論文の概要: Local Edge Dynamics and Opinion Polarization

• arxiv url: http://arxiv.org/abs/2111.14020v2
• Date: Thu, 8 Dec 2022 22:52:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-06 11:57:46.349605
• Title: Local Edge Dynamics and Opinion Polarization
• Title（参考訳）: 局所エッジダイナミクスとオピニオン偏光
• Authors: Nikita Bhalla, Adam Lechowicz, Cameron Musco
• Abstract要約: 局所的なエッジダイナミクスが意見の偏光をいかに引き起こすかを研究する。 簡単な時間進化型ネットワークモデルで拡張した古典的Friedkin-Johnsen意見力学の変種を導入する。 このモデルが理論的解析に適していることを示し、これらの局所力学が意見グループ間の接続を損なう理由を説明するのに役立ちます。
• 参考スコア（独自算出の注目度）: 17.613690272861053
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The proliferation of social media platforms, recommender systems, and their joint societal impacts have prompted significant interest in opinion formation and evolution within social networks. We study how local edge dynamics can drive opinion polarization. In particular, we introduce a variant of the classic Friedkin-Johnsen opinion dynamics, augmented with a simple time-evolving network model. Edges are iteratively added or deleted according to simple rules, modeling decisions based on individual preferences and network recommendations. Via simulations on synthetic and real-world graphs, we find that the combined presence of two dynamics gives rise to high polarization: 1) confirmation bias -- i.e., the preference for nodes to connect to other nodes with similar expressed opinions and 2) friend-of-friend link recommendations, which encourage new connections between closely connected nodes. We show that our model is tractable to theoretical analysis, which helps explain how these local dynamics erode connectivity across opinion groups, affecting polarization and a related measure of disagreement across edges. Finally, we validate our model against real-world data, showing that our edge dynamics drive the structure of arbitrary graphs, including random graphs, to more closely resemble real social networks.
• Abstract（参考訳）: ソーシャルメディアプラットフォーム、レコメンダシステム、およびそれらの共同社会への影響の増大は、ソーシャルネットワークにおける意見形成と進化に大きな関心を呼んでいる。 我々は、局所的なエッジダイナミクスが意見偏光を駆動する方法について研究する。 特に、単純な時間進化型ネットワークモデルで拡張した古典的Friedkin-Johnsen意見力学の変種を導入する。 エッジは、単純なルールに従って反復的に追加または削除され、個々の好みとネットワークレコメンデーションに基づいて決定がモデル化される。 合成グラフと実世界のグラフのシミュレーションにより、2つのダイナミクスの存在が組み合わさって高い分極をもたらすことが分かる。 1)確認バイアス(つまり、類似した意見を持つ他のノードと接続するノードの好み)。 2) 親密な接続ノード間の新たな接続を促進する友人間リンクレコメンデーション。 このモデルが理論解析に適用可能であることを示し,これらの局所ダイナミクスが意見グループ間の接続を阻害し,偏光やエッジ間の不一致の指標に影響を及ぼすことを説明する。 最後に,実世界データに対するモデル検証を行い,エッジダイナミクスがランダムグラフを含む任意のグラフの構造を,よりリアルなソーシャルネットワークに類似させることを示した。

