CN104217100A - 一种基于agent社会圈子网络的语言竞争模型的建模仿真方法 - Google Patents

一种基于agent社会圈子网络的语言竞争模型的建模仿真方法 Download PDF

Info

Publication number
CN104217100A
CN104217100A CN201410354563.0A CN201410354563A CN104217100A CN 104217100 A CN104217100 A CN 104217100A CN 201410354563 A CN201410354563 A CN 201410354563A CN 104217100 A CN104217100 A CN 104217100A
Authority
CN
China
Prior art keywords
language
social
population
network
ratio
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201410354563.0A
Other languages
English (en)
Other versions
CN104217100B (zh
Inventor
毕贵红
王超
张寿明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kunming University of Science and Technology
Original Assignee
Kunming University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Kunming University of Science and Technology filed Critical Kunming University of Science and Technology
Priority to CN201410354563.0A priority Critical patent/CN104217100B/zh
Publication of CN104217100A publication Critical patent/CN104217100A/zh
Application granted granted Critical
Publication of CN104217100B publication Critical patent/CN104217100B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Machine Translation (AREA)

Abstract

本发明涉及一种基于agent社会圈子网络的语言竞争模型的建模仿真方法,属于计算机仿真领域。本发明首先基于社会圈子理论建立语言交流网络;然后设置不同人口比例的语言种类;接着建立语言传播概率模型;再加入出生率、死亡率以及社会移动人口;最后利用建立的社会圈子网络对语言的竞争传播进行建模仿真。本发明可以统计多种实际社会网络特征的方法,可以灵活描述大规模社会网络耦合演化的机理;个体网络规模由于社会半径的不同而产生差异、聚类系数较高并且规模随时间动态变化;人口流动会改变圈子内部的强连接关系,同时也会改变圈子间的弱连接;可以表达人们社会交往圈子和社会网络复杂的社群和层次结构的异质性。

