論文の概要: Delayed and Indirect Impacts of Link Recommendations

• arxiv url: http://arxiv.org/abs/2303.09700v1
• Date: Fri, 17 Mar 2023 00:09:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-20 15:57:50.350604
• Title: Delayed and Indirect Impacts of Link Recommendations
• Title（参考訳）: リンク勧告の遅延と間接的影響
• Authors: Han Zhang, Shangen Lu, Yixin Wang, Mihaela Curmei
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 23.583662580148133
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The impacts of link recommendations on social networks are challenging to evaluate, and so far they have been studied in limited settings. Observational studies are restricted in the kinds of causal questions they can answer and naive A/B tests often lead to biased evaluations due to unaccounted network interference. Furthermore, evaluations in simulation settings are often limited to static network models that do not take into account the potential feedback loops between link recommendation and organic network evolution. To this end, we study the impacts of recommendations on social networks in dynamic settings. Adopting a simulation-based approach, we consider an explicit dynamic formation model -- an extension of the celebrated Jackson-Rogers model -- and investigate how link recommendations affect network evolution over time. Empirically, we find that link recommendations have surprising delayed and indirect effects on the structural properties of networks. Specifically, we find that link recommendations can exhibit considerably different impacts in the immediate term and in the long term. For instance, we observe that friend-of-friend recommendations can have an immediate effect in decreasing degree inequality, but in the long term, they can make the degree distribution substantially more unequal. Moreover, we show that the effects of recommendations can persist in networks, in part due to their indirect impacts on natural dynamics even after recommendations are turned off. We show that, in counterfactual simulations, removing the indirect effects of link recommendations can make the network trend faster toward what it would have been under natural growth dynamics.
• Abstract（参考訳）: リンクレコメンデーションがソーシャルネットワークに与える影響を評価することは困難であり、これまで限られた環境で研究されてきた。 観察的研究は、答えられる因果関係の質問の種類に制限されており、A/Bテストは、未報告のネットワーク干渉によるバイアス評価につながることが多い。 さらに、シミュレーション設定の評価は、リンクレコメンデーションと有機ネットワーク進化の間の潜在的なフィードバックループを考慮していない静的ネットワークモデルに限られることが多い。 この目的のために,動的設定における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影響について検討する。 シミュレーションに基づくアプローチを採用することで、明示的な動的形成モデル -- 有名なjackson-rogersモデルの拡張 -- を検討し、リンクレコメンデーションがネットワークの進化にどのように影響するかを検討する。 ネットワークの構造特性に対するリンクレコメンデーションの遅延と間接的影響を実証的に確認した。 具体的には,リンクレコメンデーションが短期的および長期的に大きく異なる影響を与えることを発見した。 例えば、友人関係のレコメンデーションは、次数不平等の減少に直ちに影響するが、長期的には、その度合い分布を著しく不平等にすることができる。 さらに,レコメンデーションがオフになっても,その間接的影響が自然力学に与える影響から,ネットワーク内でレコメンデーションの効果が持続することを示した。 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。

