論文の概要: Forecasting Election Polls with Spin Systems
- arxiv url: http://arxiv.org/abs/2007.05070v3
- Date: Mon, 6 Dec 2021 12:19:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-10 21:07:02.410345
- Title: Forecasting Election Polls with Spin Systems
- Title（参考訳）: スピンシステムによる選挙予測
- Authors: Ruben Ibarrondo, Mikel Sanz, Roman Orus
- Abstract要約: 政治予測の問題は、古典的スピンシステムの基底状態構成を見つけるためにマッピングできることが示される。
また,本手法は傾向検出アルゴリズムとして理解することができ,特に感情分析や偽ニュースの同定に有用である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We show that the problem of political forecasting, i.e, predicting the result
of elections and referendums, can be mapped to finding the ground state
configuration of a classical spin system. Depending on the required prediction,
this spin system can be a combination of XY, Ising and vector Potts models,
always with two-spin interactions, magnetic fields, and on arbitrary graphs. By
reduction to the Ising model our result shows that political forecasting is
formally an NP-Hard problem. Moreover, we show that the ground state search can
be recasted as Higher-order and Quadratic Unconstrained Binary Optimization
(HUBO / QUBO) Problems, which are the standard input of classical and quantum
combinatorial optimization techniques. We prove the validity of our approach by
performing a numerical experiment based on data gathered from Twitter for a
network of 10 people, finding good agreement between results from a poll and
those predicted by our model. In general terms, our method can also be
understood as a trend detection algorithm, particularly useful in the contexts
of sentiment analysis and identification of fake news.
- Abstract（参考訳）: 政治予測の問題、すなわち選挙や国民投票の結果を予測することは、古典的なスピンシステムの基底状態の構成を見つけるためにマップできることを示す。
必要な予測に依存すると、このスピン系はXY、イジング、ベクトルポッツモデルの組み合わせであり、常に2スピン相互作用、磁場、および任意のグラフ上に存在する。
イジングモデルへの還元により、政治的予測は正式にNP-ハード問題であることを示す。
さらに, 基底状態探索は, 古典的および量子組合せ最適化手法の標準入力であるHUBO (Higher-order and Quadratic Unconstrained Binary Optimization) 問題として再キャスト可能であることを示す。
提案手法は,10人のネットワークを対象に,twitterから収集したデータに基づく数値実験を行い,調査結果とモデルで予測した結果との一致性を確認し,妥当性を実証する。
概して,本手法は傾向検出アルゴリズムとして理解することができ,特に感情分析や偽ニュースの同定に有用である。
関連論文リスト
- PageRank Bandits for Link Prediction [72.61386754332776]
リンク予測は、リコメンダシステムやナレッジグラフ補完といった幅広いアプリケーションを用いたグラフ学習において重要な問題である。
本稿では,リンク予測を逐次的意思決定プロセスとして再構成し,各リンク予測インタラクションを逐次的に行う。
本稿では,PageRankとコンテキスト的帯域を結合した新しい融合アルゴリズム PRB (PageRank Bandits) を提案する。
論文 参考訳（メタデータ） (2024-11-03T02:39:28Z) - Transfer Learning for Spatial Autoregressive Models with Application to U.S. Presidential Election Prediction [10.825562180226424]
本稿では, tranSAR と呼ばれる SAR モデル内に新しいトランスファー学習フレームワークを提案する。
我々のフレームワークは、類似した情報源データからの情報を活用することにより、予測と予測を強化する。
本手法は, 従来の手法よりも優れており, アメリカ合衆国大統領選挙の結果を予測する上での有効性を実証する。
論文 参考訳（メタデータ） (2024-05-20T03:14:15Z) - A Practical Probabilistic Benchmark for AI Weather Models [0.7978324349017066]
我々は、GraphCastとPanguの2つの主要なAI天気モデルが確率論的CRPSメトリクスに結びついていることを示す。
また、多くのデータ駆動気象モデルが採用している複数の時間-ステップ損失関数が、非生産的であることも明らかにした。
論文 参考訳（メタデータ） (2024-01-27T05:53:16Z) - 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) - The Devil is in the Conflict: Disentangled Information Graph Neural
Networks for Fraud Detection [17.254383007779616]
性能劣化は主にトポロジと属性の矛盾に起因すると我々は主張する。
注意機構を用いて2つの視点を適応的に融合する簡易かつ効果的な手法を提案する。
我々のモデルは、実世界の不正検出データセットで最先端のベースラインを大幅に上回ることができる。
論文 参考訳（メタデータ） (2022-10-22T08:21:49Z) - Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。
前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。
提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文 参考訳（メタデータ） (2022-05-13T21:09:41Z) - Robustification of Online Graph Exploration Methods [59.50307752165016]
我々は、古典的で有名なオンライングラフ探索問題の学習強化版について研究する。
本稿では,予測をよく知られたNearest Neighbor(NN)アルゴリズムに自然に統合するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-12-10T10:02:31Z) - Improving Uncertainty Calibration via Prior Augmented Data [56.88185136509654]
ニューラルネットワークは、普遍関数近似器として機能することで、複雑なデータ分布から学習することに成功した。
彼らはしばしば予測に自信過剰であり、不正確で誤った確率的予測に繋がる。
本稿では,モデルが不当に過信である特徴空間の領域を探索し,それらの予測のエントロピーをラベルの以前の分布に対して条件的に高める手法を提案する。
論文 参考訳（メタデータ） (2021-02-22T07:02:37Z) - Neural Enhanced Belief Propagation on Factor Graphs [85.61562052281688]
グラフィカルモデルは局所依存確率変数の構造的表現である。
最初にグラフニューラルネットワークを拡張してグラフを分解する(FG-GNN)。
そこで我々は,FG-GNNを連立して動作させるハイブリッドモデルを提案する。
論文 参考訳（メタデータ） (2020-03-04T11:03:07Z)
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。