Description

一种基于agent社会圈子网络的语言竞争模型的建模仿真方法
技术领域
本发明涉及一种基于agent社会圈子网络的语言竞争模型的建模仿真方法,属于计算机仿真领域。
背景技术
传统的基于微分方程的语言竞争动力学模型,由于假设过于理想而限制了模型的解释价值。现有的这些基于复杂网络的语言交流模型研究主要关注的是网络的拓扑结构特征,如小世界特征、无标度特性、高聚类特征和网络的模块性等对语言交流传播的影响,这些研究一方面构造的语言传播网络与实际社会网络有较大的差距,而且很难用社会理论来解释,另一方面对网络结构随时间的变化关注甚少,也就是说,这些研究基本上都是以静态网络为基础的。
利用agent社会圈子理论建立的语言竞争传播网络更加贴近实际社会,可以表达人们的社会交往圈子、社会网络中复杂的社群以及层次结构的异质性。真实的社会接触网络由于受到人员日常行为不断变化的驱动,必然是一个动态演化的过程,这种演化过程将使得网络拓扑结构特征发生变化,从而影响到其上的语言交流传播过程。所以静态语言网络模型不能很好的表现真实的社会语言交流网络。
发明内容
本发明提供了一种基于agent社会圈子网络的语言竞争模型的建模仿真方法,以用于解决当前社会濒危语言的竞争与保护问题。
本发明的技术方案是:一种基于agent社会圈子网络的语言竞争模型的建模仿真方法,首先基于社会圈子理论建立语言交流网络;然后设置不同人口比例的语言种类;接着建立语言传播概率模型;再加入出生率、死亡率以及社会移动人口;最后利用建立的社会圈子网络对语言的竞争传播进行建模仿真。
所述基于agent社会圈子网络的语言竞争模型的建模仿真方法的具体步骤如下:
Step1、基于社会圈子理论建立语言交流网络:通过设置不同个体的社会半径的大小构建不同个体的社会圈子;
Step2、设置不同人口比例的语言种类:将语言种类分为单语X、单语Y和双语Z,同时为每种语言种类分配一定比例的人口,得到Px+Py+Pz=1;式中,PxPyPz分别代表掌握单语X的总人口比例、掌握单语Y的总人口比例和同时掌握X与Y的总人口比例;
Step3、建立语言传播概率模型:引入纵向传播和横向传播两种语言传播模型,模拟现实社会中语言竞争传播的模式;
纵向传播模型,表示父辈将其所掌握的语言传给子代的模型:
Pr(X→X)=1                                                       (1)
Pr(Y→Y)=1                                                       (2)
Pr(Z→X)=C ZX S x a                                                   (3)
Pr(Z→Y)=C ZY S y a                                                   (4)
Pr(Z→Z)=1—C ZX S x a C ZY S y a                                        (5)
横向传播模型,表示同辈成年人通过相互学习掌握新语言的模型:
Pr(X→X)=1—C XZ S y a                                                (6)
Pr(X→Z)=C XZ S y a                                                   (7)
Pr(Y→Y)=1—C YZ S x a                                                (8)
Pr(Y→Z)=C YZ S x a                                                   (9)
Pr(Z→Z)=1                                                       (10)
式中,Pr表示语言相互之间传播的概率;C ZX  =C ZY  =VcC XZ  =C YZ  = Hc表示两种语言间传播的最高比例;S X 代表X语言的地位,S Y 代表Y语言的地位,S X +S Y =1;x代表语言网络中的某一个体的相邻个体只掌握语言X的人口比例,y代表语言网络中某一个体的相邻个体只掌握语言Y的人口比例;a表示吸引力因子;
Step4、加入出生率、死亡率以及社会移动人口:通过更真实还原现实社会,引入出生率、死亡率和社会人口移动率来描述社会网络的动态性;其中,出生率代表新出生的人口,用以代替已经死亡的成年人,维持社会总人口数;死亡率代表随着时间推移自然死亡的成年人或者突发状况死亡的个体;社会移动人口代表一个时间步长内移动一定比例的个体;
Step5、利用建立的社会圈子网络对语言的竞争传播进行建模仿真
通过调整模型调整语言地位、语言人口比例、吸引因子、横向传播最高比例、纵向传播最高比例、社会半径,得到满足稳定共存状态的三种语言的走向趋势:
根据f(X)=C S X  x a 分别模拟语言地位、语言人口比例、吸引因子、横向传播最高比例、纵向传播最高比例、社会半径变化后单语X的人口比例f(X);
根据f(Y)=CS Y y a 分别模拟语言地位、语言人口比例、吸引因子、横向传播最高比例、纵向传播最高比例、社会半径变化后单语Y的人口比例f(Y);
