論文の概要: Learning Opinion Dynamics From Social Traces
- arxiv url: http://arxiv.org/abs/2006.01673v1
- Date: Tue, 2 Jun 2020 14:48:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-26 01:23:16.967861
- Title: Learning Opinion Dynamics From Social Traces
- Title（参考訳）: 社会的トレースからオピニオンダイナミクスを学ぶ
- Authors: Corrado Monti, Gianmarco De Francisci Morales, Francesco Bonchi
- Abstract要約: 本稿では,現実の社会的トレースに,生成的,エージェントライクな意見力学モデルを適用するための推論機構を提案する。
本稿では,古典的エージェントに基づく意見力学モデルから,その生成的モデルへの変換による提案について紹介する。
われわれのモデルをRedditの現実世界のデータに適用して、バックファイア効果の影響に関する長年にわたる疑問を探る。
- 参考スコア（独自算出の注目度）: 25.161493874783584
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Opinion dynamics - the research field dealing with how people's opinions form
and evolve in a social context - traditionally uses agent-based models to
validate the implications of sociological theories. These models encode the
causal mechanism that drives the opinion formation process, and have the
advantage of being easy to interpret. However, as they do not exploit the
availability of data, their predictive power is limited. Moreover, parameter
calibration and model selection are manual and difficult tasks.
In this work we propose an inference mechanism for fitting a generative,
agent-like model of opinion dynamics to real-world social traces. Given a set
of observables (e.g., actions and interactions between agents), our model can
recover the most-likely latent opinion trajectories that are compatible with
the assumptions about the process dynamics. This type of model retains the
benefits of agent-based ones (i.e., causal interpretation), while adding the
ability to perform model selection and hypothesis testing on real data.
We showcase our proposal by translating a classical agent-based model of
opinion dynamics into its generative counterpart. We then design an inference
algorithm based on online expectation maximization to learn the latent
parameters of the model. Such algorithm can recover the latent opinion
trajectories from traces generated by the classical agent-based model. In
addition, it can identify the most likely set of macro parameters used to
generate a data trace, thus allowing testing of sociological hypotheses.
Finally, we apply our model to real-world data from Reddit to explore the
long-standing question about the impact of backfire effect. Our results suggest
a low prominence of the effect in Reddit's political conversation.
- Abstract（参考訳）: 世論力学 - 人々の意見がどのように形成され、社会的な文脈で進化するかを扱う研究分野 - 伝統的にエージェントベースのモデルを使用して社会学的理論の意味を検証している。
これらのモデルは、意見形成過程を駆動する因果メカニズムを符号化し、容易に解釈できるという利点を持つ。
しかし、データの可用性を活用していないため、その予測能力は限られている。
さらにパラメータキャリブレーションとモデル選択は手作業で難しい作業である。
そこで本研究では,現実の社会的トレースに生成的,エージェントライクな意見力学モデルを適用するための推論機構を提案する。
オブザーバブルのセット(例えばエージェント間のアクションや相互作用)が与えられた場合、我々のモデルはプロセスのダイナミクスに関する仮定と互換性のある最も遅延的な意見軌道を復元することができる。
この種のモデルは、エージェントベースのもの(すなわち因果解釈)の利点を保ちつつ、実際のデータでモデル選択や仮説テストを行う能力も備えている。
我々は,従来のエージェントに基づく意見ダイナミクスモデルから,その生成型モデルに翻訳することにより,提案手法を提示する。
次に,モデルの潜在パラメータを学習するために,オンライン期待最大化に基づく推論アルゴリズムを設計する。
このようなアルゴリズムは、古典的エージェントベースモデルによって生成されたトレースから潜在意見軌道を復元することができる。
さらに、データトレースを生成するために使用される最も可能性の高いマクロパラメータを識別し、社会学的仮説のテストを可能にする。
