論文の概要: Characterizing Polarization in Social Networks using the Signed
Relational Latent Distance Model
- arxiv url: http://arxiv.org/abs/2301.09507v1
- Date: Mon, 23 Jan 2023 16:01:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-24 13:06:26.314838
- Title: Characterizing Polarization in Social Networks using the Signed
Relational Latent Distance Model
- Title（参考訳）: 符号付きリレーショナル潜在距離モデルを用いたソーシャルネットワークの分極特性評価
- Authors: Nikolaos Nakis and Abdulkadir \c{C}elikkanat and Louis Boucherie and
Christian Djurhuus and Felix Burmester and Daniel Mathias Holmelund and
Monika Frolcov\'a and Morten M{\o}rup
- Abstract要約: ソーシャルネットワークにおける主要な関心事は、「us-versus-them」という考え方を促進する分極とフィルターバブルの出現である。
我々は,Skellam分布を符号付きネットワークの確率関数として初めて利用した潜在符号付きリレーショナル遅延dIstance Model (SLIM)を提案する。
本モデルでは, 友情や敵意をよく予測する低次元的特徴を抽出し, 極端位置で定義された解釈可能な可視化を提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Graph representation learning has become a prominent tool for the
characterization and understanding of the structure of networks in general and
social networks in particular. Typically, these representation learning
approaches embed the networks into a low-dimensional space in which the role of
each individual can be characterized in terms of their latent position. A major
current concern in social networks is the emergence of polarization and filter
bubbles promoting a mindset of "us-versus-them" that may be defined by extreme
positions believed to ultimately lead to political violence and the erosion of
democracy. Such polarized networks are typically characterized in terms of
signed links reflecting likes and dislikes. We propose the latent Signed
relational Latent dIstance Model (SLIM) utilizing for the first time the
Skellam distribution as a likelihood function for signed networks and extend
the modeling to the characterization of distinct extreme positions by
constraining the embedding space to polytopes. On four real social signed
networks of polarization, we demonstrate that the model extracts
low-dimensional characterizations that well predict friendships and animosity
while providing interpretable visualizations defined by extreme positions when
endowing the model with an embedding space restricted to polytopes.
- Abstract（参考訳）: グラフ表現学習は、一般およびソーシャルネットワークにおけるネットワークの構造を特徴づけ、理解するための重要なツールとなっている。
典型的には、これらの表現学習のアプローチはネットワークを低次元空間に埋め込み、各個人の役割は潜在的な位置から特徴づけられる。
ソーシャルネットワークにおける主要な関心事は、政治的暴力と民主主義の侵食につながると信じられている極端な立場によって定義される"us-versus-them"という考え方を促進する分極とフィルターバブルの出現である。
このような偏極ネットワークは、通常、好き嫌いを反映する符号付きリンクによって特徴づけられる。
そこで本研究では,slim(潜在関係潜在距離モデル)を初めてスキャラム分布を符号付きネットワークの確率関数として利用し,埋め込み空間をポリトープに制約することにより,異なる極端位置のキャラクタリゼーションにモデルを拡張した。
このモデルでは, モデルにポリトープに制限された埋め込み空間を付与する際, 極端位置で定義された解釈可能な可視化を提供しながら, 友情や敵意をよく予測する低次元特性を抽出することを示した。
関連論文リスト
- Link Polarity Prediction from Sparse and Noisy Labels via Multiscale Social Balance [8.635930195821263]
署名付きグラフニューラルネットワーク(SGNN)は,最近,署名付きネットワーク上での学習タスクに有効なツールとして注目されている。
これらのタスクの1つは、ネットワーク構造やその他の利用可能な極性から、この情報が欠落しているリンクの極性を予測することである。
本研究では,リンクの極性予測を改善するために,新しい社会バランスの概念を基盤として,半教師付き学習フレームワークを考案する。
論文 参考訳（メタデータ） (2024-07-22T14:02:28Z) - Leveraging Low-Rank and Sparse Recurrent Connectivity for Robust
Closed-Loop Control [63.310780486820796]
繰り返し接続のパラメータ化が閉ループ設定のロバスト性にどのように影響するかを示す。
パラメータが少ないクローズドフォーム連続時間ニューラルネットワーク(CfCs)は、フルランクで完全に接続されたニューラルネットワークよりも優れています。
論文 参考訳（メタデータ） (2023-10-05T21:44:18Z) - A Hybrid Membership Latent Distance Model for Unsigned and Signed
Integer Weighted Networks [0.17265013728931003]
グラフ表現学習(GRL)は,複雑なネットワークの理解を深めるための重要なツールとなっている。
本稿では,Lybrid Membership-Latent Distance Model (HM-LDM)を提案する。
論文 参考訳（メタデータ） (2023-08-29T13:30:48Z) - Hierarchical Neural Implicit Pose Network for Animation and Motion
Retargeting [66.69067601079706]
HIPNetは、複数のポーズで訓練された暗黙のポーズネットワークである。
階層的な骨格に基づく表現を用いて、正準非正則空間上の符号付き距離関数を学習する。
種々の単目的および多目的のベンチマークで最先端の結果を得る。
論文 参考訳（メタデータ） (2021-12-02T03:25:46Z) - Local Edge Dynamics and Opinion Polarization [17.613690272861053]
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。
論文 参考訳（メタデータ） (2021-11-28T01:59:57Z) - 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) - Polarization Model of Online Social Networks Based on the Concept of
Spontaneous Symmetry Breaking [3.084629788740097]
偏光に対抗できる技術を確立するためには、偏光のメカニズムを理解する必要がある。
本稿では,自発対称性の破れの概念に基づく偏光の理解の基礎モデルを提案する。
論文 参考訳（メタデータ） (2020-11-10T21:03:11Z) - Discriminability of Single-Layer Graph Neural Networks [172.5042368548269]
グラフニューラルネットワーク(GNN)は、幅広い問題について有望な性能を示した。
本稿では, 識別可能性の特性に着目し, 安定グラフフィルタバンクへのポイントワイド非線形性の適用により, 高固有値コンテンツに対する識別能力が向上する条件を確立する。
論文 参考訳（メタデータ） (2020-10-17T18:52:34Z) - A Multi-Semantic Metapath Model for Large Scale Heterogeneous Network
Representation Learning [52.83948119677194]
大規模不均一表現学習のためのマルチセマンティックメタパス(MSM)モデルを提案する。
具体的には,マルチセマンティックなメタパスに基づくランダムウォークを生成し,不均衡な分布を扱うヘテロジニアスな近傍を構築する。
提案するフレームワークに対して,AmazonとAlibabaの2つの挑戦的なデータセットに対して,体系的な評価を行う。
論文 参考訳（メタデータ） (2020-07-19T22:50:20Z) - CSNE: Conditional Signed Network Embedding [77.54225346953069]
署名されたネットワークは、友人/フォアや信頼/不信のようなエンティティ間の正と負の関係を符号化する。
サイン予測のための既存の埋め込み手法は、一般に最適化関数におけるステータスやバランス理論の異なる概念を強制する。
条件付き符号付きネットワーク埋め込み(CSNE)を導入する。
我々の確率論的アプローチは、きめ細かな詳細とは別途、ネットワーク内の記号に関する構造情報をモデル化する。
論文 参考訳（メタデータ） (2020-05-19T19:14:52Z)
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。