根据f(Z)=1—f(X)—f(Y)分别模拟语言地位、语言人口比例、吸引因子、横向传播最高比例、纵向传播最高比例、社会半径变化后双语Z的人口比例f(Z);
式中,C表示横向传播最高比例或者纵向传播最高比例。
所述x的计算公式为:                                               ;其中,P 1表示X语言个体的邻居掌握X语言的人口数,P 2表示X语言个体的邻居总数,t表示时间,表示时间系数;
所述y的计算公式为:;其中,P 3表示Y语言个体的邻居掌握Y语言的人口数,P 4表示Y语言个体的邻居总数,t表示时间,表示时间系数。
本发明的工作原理是:
第一步:基于社会圈子理论建立语言交流网络。通过设置不同个体的社会半径的大小可以构建不同个体的社会圈子,即每个个体的社交范围,使用社会圈子网络模型来模拟语言传播竞争网络是因为它比较灵活,通过对社会半径的设置可以得到一个很直观地反映语言传播竞争网络中人群结构特点的网络。依据社会人口的分布:大多数人的联系是靠小的社会半径连接的小圈子,只有少部分人的联系是靠较大或者更大的社会半径连接的大圈子。
第二步:设置不同人口比例的语言种类。设置不同种类的语言模拟现实社会中的强势语言、弱势语言以及双语,分析现实社会中语言竞争后可能出现的现象。三种不同的语言种类分别为单语X、单语Y和双语Z,同时为每种语言种类分配一定比例的人口,在一个由三种语言组成的社会,三种语言所占人口之和必然为1,即Px+Py+Pz=1,式中PxPyPz分别代表掌握单语X的总人口比例 、掌握单语Y的总人口比例和同时掌握X与Y的总人口比例。
第三步:建立语言传播概率模型。引入纵向传播和横向传播两种语言传播模型,模拟现实社会中语言竞争传播的模式。纵向传播模型(V-Model)又称遗传语言模型,即父辈将其所掌握的语言传给子代的模型;横向传播模型(H-Model)又称同辈成年人语言学习模型,即同辈成年人通过相互学习掌握新语言的模型。
纵向传播模型(V-Model):
(1)所有子代个体都从语言网络中相邻的父辈个体处学习语言。如果语言网络中相邻的父辈个体只会竞争语言其中的一种(X or Y),该子代个体只学会其中一种语言,即X→X和Y→Y。
(2)在语言网络中,子代个体相邻的父辈个体同时掌握双语(Z),但是该子代个体只学习到了其中的一种竞争语言,即Z→X和Z→Y。
(3)在语言网络中,子代个体从掌握两种竞争语言(Z)的相邻的父辈个体那里也同时学会了两种竞争语言(Z),即Z→Z。
横向传播模型(H-Model):
(1)在语言网络中,所有掌握双语的同辈成年个体仍旧保留双语的状态,即Z→Z。
(2)在语言网络中,同辈成年个体只掌握两种竞争语言其中之一X,后来受到掌握另一竞争语言Y的相邻同辈成年个体的影响,最终掌握双语Z,即X→Z。
(3)在语言网络中,同辈成年个体只掌握两种竞争语言其中之一Y,后来受到掌握另一竞争语言X的相邻同辈成年个体的影响,最终掌握双语Z,即Y→Z。
(4)在语言网络中,所有掌握两种竞争语言中的其中一种语言的同辈成年个体(X or Y),最终仍旧保留只会其中一种语言的状态。即X→X和Y→Y。
纵向传播公式如下:
Pr(X→X)=1                                                       
Pr(Y→Y)=1                                                       
Pr(Z→X)=C ZX S x a                                                   
Pr(Z→Y)=C ZY S y a                                                  
Pr(Z→Z)=1—C ZX S x a C ZY S y a                                        
横向传播模型,表示同辈成年人通过相互学习掌握新语言的模型:
Pr(X→X)=1—C XZ S y a                                                
Pr(X→Z)=C XZ S y a                                                   
Pr(Y→Y)=1—C YZ S x a                                                
Pr(Y→Z)=C YZ S x a                                                   
Pr(Z→Z)=1                                                       
其中,Pr表示语言相互之间传播的概率,即语言的吸引因数,Pr越大,语言传播的可能性越大;式中C ZX  =C ZY  =VcC XZ  =C YZ  = Hc表示两种语言间传播的最高比率;S X 代表X语言的地位,S Y 代表Y语言的地位,S X +S Y =1;式中的x代表语言网络中的某一个体的相邻个体只掌握语言X的比例,y代表语言网络中某一个体的相邻个体只掌握语言Y的人口比例;a表示吸引力因子,即在用某一种竞争语言交流的群体的比例中该竞争语言的吸引级别。
