論文の概要: Forecasting elections results via the voter model with stubborn nodes
- arxiv url: http://arxiv.org/abs/2009.10627v3
- Date: Tue, 12 Oct 2021 12:10:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-15 23:18:06.589094
- Title: Forecasting elections results via the voter model with stubborn nodes
- Title（参考訳）: スタブボーンノードを用いた投票モデルによる選挙予測
- Authors: Antoine Vendeville and Benjamin Guedj and Shi Zhou
- Abstract要約: 我々は、英国の保守党と労働党、米国の共和党と民主党の投票シェアについて調べる。
モデルパラメータの時間進化的な見積もりを実行し、これらを使用して、どの選挙においても各政党の投票シェアを予測できます。
- 参考スコア（独自算出の注目度）: 7.9603223299524535
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In this paper we propose a novel method to forecast the result of elections
using only official results of previous ones. It is based on the voter model
with stubborn nodes and uses theoretical results developed in a previous work
of ours. We look at popular vote shares for the Conservative and Labour parties
in the UK and the Republican and Democrat parties in the US. We are able to
perform time-evolving estimates of the model parameters and use these to
forecast the vote shares for each party in any election. We obtain a mean
absolute error of 4.74\%. As a side product, our parameters estimates provide
meaningful insight on the political landscape, informing us on the proportion
of voters that are strong supporters of each of the considered parties.
- Abstract（参考訳）: 本稿では、前回の選挙の結果のみを用いて、選挙結果を予測する新しい手法を提案する。
これは頑健なノードを持つ投票者モデルに基づいており、我々の以前の研究で開発された理論的結果を用いている。
我々は、英国の保守党と労働党、米国の共和党と民主党の投票シェアについて調べる。
モデルパラメータの時間発展的な見積もりを実行し、任意の選挙における各政党の投票シェアを予測できます。
平均絶対誤差は 4.74 % である。
副産物として、我々のパラメーターは、政治情勢について有意義な洞察を与え、各政党の強い支持者である有権者の割合を教えてくれます。
関連論文リスト
- 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) - 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) - Election of government ministers [0.0]
我々は、政府メンバーが直接国民によって選出されるシナリオを提案する。
本稿では,Rutvik Page,Ehud Shapiro,Nimrod Talmonらが提案するアルゴリズム(GreedyPAV)の実装について述べる。
論文 参考訳（メタデータ） (2022-10-13T07:26:38Z) - Agent-based Simulation of District-based Elections [0.5076419064097732]
選挙区ベースの選挙では、選挙人はそれぞれの選挙区に票を投じた。
各地区において、最大得票率の政党が、行政機関の議席を獲得する。
選挙結果は、異なる政党が獲得した議席数に基づく。
論文 参考訳（メタデータ） (2022-05-28T11:19:04Z) - Expected Frequency Matrices of Elections: Computation, Geometry, and
Preference Learning [58.23459346724491]
我々は、Szufa et al.(AAMAS 2020)の「選挙マップ」アプローチを用いて、よく知られた投票分布を分析します。
分布の「スケルトン写像」を描き、その頑健さを評価し、その性質を分析する。
論文 参考訳（メタデータ） (2022-05-16T17:40:22Z) - 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) - Predicting Propensity to Vote with Machine Learning [0.0]
機械学習は、個人が過去の行動や属性から投票する確率を推測することを可能にすることを実証する。
これは、投票者のアウトリーチ、投票者教育、投票者獲得キャンペーン(GOVT)のマイクロターゲット化に有用である。
論文 参考訳（メタデータ） (2021-02-02T15:04:39Z) - Electoral Forecasting Using a Novel Temporal Attenuation Model:
Predicting the US Presidential Elections [91.3755431537592]
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。
論文 参考訳（メタデータ） (2020-04-30T09:21:52Z)
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。