論文の概要: Electoral Forecasting Using a Novel Temporal Attenuation Model: Predicting the US Presidential Elections

• arxiv url: http://arxiv.org/abs/2005.01799v1
• Date: Thu, 30 Apr 2020 09:21:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-21 16:57:26.476554
• Title: Electoral Forecasting Using a Novel Temporal Attenuation Model: Predicting the US Presidential Elections
• Title（参考訳）: 新たな時間的減衰モデルを用いた選挙予測--米国大統領選挙予測
• Authors: Alexandru Topirceanu
• Abstract要約: 予備選別世論調査データを用いて予測精度を向上させる新しいマクロスケール時間減衰(TA)モデルを開発した。 我々の仮説は、世論調査を公表するタイミングは、特に選挙直前の世論の変動に重要な役割を果たす、というものである。 我々は,48年間の平均予測誤差2.8-3.28点を蓄積するTAモデルの2つの異なる実装を提案する。
• 参考スコア（独自算出の注目度）: 91.3755431537592
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Electoral forecasting is an ongoing scientific challenge with high social impact, as current data-driven methods try to efficiently combine statistics with economic indices and machine learning. However, recent studies in network science pinpoint towards the importance of temporal characteristics in the diffusion of opinion. As such, we combine concepts of micro-scale opinion dynamics and temporal epidemics, and develop a novel macro-scale temporal attenuation (TA) model, which uses pre-election poll data to improve forecasting accuracy. Our hypothesis is that the timing of publicizing opinion polls plays a significant role in how opinion oscillates, especially right before elections. Thus, we define the momentum of opinion as a temporal function which bounces up when opinion is injected in a multi-opinion system of voters, and dampens during states of relaxation. We validate TA on survey data from the US Presidential Elections between 1968-2016, and TA outperforms statistical methods, as well the best pollsters at their time, in 10 out of 13 presidential elections. We present two different implementations of the TA model, which accumulate an average forecasting error of 2.8-3.28 points over the 48-year period. Conversely, statistical methods accumulate 7.48 points error, and the best pollsters accumulate 3.64 points. Overall, TA offers increases of 23-37% in forecasting performance compared to the state of the art. We show that the effectiveness of TA does not drop when relatively few polls are available; moreover, with increasing availability of pre-election surveys, we believe that our TA model will become a reference alongside other modern election forecasting techniques.
• Abstract（参考訳）: 現在のデータ駆動型手法は、統計と経済指標と機械学習を効率的に組み合わせようとしている。 しかし,近年のネットワーク科学研究では,意見の拡散における時間的特徴の重要性が指摘されている。 そこで、我々は、マイクロスケールの意見力学と時間的流行の概念を組み合わせて、予備選別世論調査データを用いて予測精度を向上させる新しいマクロスケール時間減衰(TA)モデルを開発した。 我々の仮説は、世論調査を公表するタイミングが、特に選挙直前の世論の振動に重要な役割を果たすというものです。 そこで我々は、意見のモーメントを、有権者の多意見システムに意見が注入されたときに跳ね上がり、リラックス状態に減衰する時間関数として定義する。 1968年から2016年にかけてのアメリカ合衆国大統領選挙における調査データから、TAは統計学的手法を上回り、13回の大統領選挙のうち10回で最高の世論調査を行った。 我々は,48年間の平均予測誤差2.8-3.28点を蓄積するTAモデルの2つの異なる実装を提案する。 逆に、統計的手法は7.48ポイントの誤差を蓄積し、最良の投票者は3.64ポイントを蓄積する。 全体として、taは芸術の状況と比較して予測パフォーマンスが23-37%向上する。 世論調査が比較的少ない場合,TAの有効性は低下せず,また,予備選挙調査の増加に伴い,我々のTAモデルは,他の近代選挙予測手法とともに参照されるものと信じている。

