論文の概要: Analyzing and Visualizing American Congress Polarization and Balance
with Signed Networks
- arxiv url: http://arxiv.org/abs/2209.00676v1
- Date: Thu, 1 Sep 2022 18:24:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 10:55:32.010474
- Title: Analyzing and Visualizing American Congress Polarization and Balance
with Signed Networks
- Title（参考訳）: 署名ネットワークによるアメリカ議会の分極と均衡の分析と可視化
- Authors: Arthur Capozzi and Alfonso Semeraro and Giancarlo Ruffo
- Abstract要約: 本稿では,対応するラプラシア行列のスペクトル特性の活用に基づいて,符号付きグラフの構成を分析し,視覚化するフレームワークを提案する。
提案されたパイプラインは、1945年から2020年までのアメリカ議会で示された偏光力学を、異なる解像度スケールで探索することができる。
- 参考スコア（独自算出の注目度）: 1.306309305428095
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Signed networks and balance theory provide a natural setting for real-world
scenarios that show polarization dynamics, positive/negative relationships, and
political partisanships. For example, they have been proven effective for
studying the increasing polarization of the votes in the two chambers of the
American Congress from World War II on.
To provide further insights into this particular case study, we propose the
application of a framework to analyze and visualize a signed graph's
configuration based on the exploitation of the corresponding Laplacian matrix'
spectral properties. The overall methodology is comparable with others based on
the frustration index, but it has at least two main advantages: first, it
requires a much lower computational cost; second, it allows for a quantitative
and visual assessment of how arbitrarily small subgraphs (even single nodes)
contribute to the overall balance (or unbalance) of the network.
The proposed pipeline allows to explore the polarization dynamics shown by
the American Congress from 1945 to 2020 at different resolution scales. In
fact, we are able to spot and to point out the influence of some (groups of)
congressmen in the overall balance, as well as to observe and explore
polarization's evolution of both chambers across the years.
- Abstract（参考訳）: 符号付きネットワークとバランス理論は、偏極力学、正・負の関係、政治的パルチザン性を示す実世界のシナリオに自然な設定を提供する。
例えば、第2次世界大戦以降のアメリカ大陸会議の2つの議場における票の分極の増大を研究するのに有効であることが証明されている。
そこで本研究では,対応するラプラシア行列のスペクトル特性の活用に基づいて,符号付きグラフの構成を分析し,視覚化するためのフレームワークを提案する。
全体的な方法論はフラストレーション指数に基づく他の手法に匹敵するが、少なくとも2つの大きな利点がある: 1つは計算コストがはるかに低いこと、2つ目は、任意に小さな部分グラフ(単一ノードでさえ)がネットワーク全体のバランス(またはアンバランス)にどのように貢献するかを定量的かつ視覚的に評価できることである。
提案されたパイプラインは、1945年から2020年にかけてアメリカ議会で示された分極ダイナミクスを、異なる解像度スケールで探求することができる。
実際、私たちは、全体バランスにおける一部の(グループの)議員の影響を見つけ、指摘することができ、また、何年もの間、両室の分極の進化を観察し、調査することができる。
関連論文リスト
- Summarization of Opinionated Political Documents with Varied Perspectives [11.399915001583059]
多様な視点の正確な要約を生成することができるモデルは、ユーザーを別の視点に露出させることで、そのような偏極を減らすのに役立つ。
本稿では、各政治的視点を独立に要約する新しいデータセットと課題を、意見のあるニュース記事から一括して紹介する。
自動評価と人的評価の両方を通じて、さまざまなサイズとアーキテクチャの10のモデルをベンチマークする。
