論文の概要: Positionality-Weighted Aggregation Methods for Cumulative Voting
- arxiv url: http://arxiv.org/abs/2008.08759v2
- Date: Tue, 23 Feb 2021 03:14:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-05 12:31:47.935585
- Title: Positionality-Weighted Aggregation Methods for Cumulative Voting
- Title（参考訳）: 累積投票における位置重み付けアグリゲーション法
- Authors: Takeshi Kato, Yasuhiro Asa, Misa Owa
- Abstract要約: そこで本稿では,少数派が中心的累積投票における地位を重み付けする集計手法を提案する。
マイノリティの意見は、上記の3つの方法のうちの2つの方法で分布の平均に比例して反映される可能性が高い。
集計結果の分析からマイノリティの数と位置を可視化することが可能である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Respecting minority opinions is vital in solving social problems. However,
minority opinions are often ignored in general majority rules. To build
consensus on pluralistic values and make social choices that consider minority
opinions, we propose aggregation methods that give weighting to the minority's
positionality on cardinal cumulative voting. Based on quadratic and linear
voting, we formulated three weighted aggregation methods that differ in the
ratio of votes to cumulative points and the weighting of the minority to all
members, and assuming that the distributions of votes follow normal
distributions, we calculated the frequency distributions of the aggregation
results. We found that minority opinions are more likely to be reflected
proportionately to the average of the distribution in two of the above three
methods. This implies that Sen and Gotoh's idea of considering the social
position of unfortunate people on ordinal ranking in the welfare economics, was
illustrated by weighting the minority's positionality on cardinal voting. In
addition, it is possible to visualize the number and positionality of the
minority from the analysis of the aggregation results. These results will be
useful to promote mutual understanding between the majority and minority by
interactively visualizing the contents of the proposed aggregation methods in
the consensus-building process. With the further development of information
technology, the consensus building based on big data will be necessary. We
recommend the use of our proposed aggregation methods to make social choices
for pluralistic values such as social, environmental, and economic.
- Abstract（参考訳）: 少数派意見の尊重は社会問題の解決に不可欠である。
しかし、少数派の意見は概ね多数派ルールで無視されることが多い。
少数意見を考慮した多元的価値観のコンセンサスを構築し,社会的選択を行うために,予備投票における少数者の立場を重みづけるアグリゲーション手法を提案する。
本研究では,2次投票と線形投票の3つの重み付け集計法を定式化し,総和点と総和点との比と総和に対するマイノリティの重み付けを行い,その分布が正規分布に従うと仮定して,集計結果の周波数分布を算出した。
以上の3つの方法のうち,分布平均に比例して少数意見が反映される可能性が示唆された。
これは、福利厚生経済学における不運な人々の社会的地位を考えるというセンとゴドーの考えが、少数派が枢機卿投票で立場を重ねることによって示されていたことを示している。
また、集計結果の分析から少数者の数と位置を可視化することが可能である。
これらの結果は,コンセンサス構築プロセスにおいて提案手法の内容をインタラクティブに可視化することにより,多数派と少数派の相互理解を促進する上で有用である。
情報技術のさらなる発展には,ビッグデータに基づくコンセンサス構築が必要である。
我々は,社会,環境,経済といった多元的価値の社会的選択に,提案手法を用いることを推奨する。
関連論文リスト
- Overview of PerpectiveArg2024: The First Shared Task on Perspective Argument Retrieval [56.66761232081188]
