論文の概要: Polarization in Decentralized Online Social Networks
- arxiv url: http://arxiv.org/abs/2312.05668v1
- Date: Sat, 9 Dec 2023 20:16:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-12 19:22:42.843731
- Title: Polarization in Decentralized Online Social Networks
- Title(参考訳): 分散オンラインソーシャルネットワークにおける分極
- Authors: Lucio La Cava, Domenico Mandaglio, Andrea Tagarelli
- Abstract要約: 分散オンラインソーシャルネットワーク(DOSN)は、誰でも新しいインスタンスを作成し、Fediverseと呼ばれる分散ネットワークに参加することができる。
この運動量の増加にもかかわらず、DOSNsのインスタンス間の正と負の相互作用の影響に対処する研究が不足している。
以上の結果から,フェディバースにおける偏光は,インスタンス間のフェデレーション環境を育成したいという願望の影響を受け,一意に現れることが示唆された。
- 参考スコア(独自算出の注目度): 5.4482836906033585
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Centralized social media platforms are currently experiencing a shift in user
engagement, drawing attention to alternative paradigms like Decentralized
Online Social Networks (DOSNs). The rising popularity of DOSNs finds its root
in the accessibility of open-source software, enabling anyone to create a new
instance (i.e., server) and participate in a decentralized network known as
Fediverse. Despite this growing momentum, there has been a lack of studies
addressing the effect of positive and negative interactions among instances
within DOSNs. This work aims to fill this gap by presenting a preliminary
examination of instances' polarization in DOSNs, focusing on Mastodon -- the
most widely recognized decentralized social media platform, boasting over 10M
users and nearly 20K instances to date. Our results suggest that polarization
in the Fediverse emerges in unique ways, influenced by the desire to foster a
federated environment between instances, also facilitating the isolation of
instances that may pose potential risks to the Fediverse.
- Abstract(参考訳): 中央集権型ソーシャルメディアプラットフォームは現在、ユーザエンゲージメントのシフトを経験しており、Decentralized Online Social Networks (DOSNs)のような別のパラダイムに注意を向けている。
DOSNの人気の高まりは、オープンソースソフトウェアのアクセシビリティのルーツとなり、誰でも新しいインスタンス(サーバ)を作成でき、Fediverseと呼ばれる分散ネットワークに参加することができる。
この運動量の増加にもかかわらず、DOSNsのインスタンス間の正と負の相互作用の影響に対処する研究が不足している。
この研究は、最も広く認知されている分散型ソーシャルメディアプラットフォームであるmastodonに焦点をあてて、dosnsにおけるインスタンスの分極に関する予備的な検証を行い、このギャップを埋めることを目的としている。
この結果から,Fediverseにおける分極は,インスタンス間のフェデレーション環境を育成したいという願望や,Fediverseに潜在的なリスクをもたらす可能性のあるインスタンスの分離を促進するという願望の影響を受け,ユニークな方法で現れることが示唆された。
関連論文リスト
- The Impact of Adversarial Node Placement in Decentralized Federated Learning Networks [6.661122374160369]
連邦学習(FL)の人気が高まるにつれ、新しい分散フレームワークが広まりつつある。
本稿では,ネットワーク内の配置を協調的に調整できる各種対向配置戦略において,分散FLの性能を解析する。
本稿では,敵同士の平均ネットワーク距離を最大化することにより,敵の中央性よりも敵の拡散を優先する新たな攻撃アルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-11-14T06:48:50Z) - Measuring Centralization of Online Platforms Through Size and
