論文の概要: Opinion Dynamics Incorporating Higher-Order Interactions

• arxiv url: http://arxiv.org/abs/2102.03569v3
• Date: Wed, 14 Aug 2024 14:20:56 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-15 19:02:51.308204
• Title: Opinion Dynamics Incorporating Higher-Order Interactions
• Title（参考訳）: 高次相互作用を考慮したオピニオンダイナミクス
• Authors: Zuobai Zhang, Wanyue Xu, Zhongzhi Zhang, Guanrong Chen,
• Abstract要約: 我々は,高次ランダムウォークに基づく長距離インタラクションを取り入れた意見力学の新しいモデルを開発した。 モデルが高次相互作用を持たないモデルと大きく異なるような固定された意見ベクトルに収束することを証明する。
• 参考スコア（独自算出の注目度）: 25.679382896747068
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The issue of opinion sharing and formation has received considerable attention in the academic literature, and a few models have been proposed to study this problem. However, existing models are limited to the interactions among nearest neighbors, ignoring those second, third, and higher-order neighbors, despite the fact that higher-order interactions occur frequently in real social networks. In this paper, we develop a new model for opinion dynamics by incorporating long-range interactions based on higher-order random walks. We prove that the model converges to a fixed opinion vector, which may differ greatly from those models without higher-order interactions. Since direct computation of the equilibrium opinion is computationally expensive, which involves the operations of huge-scale matrix multiplication and inversion, we design a theoretically convergence-guaranteed estimation algorithm that approximates the equilibrium opinion vector nearly linearly in both space and time with respect to the number of edges in the graph. We conduct extensive experiments on various social networks, demonstrating that the new algorithm is both highly efficient and effective.
• Abstract（参考訳）: 意見共有と形成の問題は学術文献で注目されており、この問題を研究するためにいくつかのモデルが提案されている。 しかし、既存のモデルは近隣の2階、3階、3階、高階の隣人を無視しているため、実際のソーシャルネットワークでは高階の相互作用が頻繁に発生するにもかかわらず、近隣の隣人間の相互作用に限られている。 本稿では,高次ランダムウォークに基づく長距離インタラクションを取り入れた意見力学の新しいモデルを開発する。 モデルが高次相互作用を持たないモデルと大きく異なるような固定された意見ベクトルに収束することを証明する。 平衡論の直接計算は大規模行列乗算と逆算の演算を伴う計算コストがかかるので、グラフのエッジ数に関して、平衡論ベクトルをほぼ線形に近似する理論収束保証推定アルゴリズムを設計する。 我々は、様々なソーシャルネットワーク上で広範な実験を行い、新しいアルゴリズムが効率的かつ効果的であることを実証した。

関連論文リスト

• Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
  社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。 本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。 マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-22T18:58:22Z)
• Linear Opinion Dynamics Model with Higher-Order Interactions [17.413930396663833]
  グラフ上の意見ダイナミクスをハイパーグラフに拡張するために、人気のあるFriedkin-Johnsenモデルを拡張する。 我々は、高次相互作用が意見力学において重要な役割を果たすことを示した。
  論文  参考訳（メタデータ） (2023-10-09T12:56:11Z)
• Neural Amortized Inference for Nested Multi-agent Reasoning [54.39127942041582]
  本研究では,人間のような推論能力と計算限界のギャップを埋める新しい手法を提案する。 提案手法を2つの挑戦的マルチエージェント相互作用領域で評価する。
  論文  参考訳（メタデータ） (2023-08-21T22:40:36Z)
• Towards a Better Theoretical Understanding of Independent Subnetwork Training [56.24689348875711]
  独立サブネットワークトレーニング(IST)の理論的考察 ISTは、上記の問題を解決するための、最近提案され、非常に効果的である。 圧縮通信を用いた分散手法など,ISTと代替手法の基本的な違いを同定する。
  論文  参考訳（メタデータ） (2023-06-28T18:14:22Z)
• Understanding Augmentation-based Self-Supervised Representation Learning via RKHS Approximation and Regression [53.15502562048627]
  最近の研究は、自己教師付き学習とグラフラプラシアン作用素のトップ固有空間の近似との関係を構築している。 この研究は、増強に基づく事前訓練の統計的分析に発展する。
  論文  参考訳（メタデータ） (2023-06-01T15:18:55Z)
• Neural Temporal Point Process for Forecasting Higher Order and Directional Interactions [10.803714426078642]
  本稿では,ハイパーエッジイベント予測のための,ディープニューラルネットワークに基づくテキスト指向ハイパーNodeテンポラルポイントプロセスを提案する。 提案手法は,イベントが観測されるノードを最初に予測することで,探索空間を縮小する。 これらに基づいて、候補のハイパーエッジを生成し、それをハイパーエッジ予測器が使用して、基底の真理を識別する。
  論文  参考訳（メタデータ） (2023-01-28T14:32:14Z)
• Distributed Bayesian Learning of Dynamic States [65.7870637855531]
  提案アルゴリズムは有限状態隠れマルコフモデルに対する分散ベイズフィルタタスクである。 逐次状態推定や、動的環境下でのソーシャルネットワーク上での意見形成のモデル化に使用できる。
  論文  参考訳（メタデータ） (2022-12-05T19:40:17Z)
• Convolutions for Spatial Interaction Modeling [9.408751013132624]
  自律走行車周辺におけるアクターの移動予測における空間相互作用モデリングの問題点について考察する。 我々は畳み込みを再検討し,低レイテンシで空間相互作用をモデル化する上で,グラフネットワークと同等のパフォーマンスを実証できることを示した。
  論文  参考訳（メタデータ） (2021-04-15T00:41:30Z)
• Understanding Higher-order Structures in Evolving Graphs: A Simplicial Complex based Kernel Estimation Approach [22.818503693119315]
  高階構造予測法は主に特徴抽出法に基づいており、実際はうまく機能するが理論的保証がない。 我々は、時間プロセスの観点から、進化するグラフを眺める単純化のための非パラメトリックカーネル推定器を開発する。 提案手法は,いくつかのベースライン高次予測法より大幅に優れる。
  論文  参考訳（メタデータ） (2021-02-06T16:49:02Z)
• Forecasting Sequential Data using Consistent Koopman Autoencoders [52.209416711500005]
  クープマン理論に関連する新しい物理学に基づく手法が導入された。 本稿では,既存の作業の多くと異なり,前方・後方のダイナミクスを生かした新しいコンシスタント・クープマン・オートエンコーダモデルを提案する。 このアプローチの鍵となるのは、一貫性のある力学と関連するクープマン作用素との相互作用を探索する新しい解析である。
  論文  参考訳（メタデータ） (2020-03-04T18:24:30Z)

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。