関連論文リスト

• Leveraging AI and Sentiment Analysis for Forecasting Election Outcomes in Mauritius [0.0]
  本研究では,2024年のモーリシャス選挙に焦点をあて,AIによる感情分析を選挙結果を予測する新しいツールとして活用することを検討する。 我々は、主要な2つの政党であるL'Alliance LepepとL'Alliance Du Changementに対するメディアの感情を分析する。 調査結果は、肯定的なメディアの感情が、予測された選挙利益と強く相関していることを示し、メディアが大衆の認識を形作る役割を強調している。
  論文  参考訳（メタデータ） (2024-10-28T09:21:15Z)
• ElectionSim: Massive Population Election Simulation Powered by Large Language Model Driven Agents [70.17229548653852]
  我々は,大規模言語モデルに基づく革新的な選挙シミュレーションフレームワークであるElectronSimを紹介する。 ソーシャルメディアプラットフォームからサンプリングした100万レベルの投票者プールを提示し、正確な個人シミュレーションを支援する。 PPEは、米国大統領選挙シナリオ下での我々の枠組みの性能を評価するための、世論調査に基づく大統領選挙ベンチマークである。
  論文  参考訳（メタデータ） (2024-10-28T05:25:50Z)
• Representation Bias in Political Sample Simulations with Large Language Models [54.48283690603358]
  本研究は,大規模言語モデルを用いた政治サンプルのシミュレーションにおけるバイアスの同定と定量化を目的とする。 GPT-3.5-Turboモデルを用いて、米国選挙研究、ドイツ縦割り選挙研究、ズオビアオデータセット、中国家族パネル研究のデータを活用する。
  論文  参考訳（メタデータ） (2024-07-16T05:52:26Z)
• Efficient Weighting Schemes for Auditing Instant-Runoff Voting Elections [57.67176250198289]
  AWAIREは、適応的に重み付けされたテスト統計量であり、本質的には、テストに有効な仮説のセットを「学習」する。 我々は、より広範囲にスキームと設定を検討し、実践のための効率的な選択を特定し、推奨する。 現在のAWAIRE実装の制限は、少数の候補者に限られている。
  論文  参考訳（メタデータ） (2024-02-18T10:13:01Z)
• Design and analysis of tweet-based election models for the 2021 Mexican legislative election [55.41644538483948]
  選挙日前の6ヶ月の間に、1500万件の選挙関連ツイートのデータセットを使用します。 地理的属性を持つデータを用いたモデルが従来のポーリング法よりも精度と精度で選挙結果を決定することがわかった。
  論文  参考訳（メタデータ） (2023-01-02T12:40:05Z)
• Novelty Detection for Election Fraud: A Case Study with Agent-Based Simulation Data [6.692240192392746]
  不正行為のないクリーンな選挙結果データセットと、不正行為の度合いの異なるデータセットを生成します。 このアルゴリズムは、投票結果の予測結果と実際の選挙結果の類似性を決定する。 シミュレーション手法と機械学習モデルの有効性を両立させ,不正領域の同定に成功した。
  論文  参考訳（メタデータ） (2022-11-29T08:46:36Z)
• Predicting the 2020 US Presidential Election with Twitter [0.0]
  ソーシャルメディアデータを利用した選挙予測は、選挙戦略に大きな影響を与える可能性がある。 本稿は、Twitterデータを用いた2020年アメリカ合衆国大統領選挙の分析・予測における過去の成功方法について考察する。 これはデータの不足による選挙予測の正確な方法であるかどうかについては不確定である。
  論文  参考訳（メタデータ） (2021-07-19T14:59:25Z)
• Correcting public opinion trends through Bayesian data assimilation [8.406968279478347]
  世論を測ることが民主選挙における重要な焦点である。 従来のサーベイポーリングは依然として最も一般的な推定手法である。 Twitterの意見マイニングはこれらの問題に対処しようとしている。
  論文  参考訳（メタデータ） (2021-05-29T11:39:56Z)
• Mundus vult decipi, ergo decipiatur: Visual Communication of Uncertainty in Election Polls [56.8172499765118]
  我々は、今放送と予測におけるバイアスの潜在的な源について論じる。 概念は、誤認識された正確性の問題を軽減するために提示される。 主要なアイデアの1つは、パーティーシェアではなくイベントの確率を使うことである。
  論文  参考訳（メタデータ） (2021-04-28T07:02:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。