関連論文リスト

• Identifying the impact of local connectivity patterns on dynamics in excitatory-inhibitory networks [4.913318028439159]
  接続の特定のパターンである連鎖モチーフが、他のペアのモチーフよりも支配的な固有モチーフに強い影響を与えることを示す。 連鎖モチーフの過剰表現は、阻害支配ネットワークにおいて強い正の固有値を誘導する。 これらの知見は、オプトジェネティックな摂動に対する応答を計測し、皮質回路の動的構造を推測する実験の解釈に直接的な意味を持つ。
  論文  参考訳（メタデータ） (2024-11-11T08:57:44Z)
• Outliers with Opposing Signals Have an Outsized Effect on Neural Network Optimization [36.72245290832128]
  自然データにおける深度とヘビーテール構造との相互作用から生じるニューラルネットワーク最適化の新たな現象を同定する。 特に、プログレッシブ・シャープニングと安定性の端について、概念的に新しい原因を示唆している。 強い反対信号を持つトレーニングデータにおいて,2組のオフレーヤ群が有意な影響を示した。
  論文  参考訳（メタデータ） (2023-11-07T17:43:50Z)
• 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)
• Provably Efficient Reinforcement Learning for Online Adaptive Influence Maximization [53.11458949694947]
  本稿では,リアルタイムフィードバックに基づいてシードノードを逐次活性化する,コンテンツ依存型オンライン影響問題の適応バージョンについて検討する。 提案アルゴリズムは,最適政策を楽観的に改善しつつ,ネットワークモデルの推定を保守し,適応的にシードを選択する。
  論文  参考訳（メタデータ） (2022-06-29T18:17:28Z)
• Minimizing Control for Credit Assignment with Strong Feedback [65.59995261310529]
  ディープニューラルネットワークにおける勾配に基づくクレジット割り当ての現在の手法は、無限小のフィードバック信号を必要とする。 我々は、神経活動に対する強いフィードバックと勾配に基づく学習を組み合わせることで、ニューラルネットワークの最適化に関する新たな視点を自然に導き出すことを示す。 DFCにおける強いフィードバックを用いることで、空間と時間において完全に局所的な学習規則を用いることで、前向きとフィードバックの接続を同時に学習できることを示す。
  論文  参考訳（メタデータ） (2022-04-14T22:06:21Z)
• 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)
• Reinforcement Learning based Path Exploration for Sequential Explainable Recommendation [57.67616822888859]
  強化学習(TMER-RL)を活用した新しい時間的メタパスガイド型説明可能な勧告を提案する。 TMER-RLは, 動的知識グラフ上での動的ユーザ・イテム進化を逐次モデル化するために, 注意機構を持つ連続項目間の強化項目・イテムパスをモデル化する。 2つの実世界のデータセットに対するTMERの大規模な評価は、最近の強いベースラインと比較して最先端のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2021-11-24T04:34:26Z)
• Adversarial Robustness of Probabilistic Network Embedding for Link Prediction [24.335469995826244]
  リンク予測のための条件付きネットワーク埋め込み(CNE)の対角的ロバスト性について検討する。 ネットワークの小さな対向摂動に対するモデルのリンク予測の感度を測定した。 我々のアプローチでは、そのような摂動に最も弱いネットワーク内のリンクとリンクを識別できる。
  論文  参考訳（メタデータ） (2021-07-05T11:07:35Z)
• Dynamically Computing Adversarial Perturbations for Recurrent Neural Networks [33.61168219427157]
  畳み込みと繰り返しのニューラルネットワークは、分類タスクにおける最先端のパフォーマンスを達成するために広く利用されている。 また、これらのネットワークは、入力に対して慎重に加法摂動を作れば、相対的に容易に操作可能であることも指摘されている。 我々は,このような事例に対して,敵例の存在とネットワークのロバスト性マージンを理論的に保証する。
  論文  参考訳（メタデータ） (2020-09-07T03:37:03Z)
• Neural Networks with Recurrent Generative Feedback [61.90658210112138]
  畳み込みニューラルネットワーク(CNN)でこの設計をインスタンス化する 実験では、標準ベンチマーク上の従来のフィードフォワードCNNに対して、CNN-Fは敵のロバスト性を大幅に改善した。
  論文  参考訳（メタデータ） (2020-07-17T19:32:48Z)
• Bridging Mode Connectivity in Loss Landscapes and Adversarial Robustness [97.67477497115163]
  我々は、モード接続を用いて、ディープニューラルネットワークの対角的堅牢性を研究する。 実験では、異なるネットワークアーキテクチャやデータセットに適用される様々な種類の敵攻撃について取り上げる。 以上の結果から,モード接続は,敵の強靭性を評価・改善するための総合的なツールであり,実用的な手段であることが示唆された。
  論文  参考訳（メタデータ） (2020-04-30T19:12:50Z)

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。