論文 参考訳（メタデータ） (2024-11-06T18:14:48Z) - Balanced Multi-Relational Graph Clustering [5.531383184058319]
マルチリレーショナルグラフクラスタリングは、複雑なネットワークの基盤となるパターンを明らかにすることに顕著な成功を収めた。
我々の実証的研究は、現実のグラフにおいて不均衡が広範に存在することを発見し、これは原則的にアライメントの動機と矛盾する。
我々は、教師なしの主観的マイニングと二重信号誘導表現学習からなるバランス付きマルチリレーショナルグラフクラスタリング(BMGC)を提案する。
論文 参考訳（メタデータ） (2024-07-23T22:11:13Z) - BeMap: Balanced Message Passing for Fair Graph Neural Network [50.910842893257275]
異なる人口集団の1ホップ隣人がバランスが取れていない場合、メッセージパッシングがバイアスを増幅することを示します。
本研究では,各ノードの1ホップ隣人の数を異なるグループ間でバランスをとる,公平なメッセージパッシング手法であるBeMapを提案する。
論文 参考訳（メタデータ） (2023-06-07T02:16:36Z) - Unsupervised Belief Representation Learning in Polarized Networks with
Information-Theoretic Variational Graph Auto-Encoders [26.640917190618612]
偏極ネットワークにおける信念表現学習のための教師なしアルゴリズムを開発した。
ユーザとコンテンツアイテム(例えば、ユーザビューを表す投稿)の両方を、適切に区切られた潜在空間に投影することを学ぶ。
ユーザとコンテンツの潜在表現は、イデオロギー的傾きを定量化し、問題に対する姿勢を検出し、予測するために使用することができる。
論文 参考訳（メタデータ） (2021-10-01T04:35:01Z) - Nonequilibrium Thermodynamics in Measuring Carbon Footprints:
Disentangling Structure and Artifact in Input-Output Accounting [0.0]
経済学を起源とするメジャー化(Majorization)は、Leontief分析が排出の格差とグローバルな所得格差をどのように関連づけるかを洞察することができる。
驚いたことに、比較的小さな貿易赤字と地理的に異質な排出量/ドル比は、エコ・マジョライゼーションの出現を大きく加速させる。
論文 参考訳（メタデータ） (2021-06-07T20:18:54Z) - Sample-Efficient Learning of Stackelberg Equilibria in General-Sum Games [78.65798135008419]
一般的なゲームでStackelberg平衡を効率的に学習する方法は、サンプルから非常にオープンなままです。
本稿では,2プレーヤターンベース汎用ゲームにおけるStackelberg平衡のサンプル効率学習に関する理論的研究を開始する。
論文 参考訳（メタデータ） (2021-02-23T05:11:07Z) - Counterfactual Representation Learning with Balancing Weights [74.67296491574318]
観察データによる因果推論の鍵は、それぞれの治療タイプに関連する予測的特徴のバランスを達成することである。
近年の文献では、この目標を達成するために表現学習を探求している。
因果効果を柔軟かつスケーラブルかつ正確に推定するアルゴリズムを開発した。
論文 参考訳（メタデータ） (2020-10-23T19:06:03Z) - Double Robust Representation Learning for Counterfactual Prediction [68.78210173955001]
そこで本稿では, 対実予測のための2次ロバスト表現を学習するための, スケーラブルな新しい手法を提案する。
我々は、個々の治療効果と平均的な治療効果の両方に対して、堅牢で効率的な対実的予測を行う。
このアルゴリズムは,実世界の最先端技術と合成データとの競合性能を示す。
論文 参考訳（メタデータ） (2020-10-15T16:39:26Z) - Spectral Embedding of Graph Networks [76.27138343125985]
ローカルノードの類似性と接続性、グローバル構造をトレードオフする教師なしグラフ埋め込みを導入する。
埋め込みは一般化されたグラフ Laplacian に基づいており、固有ベクトルは1つの表現においてネットワーク構造と近傍近傍の両方をコンパクトにキャプチャする。
論文 参考訳（メタデータ） (2020-09-30T04:59:10Z) - Characterizing Attitudinal Network Graphs through Frustration Cloud [0.0]
Attitudinal Network Graphsは、エッジが表現された意見をキャプチャするサイン付きグラフである。
フラストレーション指数に関連する単一のバランス状態から最も近いバランス状態のセットまで,コンセンサスの尺度を拡張することを提案する。
論文 参考訳（メタデータ） (2020-09-16T16:14:16Z) - Understanding Adversarial Examples from the Mutual Influence of Images
and Perturbations [83.60161052867534]
クリーンな画像と敵の摂動を遠ざけることで敵の例を分析し,その相互への影響を分析した。
以上の結果から,画像と普遍摂動の関係に対する新たな視点が示唆された。
我々は、オリジナルトレーニングデータを活用することなく、目標とするユニバーサルアタックの挑戦的なタスクを最初に達成した人物です。
論文 参考訳（メタデータ） (2020-07-13T05:00:09Z)
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。