第四步:加入出生率、死亡率以及社会移动人口。为了更真实的还原现实社会,模型中引入了出生率,死亡率和社会人口移动率来描述社会网络的动态性。所谓出生率,代表新出生的人口,用以代替已经死亡的成年人,维持社会总人口数;死亡率代表随着时间推移自然死亡的成年人或者突发状况死亡的个体;社会移动人口代表一个时间步长内移动一定比例的个体。这些因素都会导致旧关系的断开,新关系的建立,从而导致社会交流网络的动态演化。
第五步:利用建立的社会圈子网络对语言的竞争传播进行建模仿真。吸引因子(a)对弱势语言的保存时间和双语的消亡时间有一定作用;横向传播最高比例(Hc)对同辈成年个体学习双语的积极性有一定用;语言地位(S X S Y )对该语言在经济、政治和文化方面的地位有一定作用;纵向传播最高比例(Vc)对双语学习的氛围以及子代学习双语的热情和机会具有一定的作用;语言人口比例对语言共存的影响较小;社会半径的改变表明了地理上的隔绝对语言保存的影响。
本发明的有益效果是:
1、它是一种可以统计多种实际社会网络特征的方法,它由agent自己构建和管理社会关系,更加接近实际社会的运行机制,可以灵活描述大规模社会网络耦合演化的机理。
2、个体网络规模由于社会半径的不同而产生差异、聚类系数较高并且规模随时间动态变化;网络的整体密度相对较低、具有度度正相关性、社群结构以及平均路径短等特点,所以社会圈子网络中的个体网络参数和整体网络参数更接近实际。
3、人口流动会改变圈子内部的强连接关系,同时也会改变圈子间的弱连接。这些人口流动性因素都会导致旧关系的断开以及新关系的建立,从而导致社会交流网络的动态演化,映射了网络的动态性能。
4、网络中个体的社会半径不同,所形成的社会圈子大小不同,会形成圈子之间的弱连接,并且社会半径大的个体之间倾向于互相连接,可以表达人们社会交往圈子和社会网络复杂的社群和层次结构的异质性。
附图说明
图1为本发明专利社会圈子中个体的联系情况示意图一;
图2为本发明专利社会圈子中个体的联系情况示意图二;
图3为本发明专利横向传播模型;
图4为本发明专利纵向传播模型;
图5为本发明专利***模拟流程模型;
图6为本发明专利语言地位对语言传播的影响;
图7为本发明专利语言人口比例对语言传播的影响;
图8为本发明专利吸引因子和横向传播最高比例对语言传播的影响;
图9为本发明专利纵向传播最高比例对语言传播的影响;
图10为本发明专利社会半径对语言传播的影响;
图11为本发明专利稳定共存状态仿真图。
具体实施方式
实施例1:如图1-11所示,一种基于agent社会圈子网络的语言竞争模型的建模仿真方法,首先基于社会圈子理论建立语言交流网络;然后设置不同人口比例的语言种类;接着建立语言传播概率模型;再加入出生率、死亡率以及社会移动人口;最后利用建立的社会圈子网络对语言的竞争传播进行建模仿真。
所述基于agent社会圈子网络的语言竞争模型的建模仿真方法的具体步骤如下:
Step1、基于社会圈子理论建立语言交流网络:通过设置不同个体的社会半径的大小构建不同个体的社会圈子;
Step2、设置不同人口比例的语言种类:将语言种类分为单语X、单语Y和双语Z,同时为每种语言种类分配一定比例的人口,得到Px+Py+Pz=1;式中,PxPyPz分别代表掌握单语X的总人口比例、掌握单语Y的总人口比例和同时掌握X与Y的总人口比例;
Step3、建立语言传播概率模型:引入纵向传播和横向传播两种语言传播模型,模拟现实社会中语言竞争传播的模式;
纵向传播模型,表示父辈将其所掌握的语言传给子代的模型:
Pr(X→X)=1                                                       (1)
Pr(Y→Y)=1                                                       (2)
Pr(Z→X)=C ZX S x a                                                   (3)
Pr(Z→Y)=C ZY S y a                                                   (4)
Pr(Z→Z)=1—C ZX S x a C ZY S y a                                        (5)
横向传播模型,表示同辈成年人通过相互学习掌握新语言的模型:
Pr(X→X)=1—C XZ S y a                                                (6)
Pr(X→Z)=C XZ S y a                                                   (7)
Pr(Y→Y)=1—C YZ S x a                                                (8)
Pr(Y→Z)=C YZ S x a                                                   (9)
Pr(Z→Z)=1                                                       (10)
式中,Pr表示语言相互之间传播的概率;C ZX  =C ZY  =VcC XZ  =C YZ  = Hc表示两种语言间传播的最高比例;S X 代表X语言的地位,S Y 代表Y语言的地位,S X +S Y =1;x代表语言网络中的某一个体的相邻个体只掌握语言X的人口比例,y代表语言网络中某一个体的相邻个体只掌握语言Y的人口比例;a表示吸引力因子;