関連論文リスト

• 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)
• A Unified View on Neural Message Passing with Opinion Dynamics for Social Networks [4.0201694410781235]
  本研究は、動的システムの振る舞いを分析し、推論するために、社会計測とニューラルメッセージパッシングの概念を調和させる。 本稿では,メッセージ伝達における局所ノードの影響量を改善するために,有界信頼を取り入れた新しいメッセージパッシング方式ODNetを提案する。 ODNetは,様々なグラフタイプにまたがる予測性能を高め,過度なスムース化問題を緩和することを示す。
  論文  参考訳（メタデータ） (2023-10-02T15:18:19Z)
• Delayed and Indirect Impacts of Link Recommendations [23.583662580148133]
  動的環境下でのソーシャルネットワークに対するレコメンデーションの効果について検討する。 リンクレコメンデーションは、ネットワークの構造的特性に突然の遅延と間接的な影響があることがわかった。 反実的シミュレーションでは、リンク推奨の間接効果を除去することで、自然成長力学の下でのネットワークのトレンドがより高速になることを示す。
  論文  参考訳（メタデータ） (2023-03-17T00:09:19Z)
• Graph Transformer GANs for Graph-Constrained House Generation [223.739067413952]
  本稿では,グラフノード関係を効果的に学習するために,GTGAN(Graph Transformer Generative Adversarial Network)を提案する。 GTGANは、グラフ制約のある住宅生成タスクにおいて、エンドツーエンドで効率的なグラフノード関係を学習する。
  論文  参考訳（メタデータ） (2023-03-14T20:35:45Z)
• Self-supervised Graph-based Point-of-interest Recommendation [66.58064122520747]
  Next Point-of-Interest (POI)レコメンデーションは、ロケーションベースのeコマースにおいて重要なコンポーネントとなっている。 自己教師付きグラフ強化POIレコメンデーション(S2GRec)を次のPOIレコメンデーションのために提案する。 特に,グローバル・トランジション・グラフと局所軌道グラフの両方からの協調的な信号を組み込むために,グラフ強化セルフアテンテート・レイヤを考案した。
  論文  参考訳（メタデータ） (2022-10-22T17:29:34Z)
• Network polarization, filter bubbles, and echo chambers: An annotated review of measures and reduction methods [0.0]
  偏極は、下層のネットワークが、グループ間の接続が弱い高度に連結されたグループによって特徴づけられるときに生じる。 本研究は、ネットワーク偏光対策と偏光処理に使用されるモデルについて注釈付きレビューを行う。
  論文  参考訳（メタデータ） (2022-07-27T21:23:27Z)
• 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)
• TCL: Transformer-based Dynamic Graph Modelling via Contrastive Learning [87.38675639186405]
  我々は,動的に進化するグラフを連続的に扱う,TCLと呼ばれる新しいグラフニューラルネットワークアプローチを提案する。 我々の知る限りでは、これは動的グラフ上の表現学習にコントラスト学習を適用する最初の試みである。
  論文  参考訳（メタデータ） (2021-05-17T15:33:25Z)
• Interpretable Signed Link Prediction with Signed Infomax Hyperbolic Graph [54.03786611989613]
  ソーシャルネットワークにおけるサイン付きリンク予測は、ユーザ(すなわちノード)間の基盤となる関係(リンク)を明らかにすることを目的としている 我々は Signed Infomax Hyperbolic Graph (textbfSIHG) と呼ばれる統一されたフレームワークを開発する。 高次ユーザ関係と複雑な階層をモデル化するために、ノードの埋め込みを投影し、より低歪みの双曲空間で測定する。
  論文  参考訳（メタデータ） (2020-11-25T05:09:03Z)
• Optimizing Mode Connectivity via Neuron Alignment [84.26606622400423]
  経験的に、損失関数の局所ミニマは、損失がほぼ一定であるようなモデル空間の学習曲線で接続することができる。 本稿では,ネットワークの重み変化を考慮し,対称性がランドスケープ・コネクティビティに与える影響を明らかにするための,より一般的な枠組みを提案する。
  論文  参考訳（メタデータ） (2020-09-05T02:25:23Z)
• GRADE: Graph Dynamic Embedding [76.85156209917932]
  GRADEは、軌道に先立ってランダムウォークを課すことで、進化するノードとコミュニティ表現を生成することを学ぶ確率モデルである。 我々のモデルは、遷移行列を介して時間ステップ間で更新されるノードコミュニティメンバシップも学習する。 実験では、GRADEは動的リンク予測においてベースラインを上回る性能を示し、動的コミュニティ検出において好適な性能を示し、一貫性と解釈可能な進化するコミュニティを特定する。
  論文  参考訳（メタデータ） (2020-07-16T01:17:24Z)

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。