（bounded-confidence opinion dynamics）模型中，历史依赖性及其衰减效应尚未得到充分研究。为了解决这一问题，本文提出了一种扩展的Hegselmann–Krause（HK）模型，在该模型中，每个个体根据四个信息来源来更新自己的观点：当前观点、历史观点、邻居的观点以及目标观点。历史观点项被建模为近期历史观点的加权平均值，其影响力通过衰减率来调节，以捕捉随时间推移的记忆衰减现象。通过仿真实验分析了信心阈值、衰减率、权重系数和网络拓扑结构对观点演变的影响。结果表明，较低的信心阈值倾向于形成碎片化的群体；适中的阈值有助于观点整合；而过高的阈值可能导致观点迅速同质化。衰减率调节了历史依赖性与对新信息适应性之间的平衡，不同的权重配置则产生不同的演变模式。此外，对ER随机网络、WS小世界网络和BA无标度网络的比较显示，网络拓扑结构显著影响观点演变的收敛速度和最终分布。最后，在基于Epinions数据集的真实世界评论网络拓扑结构上进行的仿真，证明了所提模型在电子商务相关场景中的应用可行性。这些发现从关注记忆的角度扩展了HK框架。