Step4、加入出生率、死亡率以及社会移动人口:通过更真实还原现实社会,引入出生率、死亡率和社会人口移动率来描述社会网络的动态性;其中,出生率代表新出生的人口,用以代替已经死亡的成年人,维持社会总人口数;死亡率代表随着时间推移自然死亡的成年人或者突发状况死亡的个体;社会移动人口代表一个时间步长内移动一定比例的个体;
Step5、利用建立的社会圈子网络对语言的竞争传播进行建模仿真
通过调整模型调整语言地位、语言人口比例、吸引因子、横向传播最高比例、纵向传播最高比例、社会半径,得到满足稳定共存状态的三种语言的走向趋势:
根据f(X)=C S X  x a 分别模拟语言地位、语言人口比例、吸引因子、横向传播最高比例、纵向传播最高比例、社会半径变化后单语X的人口比例f(X);
根据f(Y)=CS Y y a 分别模拟语言地位、语言人口比例、吸引因子、横向传播最高比例、纵向传播最高比例、社会半径变化后单语Y的人口比例f(Y);
根据f(Z)=1—f(X)—f(Y)分别模拟语言地位、语言人口比例、吸引因子、横向传播最高比例、纵向传播最高比例、社会半径变化后双语Z的人口比例f(Z);
式中,C表示横向传播最高比例或者纵向传播最高比例。
所述x的计算公式为:;其中,P 1表示X语言个体的邻居掌握X语言的人口数,P 2表示X语言个体的邻居总数,t表示时间,表示时间系数;
所述y的计算公式为:;其中,P 3表示Y语言个体的邻居掌握Y语言的人口数,P 4表示Y语言个体的邻居总数,t表示时间,表示时间系数。
实施例2:如图1-11所示,一种基于agent社会圈子网络的语言竞争模型的建模仿真方法,首先基于社会圈子理论建立语言交流网络;然后设置不同人口比例的语言种类;接着建立语言传播概率模型;再加入出生率、死亡率以及社会移动人口;最后利用建立的社会圈子网络对语言的竞争传播进行建模仿真。
所述基于agent社会圈子网络的语言竞争模型的建模仿真方法的具体步骤如下:
初始参数设计如表1所示:
在创建个体间联系时,要求双方都认识对方才认为两者是认识的,如图1所示,如果A的社会半径比B大,那么B包含在A的圈子中,可以看作为:A认识B,但是B不认识A;如图2所示,两个个体的社会半径相同,那么A和B相互认识。
在构建社会圈子网络以后,需要对网络中个体进行语言种类的设定以及语言竞争传播方式的设定,如图3-4所示三种语言种类为单语X(X)、单语Y(Y)和双语Z(Z)。传播模型具体解释如下。
纵向传播模型(V-Model):
(1)所有子代个体都从语言网络中相邻的父辈个体处学习语言。如果语言网络中相邻的父辈个体只会竞争语言其中的一种(X or Y),该子代个体只学会其中一种语言,即X→X和Y→Y。
(2)在语言网络中,子代个体相邻的父辈个体同时掌握双语(Z),但是该子代个体只学习到了其中的一种竞争语言,即Z→X和Z→Y。
(3)在语言网络中,子代个体从掌握两种竞争语言(Z)的相邻的父辈个体那里也同时学会了两种竞争语言(Z),即Z→Z。
横向传播模型(H-Model):
(1)在语言网络中,所有掌握双语的同辈成年个体仍旧保留双语的状态,即Z→Z。
(2)在语言网络中,同辈成年个体只掌握两种竞争语言其中之一X,后来受到掌握另一竞争语言Y的相邻同辈成年个体的影响,最终掌握双语Z,即X→Z。
(3)在语言网络中,同辈成年个体只掌握两种竞争语言其中之一Y,后来受到掌握另一竞争语言X的相邻同辈成年个体的影响,最终掌握双语Z,即Y→Z。
(4)在语言网络中,所有掌握两种竞争语言中的其中一种语言的同辈成年个体(X or Y),最终仍旧保留只会其中一种语言的状态。即X→X和Y→Y。
加入出生率、死亡率以及社会移动人口。
如图5所示首先设定了agent总数,每个agent个体的社会半径,每种社会半径的人口比例,每种语言所占的人口比例;为了模拟现实生活中人们可能出现的状况,我们还设定了出生率,死亡率以及人口移动比例;通过设定语言传播概率公式的参数,包括最高比率、语言地位、吸引因子,提供给模型,用以计算语言传播的可能性大小,即通过纵向传播(V-Model)和横向传播(H-Model)来推导X或Y到Z的转变、Z到X或者Y的转变,或者自身语言的传播和保留。
通过调整模型调整语言地位、语言人口比例、吸引因子、横向传播最高比例、纵向传播最高比例、社会半径,得到满足稳定共存状态的三种语言的走向趋势:
第一步:只调整语言地位,分析语言地位对语言传播的影响如图6所示,初始状态的单语X的地位为0.4,根据公式S X +S Y =1,可知单语Y的地位为0.6;通过改变单语X的语言地位,模型中将单语X的地位提升到0.8,根据S X +S =1,可知单语Y的语言地位降低到0.2,即S X 增加,S Y 减小,根据单语X人口比例计算公式f(X)=C S X  x a ,只增加X语言的语言地位S X ,单语X人口比例增加,最终单语X的人口比例为100%;根据单语Y人口比例计算公式f(Y)= CS Y y a ,只减小Y语言的语言地位S Y ,单语Y的人口比例减小,最终变为0。双语Z的人口比例计算公式f(Z)=1—f(X)—f(Y),双语Z的变化随着单语X与单语Y的变化而变化,初始单语X与单语Y的变化较小,所以双语Z上升到一个峰值,随着单语X的大幅度增加和单语Y的减小,双语Z会逐渐较小到0。公式中C表示横向传播最高比例或者纵向传播最高比例,C=1;当计算单语X人口比例时,S X  =0.6(初始为0.6,后来为0.8),当计算单语Y人口比例时,S Y  =0.4(初始为0.4,后来为0.2);a表示吸引因子,a=1,xy分别表示网络中的某一个体的相邻个体为只掌握语言X的比例或相邻个体为只掌握语言Y的比例,作为自变量。随着横坐标时间(步数)的推移,人口的移动,新生与死亡会改变每个个体周围人口数量的动态变化,同时人为调整语言地位来观察图中纵坐标单语X人口比例f(X)(三角形标记线)、单语Y人口比例f(Y)(正方形标记线)以及双语Z人口比例f(Z)(“x”形标记线)。
