論文の概要: Minorities in networks and algorithms
- arxiv url: http://arxiv.org/abs/2206.07113v1
- Date: Tue, 14 Jun 2022 19:01:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-19 02:08:43.716549
- Title: Minorities in networks and algorithms
- Title（参考訳）: ネットワークとアルゴリズムにおけるマイノリティ
- Authors: Fariba Karimi, Marcos Oliveira, Markus Strohmaier
- Abstract要約: ネットワークとネットワークベースのアルゴリズムから生じる不平等と、それがマイノリティにどのように影響するかに焦点を当てる。
ネットワークモデリングは、マイノリティの可視性に対するランキングと社会的推薦アルゴリズムの効果を明らかにする上で最重要であると我々は主張する。
- 参考スコア（独自算出の注目度）: 3.330229314824913
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this chapter, we provide an overview of recent advances in data-driven and
theory-informed complex models of social networks and their potential in
understanding societal inequalities and marginalization. We focus on
inequalities arising from networks and network-based algorithms and how they
affect minorities. In particular, we examine how homophily and mixing biases
shape large and small social networks, influence perception of minorities, and
affect collaboration patterns. We also discuss dynamical processes on and of
networks and the formation of norms and health inequalities. Additionally, we
argue that network modeling is paramount for unveiling the effect of ranking
and social recommendation algorithms on the visibility of minorities. Finally,
we highlight the key challenges and future opportunities in this emerging
research topic.
- Abstract（参考訳）: 本章では,ソーシャルネットワークにおけるデータ駆動型および理論形成型複合モデルの最近の進歩と,社会不平等と限界化を理解する上での潜在性について概説する。
ネットワークとネットワークベースのアルゴリズムから生じる不平等と、それがマイノリティにどのように影響するかに焦点を当てる。
特に,ホモフィアとミキシングバイアスが大小のソーシャルネットワークをどのように形成するか,マイノリティの認識に影響を与え,コラボレーションパターンに影響を及ぼすかを検討する。
また,ネットワーク上の動的プロセスと規範の形成,健康不平等についても論じる。
さらに,ネットワークモデリングは,マイノリティの可視性に及ぼすランク付けと社会的レコメンデーションアルゴリズムの効果を明らかにする上で重要である。
最後に、この新たな研究トピックにおける重要な課題と今後の機会を強調する。
関連論文リスト
- Recommendation Fairness in Social Networks Over Time [20.27386486425493]
提案手法は,時間経過に伴う推薦公平性の進化と動的ネットワーク特性との関係について検討する。
提案手法によらず,推奨公正性は時間の経過とともに向上することが示唆された。
マイノリティ比とホモフィリー比の2つのネットワーク特性は、時間とともに公平性と安定した相関を示す。
論文 参考訳（メタデータ） (2024-02-05T19:03:23Z) - Social-LLM: Modeling User Behavior at Scale using Language Models and
Social Network Data [13.660150473547766]
本稿では,ユーザ検出タスクにおけるソーシャルネットワークデータのモデリングに適した新しいアプローチを提案する。
提案手法は,局所的なソーシャルネットワークのインタラクションを,大規模言語モデルの能力と統合する。
実世界の7つのソーシャル・ネットワーク・データセットにまたがって、我々の手法を徹底的に評価する。
論文 参考訳（メタデータ） (2023-12-31T05:13:13Z) - Fairness meets Cross-Domain Learning: a new perspective on Models and
Metrics [80.07271410743806]
クロスドメイン学習(CD)とモデルフェアネスの関係について検討する。
いくつかの人口集団にまたがる顔画像と医療画像のベンチマークと、分類とローカライゼーションタスクについて紹介する。
本研究は,3つの最先端フェアネスアルゴリズムとともに,14のCDアプローチをカバーし,前者が後者に勝ることを示す。
論文 参考訳（メタデータ） (2023-03-25T09:34:05Z) - Stimulative Training of Residual Networks: A Social Psychology
Perspective of Loafing [86.69698062642055]
残余のネットワークは大きな成功を収め、今日のディープモデルでは欠かせないものになっている。
我々は,新たな社会的心理学的視点から,残余ネットワークのトレーニングプロセスを再検討することを目的としている。
残余ネットワークの性能を高めるための新たなトレーニング戦略を提案する。
論文 参考訳（メタデータ） (2022-10-09T03:15:51Z) - FairSNA: Algorithmic Fairness in Social Network Analysis [17.39106091928567]
ソーシャルネットワークの構造的バイアスが、さまざまな方法の公平性にどのように影響するかを強調します。
我々は、異なるSNA問題に対して、ネットワーク構造に基づくソリューションを提案しながら考慮すべき公平性について論じる。
フェアネスとSNAのギャップを埋めるために研究者の注意を必要とする様々なオープンな研究の方向性を強調した。
論文 参考訳（メタデータ） (2022-09-04T19:11:38Z) - Opinion Leader Detection in Online Social Networks Based on Output and
Input Links [2.320417845168326]
有向ネットワークにおける意見形成の新しい動的モデルを提案する。
このモデルでは、各ノードの意見は、近隣の意見の重み付け平均として更新される。
我々は、新しい中央集中度尺度を、影響と適合性の両方に基づく社会的影響指標として定義する。
論文 参考訳（メタデータ） (2022-08-28T07:50:32Z) - A Comprehensive Survey on Community Detection with Deep Learning [93.40332347374712]
コミュニティは、ネットワーク内の他のコミュニティと異なるメンバーの特徴と接続を明らかにする。
この調査は、最先端の手法の様々なカテゴリをカバーする新しい分類法を考案し、提案する。
ディープニューラルネットワーク(Deep Neural Network)は、畳み込みネットワーク(convolutional network)、グラフアテンションネットワーク( graph attention network)、生成的敵ネットワーク(generative adversarial network)、オートエンコーダ(autoencoder)に分けられる。
論文 参考訳（メタデータ） (2021-05-26T14:37:07Z) - On Small-World Networks: Survey and Properties Analysis [0.0]
本稿では,ソーシャルネットワークにおける6次分離現象に関する最初の実証的研究について説明する。
次に,本研究に基づく確率論的ネットワークモデルについて概説し,これらのモデルがどのように現象の性質を説明しようとしたのかを考察した。
最後に、この分野での今後の研究が提案されている。
論文 参考訳（メタデータ） (2021-01-27T04:09:18Z) - Provably Training Neural Network Classifiers under Fairness Constraints [70.64045590577318]
過パラメータのニューラルネットワークが制約を満たしていることを示す。
公平なニューラルネットワーク分類器を構築する上で重要な要素は、ニューラルネットワークの非応答解析を確立することである。
論文 参考訳（メタデータ） (2020-12-30T18:46:50Z) - GAEA: Graph Augmentation for Equitable Access via Reinforcement Learning [50.90625274621288]
異なるサブ人口によるリソースへの別のアクセスは、社会および社会技術ネットワークにおける一般的な問題です。
予算制約下でグラフエッジを編集することにより,ネットワークシステムにおける公平性を高めるため,新たな問題クラスであるグラフ拡張・等価アクセス(GAEA)を導入する。
論文 参考訳（メタデータ） (2020-12-07T18:29:32Z) - I Know Where You Are Coming From: On the Impact of Social Media Sources
on AI Model Performance [79.05613148641018]
我々は、異なるソーシャルネットワークのマルチモーダルデータから学習する際、異なる機械学習モデルの性能について検討する。
最初の実験結果から,ソーシャルネットワークの選択がパフォーマンスに影響を及ぼすことが明らかとなった。
論文 参考訳（メタデータ） (2020-02-05T11:10:44Z)
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。