最後に、われわれのモデルをRedditの現実世界のデータに適用し、バックファイア効果の影響に関する長年にわたる疑問を探る。
我々の結果は、Redditの政治的会話における影響の低さを示唆している。
関連論文リスト
- Variational Inference of Parameters in Opinion Dynamics Models [9.51311391391997]
この研究は、変数推論を用いて、意見力学 ABM のパラメータを推定する。
我々は推論プロセスを自動微分に適した最適化問題に変換する。
提案手法は, シミュレーションベース法とMCMC法より, マクロ的(有界信頼区間とバックファイア閾値)と微視的(200ドル, エージェントレベルの役割)の両方を正確に推定する。
論文 参考訳（メタデータ） (2024-03-08T14:45:18Z) - Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。
既存の感受性研究は、自己報告された信念に大きく依存している。
本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
論文 参考訳（メタデータ） (2023-11-16T07:22:56Z) - From Identifiable Causal Representations to Controllable Counterfactual Generation: A Survey on Causal Generative Modeling [17.074858228123706]
基本的な理論、方法論、欠点、データセット、メトリクスに重点を置いています。
フェアネス、プライバシ、アウト・オブ・ディストリビューションの一般化、精密医療、生物科学における因果生成モデルの応用について述べる。
論文 参考訳（メタデータ） (2023-10-17T05:45:32Z) - Interpretable Imitation Learning with Dynamic Causal Relations [65.18456572421702]
得られた知識を有向非巡回因果グラフの形で公開することを提案する。
また、この因果発見プロセスを状態依存的に設計し、潜在因果グラフのダイナミクスをモデル化する。
提案するフレームワークは,動的因果探索モジュール,因果符号化モジュール,予測モジュールの3つの部分から構成され,エンドツーエンドで訓練される。
論文 参考訳（メタデータ） (2023-09-30T20:59:42Z) - Are Neural Topic Models Broken? [81.15470302729638]
トピックモデルの自動評価と人的評価の関係について検討する。
ニューラルトピックモデルは、確立された古典的手法と比較して、両方の点においてより悪くなる。
論文 参考訳（メタデータ） (2022-10-28T14:38:50Z) - The drivers of online polarization: fitting models to data [0.0]
エコーチャンバー効果と意見偏光は、情報消費における人間のバイアスや、フィードアルゴリズムによって生成されるパーソナライズされたレコメンデーションなど、いくつかの要因によって引き起こされる可能性がある。
これまでは主に意見力学モデルを用いて、分極とエコーチャンバーの出現の背後にあるメカニズムを探索してきた。
シミュレーションから得られた意見分布とソーシャルメディア上で測定した意見分布を数値的に比較する手法を提案する。
論文 参考訳（メタデータ） (2022-05-31T17:00:41Z) - Explain, Edit, and Understand: Rethinking User Study Design for
Evaluating Model Explanations [97.91630330328815]
我々はクラウドソーシング研究を行い、真偽のホテルレビューと偽のホテルレビューを区別するために訓練された詐欺検出モデルと対話する。
単語の線形バッグモデルでは、トレーニング中に特徴係数にアクセスした参加者は、非説明制御と比較して、テストフェーズにおいてモデルの信頼性が大幅に低下する可能性があることを観察する。
論文 参考訳（メタデータ） (2021-12-17T18:29:56Z) - Exploring Social Posterior Collapse in Variational Autoencoder for
Interaction Modeling [26.01824780050843]
変分オートエンコーダ(VAE)は多エージェント相互作用モデリングに広く応用されている。
VAEは、エージェントの将来の軌跡を予測する際に、歴史的社会的文脈を無視しやすい。
本稿では,ソーシャルな後部崩壊を検知する新しいスパースグラフアテンションメッセージパッシング層を提案する。
論文 参考訳（メタデータ） (2021-12-01T06:20:58Z) - Predicting Census Survey Response Rates With Parsimonious Additive
Models and Structured Interactions [14.003044924094597]
本研究では, フレキシブルで解釈可能な非パラメトリックモデル群を用いて, アンケート応答率を予測することの問題点を考察する。
この研究は、米国国勢調査局(US Census Bureau)の有名なROAMアプリケーションによって動機付けられている。
論文 参考訳（メタデータ） (2021-08-24T17:49:55Z) - Beyond Trivial Counterfactual Explanations with Diverse Valuable
Explanations [64.85696493596821]
コンピュータビジョンの応用において、生成的対実法はモデルの入力を摂動させて予測を変更する方法を示す。
本稿では,多様性強化損失を用いて制約される不連続潜在空間における摂動を学習する反事実法を提案する。
このモデルは, 従来の最先端手法と比較して, 高品質な説明を生産する成功率を向上させる。
論文 参考訳（メタデータ） (2021-03-18T12:57:34Z) - Plausible Counterfactuals: Auditing Deep Learning Classifiers with
Realistic Adversarial Examples [84.8370546614042]
ディープラーニングモデルのブラックボックスの性質は、彼らがデータから何を学ぶかについて、未回答の疑問を提起している。
GAN(Generative Adversarial Network)とマルチオブジェクトは、監査されたモデルに妥当な攻撃を与えるために使用される。
その実用性は人間の顔の分類タスクの中で示され、提案されたフレームワークの潜在的可能性を明らかにしている。
論文 参考訳（メタデータ） (2020-03-25T11:08:56Z)
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。