图6中与初始三条曲线相比,增加X的语言地位后X最终获得了全部人口的学习,而Y最终消亡,与初始曲线相反。也就是说通过单语X前后的地位的改变会导致最终语言的走向,虽然单语X的初始人口小于单语Y的初始人口,但是调整语言的地位,也就可以提高该语言在人口中的占比。即在实际社会生活中,虽然某种语言的初始人口比例较小,但是随着语言地位的提升,便会提高该语言在经济、政治和文化方面的地位,增强持该种语言的自豪感,改变未来的趋势。
第二步:只调整语言人口比例,分析语言人口比例对语言传播的影响如图7所示,模型由初始的X语言者、Y语言者和Z(双语)语言者所占人口比例分别为40%、50%和10%变成30%、65%和5%。通过改变前后趋势曲线的对比,发现改变语言人口比例对语言共存的最终走向并没有决定性的影响。人口的增加就是小部分数据的平移,在初始状态附近的范围内变化,说明在实际社会中它并不是决定性因素。
第三步:只调整吸引因子或者横向传播最高比例,分析吸引因子和横向传播最高比例对语言传播的影响如图8所示,吸引因子(a)由初始值1减小到0.5,C=1,S X =0.6,和S Y =0.4,根据f(X)=C S X  x a 、f(Y)= CS Y y a  和f(Z)=1—f(X)—f(Y),随着a值减小,单语X的人口比例会加速减小,同时单语Y的人口比例会加速增加,在此前提下,双语Z会加速上升到一个超过参考峰值的值,随着时间推移单语Y的比例快速变成100%,单语X和双语Z快速降为0。图8中,随着时间步数的推移,与初始状态的语言维持时间相比较,语言的维持时间缩短,模型将更快的达到双语和弱势语言的消亡以及优势语言获得全部支持的状况。增加横向传播比例(Hc)对提高双语人口比例有一定的作用,初始Hc =0.035,根据f(Z′)=CS(x a  + y a ) (表示影响Z语言人口峰值的公式),S=S X +S Y =1,随着Hc的增加(公式中的参数C),图8中与初始语言相比,双语Z达到了一个高峰。在实际生活中,提升语言的吸引力和语言的学习交流的氛围,可以延长语言的消亡时间并且提高同辈成年人学习双语的积极性。
第四步:只调整纵向传播最高比例公式,分析纵向传播最高比例对语言传播的影响如图9所示,改变初始条件中的Vc参数。结果显示通过将纵向传播最高比例参数(C)由初始值1减小到0.5,S X =0.6,S Y =0.4,a=1,根据f(X)=C S X  x a 、f(Y)= CS Y y a 和f(Z)=1—f(X)—f(Y)减小Vc,即公式中的参数C,单语X和单语Y的人口比例都会减小而双语Z的人口比例增加,由于单语X为语言地位较低的弱势语言,所以减小的趋势更加明显,如图9所示,双语人口比例超过优势语言的人口比例,而且人口比例较高,模型整体趋势表现平稳。
第五步:只调整社会半径,分析社会半径对语言传播的影响如图10所示,S X =0.6,S Y =0.4,a=1,C=1模型中三种社会圈子的社会半径由初始的小社会半径为25,中社会半径为35,大社会半径为45变成小社会半径为30,中社会半径为40,大社会半径为50,由于初始设定的单语X的人口密度小于单语Y的人口密度,增加社会半径,意味着单语X在其周围的占比减小,即的比例减小,根据比例计算公式f(X)=C S X  x a ,单语X的人口比例减小,由于Y的人口密度大,社会半径的增加,会增加Y在其周围的占比,即的比例增加,根据人口比例计算公式f(Y)=CS Y y a 单语Y会有一定程度的增加,根据双语Z人口比例公式f(Z)=1—f(X)—f(Y),随着初始X的减小,双语Z的比例首先出现增加,随着单语Y人口的增加,Z的人口比例出现下滑。Agent的圈子大小变化对语言传播竞争的影响明显,当agent圈子小时,网络密度也较小,随着agent圈子的扩大,网络中的连接不断增加,表示能联系到的个体范围增加,交流就会增加。模型中社会半径逐渐增加,社会圈子的大小就会不断增加,个体之间的交流就会越来越多,语言之间的竞争传播可能性就会越来越大,随着两种竞争语言之间的交流增加,语言地位较低的语言就会逐渐走向消亡,图中语言地位较低的单语X在1000步的时基本消亡,双语者随着交流的增加而增加,最终出现双语和地位较高的语言共存的情况。但是,需要得到的是三种语言的稳定共存,所以不能设置过大的社会半径,因此初始设置的社会半径更加满足稳定共存。
最后通过分析调整第一步到第五步的参数后,得出图11中三类语言基本达到一种稳定共存状态的曲线趋势图,在750的时间步长时基本达到语言的共存,在之后的时间步长内的波动不大,基本保持平衡。达到语言共存的可调参数设置如表2所示。
上面结合附图对本发明的具体实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (3)