Interconnection of Communities [0.0]
我々は,コミュニティの排除によってコミュニティ間の縁が乱される回数の観点から,コミュニティの影響を特徴づける手法を用いる。
我々のアプローチは、二部構成のユーザコミュニティ社会技術ネットワークに適した「分散化」を慎重に定義する。
論文 参考訳(メタデータ) (2023-07-27T17:35:18Z) - Collaborative Mean Estimation over Intermittently Connected Networks
with Peer-To-Peer Privacy [86.61829236732744]
本研究は、断続接続を有するネットワーク上での分散平均推定(DME)の問題について考察する。
目標は、中央サーバの助けを借りて、分散ノード間でローカライズされたデータサンプルに関するグローバル統計を学習することだ。
ノード間のデータ共有による協調中継とプライバシー漏洩のトレードオフについて検討する。
論文 参考訳(メタデータ) (2023-02-28T19:17:03Z) - A Spreader Ranking Algorithm for Extremely Low-budget Influence
Maximization in Social Networks using Community Bridge Nodes [12.691905338833372]
影響最大化(IM)の目的は、特定の情報の拡散を最大化するためのネットワーク内の特定のノードを特定することである。
そこで我々は,K-Shellアルゴリズムを用いて,シードノードとコミュニティ間の接続のスコアを生成するコミュニティ構造に基づくアプローチを提案する。
Independent Cascade(IC)モデルを選択し、情報拡散をシミュレートし、4つの評価指標で評価する。
論文 参考訳(メタデータ) (2022-11-17T16:53:47Z) - Detecting Ideal Instagram Influencer Using Social Network Analysis [0.0]
本論文は、現実のオンラインマーケティング戦略のためのソーシャルネットワーク分析(SNA)に焦点を当てている。
この研究は、ネットワーク内の最も中心的なノードを特定するための様々な集中度尺度を比較し、個々のユーザの拡散行動を理解するために線形しきい値モデルを用いて貢献する。
論文 参考訳(メタデータ) (2021-07-12T20:53:58Z) - Adversarial Attacks on Deep Learning Based Power Allocation in a Massive
MIMO Network [62.77129284830945]
本稿では,大規模なマルチインプット・マルチアウトプット(MAMIMO)ネットワークのダウンリンクにおいて,逆攻撃がDLベースの電力割り当てを損なう可能性があることを示す。
我々はこれらの攻撃のパフォーマンスをベンチマークし、ニューラルネットワーク(NN)の入力に小さな摂動がある場合、ホワイトボックス攻撃は最大86%まで実現不可能な解決策をもたらすことを示した。
論文 参考訳(メタデータ) (2021-01-28T16:18:19Z) - 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) - WAFFLe: Weight Anonymized Factorization for Federated Learning [88.44939168851721]
データが機密性やプライベート性を持つドメインでは、ローカルデバイスを離れることなく、分散的に学習できるメソッドには大きな価値があります。
本稿では,フェデレートラーニングのためのウェイト匿名化因子化(WAFFLe)を提案する。これは,インド・バフェット・プロセスとニューラルネットワークの重み要因の共有辞書を組み合わせたアプローチである。
論文 参考訳(メタデータ) (2020-08-13T04:26:31Z) - Multi-Center Federated Learning [62.57229809407692]
本稿では,フェデレート学習のための新しい多中心集約機構を提案する。
非IIDユーザデータから複数のグローバルモデルを学び、同時にユーザとセンタ間の最適なマッチングを導出する。
ベンチマークデータセットによる実験結果から,本手法はいくつかの一般的なフェデレーション学習法より優れていることが示された。
論文 参考訳(メタデータ) (2020-05-03T09:14:31Z) - Byzantine-resilient Decentralized Stochastic Gradient Descent [85.15773446094576]
分散学習システムのビザンチンレジリエンスに関する詳細な研究について述べる。
ビザンチンフォールトトレランスを用いた分散学習を支援する新しいアルゴリズムUBARを提案する。
論文 参考訳(メタデータ) (2020-02-20T05:11:04Z) - DiffNet++: A Neural Influence and Interest Diffusion Network for Social
Recommendation [50.08581302050378]
ソーシャルレコメンデーションは、ユーザの未知の嗜好を予測するために、ユーザ間のソーシャルコネクションを活用するために現れている。
ソーシャルレコメンデーションのための神経影響拡散ネットワーク(DiffNet)の予備研究を提案する(Diffnet)。
本稿では,Diffnetの改良アルゴリズムであるDiffNet++を提案する。
論文 参考訳(メタデータ) (2020-01-15T08:45:34Z)
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。