論文の概要: Computational Agent-based Models in Opinion Dynamics: A Survey on Social Simulations and Empirical Studies

• arxiv url: http://arxiv.org/abs/2306.03446v1
• Date: Tue, 6 Jun 2023 06:56:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-07 16:53:46.340487
• Title: Computational Agent-based Models in Opinion Dynamics: A Survey on Social Simulations and Empirical Studies
• Title（参考訳）: オピニオンダイナミクスにおける計算エージェントに基づくモデル--社会的シミュレーションと実証的研究
• Authors: Yun-Shiuan Chuang, Timothy T. Rogers
• Abstract要約: 社会的影響下での態度変化の研究に使用される中核的方法論はエージェントベースモデル(ABM)である このレビュー論文の目的は、既存のABMを比較し、比較することである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Understanding how an individual changes its attitude, belief, and opinion due to other people's social influences is vital because of its wide implications. A core methodology that is used to study the change of attitude under social influences is agent-based model (ABM). The goal of this review paper is to compare and contrast existing ABMs, which I classify into two families, the deductive ABMs and the inductive ABMs. The former subsumes social simulation studies, and the latter involves human experiments. To facilitate the comparison between ABMs of different formulations, I propose a general unified formulation, in which all ABMs can be viewed as special cases. In addition, I show the connections between deductive ABMs and inductive ABMs, and point out their strengths and limitations. At the end of the paper, I identify underexplored areas and suggest future research directions.
• Abstract（参考訳）: 他者の社会的影響によって個人の態度、信念、意見がどう変わるかを理解することは、その幅広い影響のために不可欠である。 社会的影響下での態度の変化を研究するのに使用される中核的な方法論はエージェントベースモデル(ABM)である。 本研究の目的は, 誘導型ABMと誘導型AMMの2つのファミリーに分類した既存のABMを比較し, 比較することである。 前者は社会シミュレーション研究を仮定し、後者は人間の実験を含む。 異なる定式化の ABM の比較を容易にするため,全 ABM を特殊ケースとみなす汎用的な定式化を提案する。 さらに, 誘導型ABMと誘導型ABMの関連性を示すとともに, その強度と限界を指摘する。 論文の最後に,未調査領域を特定し,今後の研究方向性を示唆する。

関連論文リスト

• PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
  社会実践, 一貫性, 動的発達という, 心理学に根ざした個性の原則を統合したPersLLMを提案する。 モデルパラメータに直接パーソナリティ特性を組み込み、誘導に対するモデルの抵抗性を高め、一貫性を高め、パーソナリティの動的進化を支援する。
  論文  参考訳（メタデータ） (2024-07-17T08:13:22Z)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)
• Memory in Plain Sight: Surveying the Uncanny Resemblances of Associative Memories and Diffusion Models [65.08133391009838]
  拡散モデル(DM)の生成プロセスは、最近、多くのAI生成ベンチマークに最先端を設定した。 エネルギーに基づく連想記憶(AM)の分野からのメモリ検索の数学的言語を用いたDM記述のための新しい視点を導入する。 我々は,AMから期待される経験的行動を示すDMを記録できることの証拠として,DMをエネルギーベースメモリの一種として理解することによって明らかにされる研究の機会について論じる。
  論文  参考訳（メタデータ） (2023-09-28T17:57:09Z)
• How to Handle Different Types of Out-of-Distribution Scenarios in Computational Argumentation? A Comprehensive and Fine-Grained Field Study [59.13867562744973]
  この研究は、オフ・オブ・ディストリビューション(OOD)シナリオにおけるLMの能力を体系的に評価する。 このような学習パラダイムの有効性は,OODの種類によって異なることがわかった。 具体的には、ICLはドメインシフトに優れているが、プロンプトベースの微調整はトピックシフトに勝っている。
  論文  参考訳（メタデータ） (2023-09-15T11:15:47Z)
• Bias and Fairness in Large Language Models: A Survey [73.87651986156006]
  本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。 まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。 次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
  論文  参考訳（メタデータ） (2023-09-02T00:32:55Z)
• Agent-Based Model: Simulating a Virus Expansion Based on the Acceptance of Containment Measures [65.62256987706128]
  比較疫学モデルは、疾患の状態に基づいて個人を分類する。 我々は、適応されたSEIRDモデルと市民のための意思決定モデルを組み合わせたABMアーキテクチャを提案する。 スペイン・ア・コルナにおけるSARS-CoV-2感染症の進行状況について検討した。
  論文  参考訳（メタデータ） (2023-07-28T08:01:05Z)
• A Survey on User Behavior Modeling in Recommender Systems [36.797169604235954]
  ユーザ・ビヘイビア・モデリング(UBM)は、リコメンデータ・システムで広く使われている、ユーザ関心の学習において重要な役割を担っている。 既存のUBM研究の系統分類を4つの方向に分類することができる。 既存の UBM ソリューションの適用価値に関する洞察を提供することを目標として,UBM 手法の産業的実践について詳しく述べる。
  論文  参考訳（メタデータ） (2023-02-22T01:34:51Z)
• 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)
• Models we Can Trust: Toward a Systematic Discipline of (Agent-Based) Model Interpretation and Validation [0.0]
  我々は、モデルから情報を取り出すための相互作用の分野の開発を提唱する。 このような分野の発展に向けたいくつかの方向性を概説する。
  論文  参考訳（メタデータ） (2021-02-23T10:52:22Z)
• Policy-focused Agent-based Modeling using RL Behavioral Models [0.40498500266986387]
  本稿では, ABMにおけるエージェント決定の適応的, 高い性能, 行動的妥当性のモデルとして, 強化学習モデルの価値について検討する。 RL エージェントは政策 ABM における実用最大化エージェントとして有効である,という仮説を検証した。 実験により、RLの行動モデルは、ABMエージェントの報酬探索や報酬最大化行動を生成するのに有効であることが示された。
  論文  参考訳（メタデータ） (2020-06-09T04:55:07Z)

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。