1.一种基于agent社会圈子网络的语言竞争模型的建模仿真方法,其特征在于:首先基于社会圈子理论建立语言交流网络;然后设置不同人口比例的语言种类;接着建立语言传播概率模型;再加入出生率、死亡率以及社会移动人口;最后利用建立的社会圈子网络对语言的竞争传播进行建模仿真。
2.根据权利要求1所述的基于agent社会圈子网络的语言竞争模型的建模仿真方法,其特征在于:所述基于agent社会圈子网络的语言竞争模型的建模仿真方法的具体步骤如下:
Step1、基于社会圈子理论建立语言交流网络:通过设置不同个体的社会半径的大小构建不同个体的社会圈子;
Step2、设置不同人口比例的语言种类:将语言种类分为单语X、单语Y和双语Z,同时为每种语言种类分配一定比例的人口,得到Px+Py+Pz=1;式中,PxPyPz分别代表掌握单语X的总人口比例、掌握单语Y的总人口比例和同时掌握X与Y的总人口比例;
Step3、建立语言传播概率模型:引入纵向传播和横向传播两种语言传播模型,模拟现实社会中语言竞争传播的模式;
纵向传播模型,表示父辈将其所掌握的语言传给子代的模型:
Pr(X→X)=1                                                       (1)
Pr(Y→Y)=1                                                       (2)
Pr(Z→X)=C ZX S x a                                                   (3)
Pr(Z→Y)=C ZY S y a                                                   (4)
Pr(Z→Z)=1—C ZX S x a C ZY S y a                                        (5)
横向传播模型,表示同辈成年人通过相互学习掌握新语言的模型:
Pr(X→X)=1—C XZ S y a                                                (6)
Pr(X→Z)=C XZ S y a                                                   (7)
Pr(Y→Y)=1—C YZ S x a                                                (8)
Pr(Y→Z)=C YZ S x a                                                   (9)
Pr(Z→Z)=1                                                       (10)
式中,Pr表示语言相互之间传播的概率;C ZX  =C ZY  =VcC XZ  =C YZ  = Hc表示两种语言间传播的最高比例;S X 代表X语言的地位,S Y 代表Y语言的地位,S X +S Y =1;x代表语言网络中的某一个体的相邻个体只掌握语言X的人口比例,y代表语言网络中某一个体的相邻个体只掌握语言Y的人口比例;a表示吸引力因子;
Step4、加入出生率、死亡率以及社会移动人口:通过更真实还原现实社会,引入出生率、死亡率和社会人口移动率来描述社会网络的动态性;其中,出生率代表新出生的人口,用以代替已经死亡的成年人,维持社会总人口数;死亡率代表随着时间推移自然死亡的成年人或者突发状况死亡的个体;社会移动人口代表一个时间步长内移动一定比例的个体;
Step5、利用建立的社会圈子网络对语言的竞争传播进行建模仿真
通过调整模型调整语言地位、语言人口比例、吸引因子、横向传播最高比例、纵向传播最高比例、社会半径,得到满足稳定共存状态的三种语言的走向趋势:
根据f(X)=C S X  x a 分别模拟语言地位、语言人口比例、吸引因子、横向传播最高比例、纵向传播最高比例、社会半径变化后单语X的人口比例f(X);
根据f(Y)= CS Y y a 分别模拟语言地位、语言人口比例、吸引因子、横向传播最高比例、纵向传播最高比例、社会半径变化后单语Y的人口比例f(Y);
根据f(Z)=1—f(X)—f(Y)分别模拟语言地位、语言人口比例、吸引因子、横向传播最高比例、纵向传播最高比例、社会半径变化后双语Z的人口比例f(Z);
式中,C表示横向传播最高比例或者纵向传播最高比例。
3.根据权利要求2所述的基于agent社会圈子网络的语言竞争模型的建模仿真方法,其特征在于:
所述x的计算公式为:                                                ;其中,P 1表示X语言个体的邻居掌握X语言的人口数,P 2表示X语言个体的邻居总数,t表示时间,表示时间系数;
所述y的计算公式为:;其中,P 3表示Y语言个体的邻居掌握Y语言的人口数,P 4表示Y语言个体的邻居总数,t表示时间,表示时间系数。
CN201410354563.0A 2014-07-24 2014-07-24 一种基于agent社会圈子网络的语言竞争模型的建模仿真方法 Expired - Fee Related CN104217100B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410354563.0A CN104217100B (zh) 2014-07-24 2014-07-24 一种基于agent社会圈子网络的语言竞争模型的建模仿真方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410354563.0A CN104217100B (zh) 2014-07-24 2014-07-24 一种基于agent社会圈子网络的语言竞争模型的建模仿真方法

