論文の概要: Known by the company we keep: `Triadic influence' as a proxy for
compatibility in social relationships
- arxiv url: http://arxiv.org/abs/2209.03683v1
- Date: Thu, 8 Sep 2022 09:52:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-09 13:30:28.856726
- Title: Known by the company we keep: `Triadic influence' as a proxy for
compatibility in social relationships
- Title（参考訳）: 私たちが保持している会社で知られている:社会関係における互換性の代理人としての「トリアド・インフルエンス」
- Authors: Miguel Ru\'iz-Garc\'ia, Juan Ozaita, Mar\'ia Pereda, Antonio Alfonso,
Pablo Bra\~nas-Garza. Jose A. Cuesta and \'Angel S\'anchez
- Abstract要約: 学生が3,000人以上、6万人が肯定的かつ否定的な関係を宣言する13校の実際のソーシャルネットワークを調査した。
ニューラルネットワークを用いて関係を予測し、2人の学生が友人や敵である確率を抽出する。
ニューラルネットワークから抽出された確率は、実際のソーシャルネットワークの進化を制御すると仮定する。
- 参考スコア（独自算出の注目度）: 1.2233362977312945
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Networks of social interactions are the substrate upon which civilizations
are built. Often, we create new bonds with people that we like or feel that our
relationships are damaged through the intervention of third parties. Despite
their importance and the huge impact that these processes have in our lives,
quantitative scientific understanding of them is still in its infancy, mainly
due to the difficulty of collecting large datasets of social networks including
individual attributes. In this work, we present a thorough study of real social
networks of 13 schools, with more than 3,000 students and 60,000 declared
positive and negative relations, including tests for personal traits of all the
students. We introduce a metric -- the `triadic influence' -- that measures the
influence of nearest-neighbors in the relationships of their contacts. We use
neural networks to predict the relationships and to extract the probability
that two students are friends or enemies depending on their personal attributes
or the triadic influence. We alternatively use a high-dimensional embedding of
the network structure to also predict the relationships. Remarkably, the
triadic influence (a simple one-dimensional metric) achieves the highest
accuracy at predicting the relationship between two students. We postulate that
the probabilities extracted from the neural networks -- functions of the
triadic influence and the personalities of the students -- control the
evolution of real social networks, opening a new avenue for the quantitative
study of these systems.
- Abstract（参考訳）: 社会的相互作用のネットワークは文明が構築される基盤である。
多くの場合、私たちは、第三者の介入によって関係が損なわれていると感じている人々と新しい債券を作ります。
その重要性と、これらのプロセスが私たちの生活に与えた大きな影響にもかかわらず、その定量的科学的理解は、主に個々の属性を含むソーシャルネットワークの大規模なデータセットの収集が困難であるため、まだ初期段階にある。
本研究は,13校の実際の社会ネットワークを徹底的に調査し,学生3,000名以上の学生と6万人が肯定的かつ否定的な関係を宣言し,学生全員の個人的特性の検証を行った。
我々は,接点関係における最寄りの接点の影響を測定する尺度である「トリアード・インフルエンス」を導入する。
ニューラルネットワークを用いて関係を予測し、2人の学生が友人あるいは敵である確率を個人的属性や三角的影響に応じて抽出する。
代わりに、ネットワーク構造の高次元埋め込みを用いて関係を予測します。
驚くべきことに、三進的影響(単純な1次元の計量)は、2人の学生間の関係を予測する上で最も高い精度を達成する。
我々は、ニューラルネットワークから抽出された確率(三進的影響の機能と学生の個性)が、実際のソーシャルネットワークの進化を制御し、これらのシステムの定量的研究のための新たな道を開くことを仮定する。
関連論文リスト
- Self-supervised Hypergraph Representation Learning for Sociological
Analysis [52.514283292498405]
本稿では,データマイニング技術と社会学的行動基準のさらなる融合を支援するための基本的な方法論を提案する。
まず,効率的なハイパーグラフ認識と高速グラフ構築フレームワークを提案する。
第2に,ユーザからユーザへのソーシャルインフルエンスを学習するためのハイパーグラフベースニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2022-12-22T01:20:29Z) - Flexible social inference facilitates targeted social learning when
rewards are not observable [58.762004496858836]
グループは、個人が他人の成功から学べるときにより効果的にコーディネートする。
社会的推論能力は、このギャップを埋める助けとなり、個人が他人の基本的な知識に対する信念を更新し、観察可能な行動軌跡から成功することを示唆する。
論文 参考訳（メタデータ） (2022-12-01T21:04:03Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z) - The world seems different in a social context: a neural network analysis
of human experimental data [57.729312306803955]
本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。
トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
論文 参考訳（メタデータ） (2022-03-03T17:19:12Z) - Conductance and Social Capital: Modeling and Empirically Measuring
Online Social Influence [9.556358888163983]
社会的影響は私たちの日常生活に浸透し、複雑な社会現象の基礎を築いた。
オンライン社会的影響を研究する既存の文献は、いくつかの欠点に悩まされている。
この研究はギャップを埋め、モデリングとオンライン影響の実証的な定量化に3つの貢献をする。
論文 参考訳（メタデータ） (2021-10-25T01:05:49Z) - Analyzing Wikipedia Membership Dataset and PredictingUnconnected Nodes
in the Signed Networks [0.666659730119789]
本研究では、Precison-Recall曲線とROCの下の領域を用いて、ソーシャルネットワーク内の2人の非接続者間の関係を予測する方法について検討する。
ソーシャル・ネットワークを署名グラフとしてモデル化し、トライadicモデル、Latent Informationモデル、Sentimentモデルを比較し、ピア・ピア間の相互作用を予測する。
論文 参考訳（メタデータ） (2021-10-18T09:03:18Z) - Fragments of the Past: Curating Peer Support with Perpetrators of
Domestic Violence [88.37416552778178]
我々は,過去フラグメントの設計と展開において,6人の支援労働者と18人の加害者とともに働いた10ヶ月の研究を報告した。
私たちは、暴力から脱却した経験をデジタルで強化された成果物、すなわち「フラグメント」を作ることが、メッセージのモチベーションと仲間間のラッピングをいかに翻訳するかを共有します。
これらの知見は、挑戦的な人口を持つ将来のネットワーク設計の実践的考察の基礎となる。
論文 参考訳（メタデータ） (2021-07-09T22:57:43Z) - A Machine Learning Approach to Predicting Continuous Tie Strengths [0.4014524824655105]
人々の関係は常に進化し、対人行動を変え、社会集団を定義する。
ソーシャルネットワーク内のノード間の関係は、しばしば調査によって実証的に評価される結合力によって表される。
時間とともに進化する関係の連続的な近似を可能にするシステムを提案する。
論文 参考訳（メタデータ） (2021-01-23T05:01:05Z) - Expertise and confidence explain how social influence evolves along
intellective tasks [10.525352489242396]
本研究では,知的なタスクの連続を集団的に実行する個人集団における対人的影響について検討する。
本稿では, 過渡記憶系の理論, 社会的比較, 社会的影響の起源に関する信頼に関する実証的証拠を報告する。
これらの理論にインスパイアされた認知力学モデルを提案し、個人が時間とともに対人的影響を調整する過程を記述する。
論文 参考訳（メタデータ） (2020-11-13T23:48:25Z) - 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。