本稿では,社会における少数派・多数派を代表する年齢,性別,政治的態度など,人口・社会文化(社会)の多様性を包括する新しいデータセットを提案する。
パースペクティビズムを取り入れる上での重大な課題は、特に社会的なプロファイルを明示的に提供せずに、議論のテキストのみに基づくパーソナライズを目指す場合である。
パーソナライズと分極の低減を図るため, パーソナライズを最適化するためには, パーソナライズされた論証検索をブートストラップするが, さらなる研究が不可欠である。
論文 参考訳（メタデータ） (2024-07-29T03:14:57Z) - 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) - Adversarial Reweighting Guided by Wasserstein Distance for Bias
Mitigation [24.160692009892088]
データ中のマイノリティの下位表現は、学習中のサブポピュレーションの異なる扱いを困難にしている。
本稿では,このような表現バイアスに対処する新たな逆方向再重み付け手法を提案する。
論文 参考訳（メタデータ） (2023-11-21T15:46:11Z) - Understanding Divergent Framing of the Supreme Court Controversies:
Social Media vs. News Outlets [56.67097829383139]
我々は、米国最高裁判所の一連の判決に関して、ソーシャルメディアや伝統的なメディアのフレーミングにおける微妙な区別に焦点を当てている。
メディアが肯定的な行動や中絶の権利を扱い、学生ローンの話題はより深いコンセンサスを示す傾向にある。
論文 参考訳（メタデータ） (2023-09-18T06:40:21Z) - Social Diversity Reduces the Complexity and Cost of Fostering Fairness [63.70639083665108]
不完全な情報や公平性の柔軟な基準を前提とした干渉機構の効果について検討する。
多様性の役割を定量化し、情報収集の必要性を減らす方法を示す。
この結果から,多様性が変化し,公正性向上を目指す機関に新たなメカニズムが開放されることが示唆された。
論文 参考訳（メタデータ） (2022-11-18T21:58:35Z) - Few-shot Forgery Detection via Guided Adversarial Interpolation [56.59499187594308]
既存の偽造検出手法は、見知らぬ新しい偽造手法に適用した場合、大幅な性能低下に悩まされる。
本稿では,数発の偽造検出問題を克服するために,GAI(Guid Adversarial Interpolation)を提案する。
我々の手法は、多数派と少数派の偽造アプローチの選択に対して堅牢であることが検証されている。
論文 参考訳（メタデータ） (2022-04-12T16:05:10Z) - The Majority Can Help The Minority: Context-rich Minority Oversampling
for Long-tailed Classification [20.203461156516937]
多様なマイノリティーサンプルを増補する新しいマイノリティーオーバーサンプリング法を提案する。
私たちのキーとなるアイデアは、フォアグラウンドパッチをマイノリティークラスから、豊かなコンテキストを持つ多数クラスの背景イメージに貼り付けることです。
本手法は,様々な長期分類ベンチマークにおける最先端性能を実現する。
論文 参考訳（メタデータ） (2021-12-01T10:58:30Z) - Random Walk-steered Majority Undersampling [10.227026799075215]
RWMaU(Random Walk-steered Majority Undersampling)を提案する。
RWMaUは、クラスのバランスをとるために、クラス不均衡なデータセットの多数点をアンサンプする。
21のデータセットと3つの分類器の実証評価により、競合する手法よりもRWMaUの性能が大幅に向上した。
論文 参考訳（メタデータ） (2021-09-25T19:07:41Z) - Counterfactual-based minority oversampling for imbalanced classification [11.140929092818235]
不均衡な分類におけるオーバーサンプリングの重要な課題は、新しい少数派標本の生成が多数派クラスの使用を無視することが多いことである。
対物理論に基づく新しいオーバーサンプリングフレームワークを提案する。
論文 参考訳（メタデータ） (2020-08-21T14:13:15Z) - Quota-based debiasing can decrease representation of already
underrepresented groups [5.1135133995376085]
1つの属性に基づくクォータに基づくデバイアスは、すでに表現されていないグループの表現を悪化させ、選択の全体的公正性を低下させる可能性があることを示す。
以上の結果から,不平等の根本原因の排除により多くの努力が必要であることが示唆された。
論文 参考訳（メタデータ） (2020-06-13T14:26:42Z) - M2m: Imbalanced Classification via Major-to-minor Translation [79.09018382489506]
ほとんどの実世界のシナリオでは、ラベル付きトレーニングデータセットは非常にクラス不均衡であり、ディープニューラルネットワークは、バランスの取れたテスト基準への一般化に苦しむ。
本稿では,より頻度の低いクラスを,より頻度の低いクラスからのサンプルを翻訳することによって,この問題を緩和する新しい方法を提案する。
提案手法は,従来の再サンプリング法や再重み付け法と比較して,マイノリティクラスの一般化を著しく改善することを示す。
論文 参考訳（メタデータ） (2020-04-01T13:21:17Z)
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。