Publications (2)

Publication Number Publication Date
CN104217100A true CN104217100A (zh) 2014-12-17
CN104217100B CN104217100B (zh) 2017-02-15

Family

ID=52098582

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410354563.0A Expired - Fee Related CN104217100B (zh) 2014-07-24 2014-07-24 一种基于agent社会圈子网络的语言竞争模型的建模仿真方法

Country Status (1)

Country Link
CN (1) CN104217100B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104834682A (zh) * 2015-04-15 2015-08-12 昆明理工大学 一种具有词汇结构的复杂agent网络的语言竞争模型的建模仿真方法
CN104866651A (zh) * 2015-04-29 2015-08-26 昆明理工大学 一种基于agent网络人工社会模型的建模仿真方法
CN104881574A (zh) * 2015-05-14 2015-09-02 昆明理工大学 一种基于agent社会圈子网络的三种语言竞争模型的建模仿真方法
CN110852088A (zh) * 2019-10-15 2020-02-28 昆明理工大学 一种考虑语言态度和双语教学的语言竞争模型的建模仿真方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1441402A (zh) * 2003-04-03 2003-09-10 上海交通大学 跨语种语音信息交流方法
US20070074180A1 (en) * 2003-12-22 2007-03-29 Nasa Hq's Systems, Methods and Apparatus for Procedure Development and Verification
CN101872378A (zh) * 2010-06-24 2010-10-27 昆明理工大学 一种基于时间Petri网和Agent的复杂***建模方法
CN102236645A (zh) * 2010-05-06 2011-11-09 上海五和际软件信息有限公司 基于语义逻辑的类自然语言人机对话装置
CN102693134A (zh) * 2012-05-25 2012-09-26 南京邮电大学 一种基于统一建模语言的传感网软件建模平台开发方法
CN103324807A (zh) * 2013-07-04 2013-09-25 重庆大学 基于多Agent行为模型的音乐灯光表演方案设计***的设计方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1441402A (zh) * 2003-04-03 2003-09-10 上海交通大学 跨语种语音信息交流方法
US20070074180A1 (en) * 2003-12-22 2007-03-29 Nasa Hq's Systems, Methods and Apparatus for Procedure Development and Verification
CN102236645A (zh) * 2010-05-06 2011-11-09 上海五和际软件信息有限公司 基于语义逻辑的类自然语言人机对话装置
CN101872378A (zh) * 2010-06-24 2010-10-27 昆明理工大学 一种基于时间Petri网和Agent的复杂***建模方法
CN102693134A (zh) * 2012-05-25 2012-09-26 南京邮电大学 一种基于统一建模语言的传感网软件建模平台开发方法
CN103324807A (zh) * 2013-07-04 2013-09-25 重庆大学 基于多Agent行为模型的音乐灯光表演方案设计***的设计方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
JAMES W.MINETT ET AL: "Modelling endangered languages: The effects of bilingualism and social structure", 《LINGUA》 *
LYNNE HAMILL ET AL: "Social Circles: A Simple Structure for Agent-Based Social Network Models", 《JOURNAL OF ARTIFICIAL SOCIETIES》 *
张兴竹 等: "基于agent 社会圈子网络的HIV 注射吸毒传播仿真分析", 《***仿真学报》 *
李玮 等: "基于Agent 动态小世界网络的HIV 同性传播仿真研究", 《***仿真学报》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104834682A (zh) * 2015-04-15 2015-08-12 昆明理工大学 一种具有词汇结构的复杂agent网络的语言竞争模型的建模仿真方法
CN104834682B (zh) * 2015-04-15 2018-01-12 昆明理工大学 一种具有词汇结构的复杂agent网络的语言竞争模型的建模仿真方法
CN104866651A (zh) * 2015-04-29 2015-08-26 昆明理工大学 一种基于agent网络人工社会模型的建模仿真方法
CN104881574A (zh) * 2015-05-14 2015-09-02 昆明理工大学 一种基于agent社会圈子网络的三种语言竞争模型的建模仿真方法
CN104881574B (zh) * 2015-05-14 2018-01-12 昆明理工大学 一种基于agent社会圈子网络的三种语言竞争模型的建模仿真方法
CN110852088A (zh) * 2019-10-15 2020-02-28 昆明理工大学 一种考虑语言态度和双语教学的语言竞争模型的建模仿真方法
CN110852088B (zh) * 2019-10-15 2022-09-20 昆明理工大学 一种考虑语言态度和双语教学的语言竞争模型的建模仿真方法

Also Published As

Publication number Publication date
CN104217100B (zh) 2017-02-15

Similar Documents

Publication Publication Date Title
Gomez-Gonzalez et al. Optimization of distributed generation systems using a new discrete PSO and OPF
CN108491598B (zh) 一种基于路径规划的人群疏散仿真方法及***
CN109621422A (zh) 电子棋牌决策模型训练方法及装置、策略生成方法及装置
CN104217100A (zh) 一种基于agent社会圈子网络的语言竞争模型的建模仿真方法
CN109064347B (zh) 基于多智能体的信息传播与舆情演化仿真方法
Xu et al. Competitive search algorithm: a new method for stochastic optimization
CN116169776A (zh) 电力***云边协同人工智能调控方法、***、介质及设备
CN111125911B (zh) 一种基于分区双层网络的语言竞争微观仿真模型的建模仿真方法
CN107169561A (zh) 面向功耗的混合粒子群脉冲神经网络映射方法
CN103678888B (zh) 一种基于欧拉流体模拟算法的心脏血液流动示意显示方法
Zhang et al. Distributed parallel computing technique for EM modeling
Carpenter Production-optimization strategy using a hybrid genetic algorithm
Li et al. Potential games design using local information
CN104834682A (zh) 一种具有词汇结构的复杂agent网络的语言竞争模型的建模仿真方法
CN105550167A (zh) 一种基于agent社会圈子网络的通用型多语竞争模型的建模仿真方法
Zhang et al. Simulation of the spread of epidemics with individuals contact using cellular automata modeling
CN104881574B (zh) 一种基于agent社会圈子网络的三种语言竞争模型的建模仿真方法
Huang et al. Enhancing the performance of cuckoo search algorithm with multi-learning strategies
CN110852088B (zh) 一种考虑语言态度和双语教学的语言竞争模型的建模仿真方法
Yu et al. An evolution model of emotional internet public opinion with informed marks
Yu et al. Evacuation modelling: an agent based approach
Sun et al. ’Generative Architecture in DLA Space’
Malakuczi et al. Evolving scenarios of AI in the design practice
Buono et al. Supporting Lay People to Define Smart Interactive Experiences. Presentazione al congresso
Wu et al. An Improved Teaching-Learning-Based Optimization With Adaptive Moment Estimation for Global Optimization

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170215

CF01 Termination of patent right due to non-payment of annual fee