論文の概要: LLMs generate structurally realistic social networks but overestimate political homophily

• arxiv url: http://arxiv.org/abs/2408.16629v1
• Date: Thu, 29 Aug 2024 15:36:52 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-30 13:12:46.447186
• Title: LLMs generate structurally realistic social networks but overestimate political homophily
• Title（参考訳）: LLMは構造的にリアルなソーシャルネットワークを生成するが、政治的ホモフィリを過大評価する
• Authors: Serina Chang, Alicja Chaszczewicz, Emma Wang, Maya Josifovska, Emma Pierson, Jure Leskovec,
• Abstract要約: ネットワーク生成のための3つのプロンプト手法を開発し、生成されたネットワークと実際のソーシャルネットワークを比較した。 より現実的なネットワークは、LLMが1つのペルソナの関係を1度に構築する"ローカル"な手法で生成される。 また, 生成したネットワークは, 密度, クラスタリング, コミュニティ構造, 程度など, 様々な特性で実ネットワークと一致していることがわかった。
• 参考スコア（独自算出の注目度）: 42.229210482614356
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generating social networks is essential for many applications, such as epidemic modeling and social simulations. Prior approaches either involve deep learning models, which require many observed networks for training, or stylized models, which are limited in their realism and flexibility. In contrast, LLMs offer the potential for zero-shot and flexible network generation. However, two key questions are: (1) are LLM's generated networks realistic, and (2) what are risks of bias, given the importance of demographics in forming social ties? To answer these questions, we develop three prompting methods for network generation and compare the generated networks to real social networks. We find that more realistic networks are generated with "local" methods, where the LLM constructs relations for one persona at a time, compared to "global" methods that construct the entire network at once. We also find that the generated networks match real networks on many characteristics, including density, clustering, community structure, and degree. However, we find that LLMs emphasize political homophily over all other types of homophily and overestimate political homophily relative to real-world measures.
• Abstract（参考訳）: ソーシャルネットワークの生成は、疫病モデルや社会シミュレーションなど、多くのアプリケーションにとって不可欠である。 従来のアプローチでは、トレーニングのために多くの観測ネットワークを必要とするディープラーニングモデルや、その現実性と柔軟性に制限のあるスタイル化されたモデルが対象だった。 対照的に、LLMはゼロショットとフレキシブルなネットワーク生成の可能性を秘めている。 しかし、2つの重要な疑問は、(1) LLMが生成するネットワークは現実的なものか、(2) 社会関係形成における人口動態の重要性を考えると、バイアスのリスクは何か? これらの疑問に答えるために、ネットワーク生成のための3つのプロンプト手法を開発し、生成されたネットワークを実際のソーシャルネットワークと比較する。 より現実的なネットワークは、LLMが1つのペルソナの関係を一度に構築する"ローカル"な手法で生成され、同時にネットワーク全体を構成する"グローバル"な手法と比較して、より現実的なネットワークが生成される。 また, 生成したネットワークは, 密度, クラスタリング, コミュニティ構造, 程度など, 様々な特性で実ネットワークと一致していることがわかった。 しかし、LLMは、他のあらゆる種類のホモフィリと、実世界の指標に対する政治的ホモフィリを過大評価することよりも、政治的ホモフィリを重視していることがわかった。

関連論文リスト

• Engagement-Driven Content Generation with Large Language Models [8.049552839071918]
  大規模言語モデル(LLM)は1対1の相互作用において重要な説得能力を示す。 本研究では,相互接続型ユーザにおけるLCMの社会的影響と複雑な意見力学について検討する。
  論文  参考訳（メタデータ） (2024-11-20T10:40:08Z)
• Static network structure cannot stabilize cooperation among Large Language Model agents [6.868298200380496]
  大規模言語モデル(LLM)は、人間の社会的行動のモデル化にますます利用されている。 本研究の目的は,LLMとヒトの協調行動における並列性を明らかにすることである。
  論文  参考訳（メタデータ） (2024-11-15T15:52:15Z)
• Personalized Wireless Federated Learning for Large Language Models [75.22457544349668]
  大規模言語モデル(LLM)は自然言語処理タスクに革命をもたらした。 無線ネットワークへの展開は、プライバシとセキュリティ保護機構の欠如など、依然として課題に直面している。 通信オーバーヘッドの少ない2つのパーソナライズされた無線フェデレーションファインチューニング手法を提案する。
  論文  参考訳（メタデータ） (2024-04-20T02:30:21Z)
• Can LLMs Understand Computer Networks? Towards a Virtual System Administrator [15.469010487781931]
  本稿では,大規模言語モデルによるコンピュータネットワークの理解に関する総合的研究を初めて行った。 我々は,プロプライエタリ(GPT4)とオープンソース(Llama2)モデルを用いたマルチコンピュータネットワーク上でのフレームワークの評価を行った。
  論文  参考訳（メタデータ） (2024-04-19T07:41:54Z)
• Network Formation and Dynamics Among Multi-LLMs [5.8418144988203915]
  大規模言語モデル (LLM) は, ネットワーク形成における好みを問うと, 重要なソーシャルネットワークの原則を示す。 また、実世界のネットワークに基づくLCMの意思決定について検討し、三進的閉鎖とホモフィリーが優先的なアタッチメントよりも強い影響があることを明らかにした。
  論文  参考訳（メタデータ） (2024-02-16T13:10:14Z)
• Realistic Synthetic Social Networks with Graph Neural Networks [1.8275108630751837]
  合成ソーシャルネットワークのためのネットワーク生成のためのグラフニューラルネットワーク(GNN)モデルの可能性を評価する。 我々は,現実的な合成ネットワークの挙動を評価するための,ソーシャルネットワーク固有の測定結果を含む。 我々は,GRAN(Gated Recurrent Attention Network)がソーシャルネットワークによく適用され,一般的なルールベースのRecursive-MATrix (R-MAT) 手法と比較すると,現実的な構造力学を再現しやすくなっていることがわかった。
  論文  参考訳（メタデータ） (2022-12-15T14:04:27Z)
• Firefly Neural Architecture Descent: a General Approach for Growing Neural Networks [50.684661759340145]
  firefly neural architecture descentは、ニューラルネットワークを漸進的かつ動的に成長させるための一般的なフレームワークである。 ホタルの降下は、より広く、より深くネットワークを柔軟に成長させ、正確だがリソース効率のよいニューラルアーキテクチャを学習するために応用できることを示す。 特に、サイズは小さいが、最先端の手法で学習したネットワークよりも平均精度が高いネットワークを学習する。
  論文  参考訳（メタデータ） (2021-02-17T04:47:18Z)
• 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)
• From Federated to Fog Learning: Distributed Machine Learning over Heterogeneous Wireless Networks [71.23327876898816]
  フェデレートラーニング(Federated Learning)は、データを収集するノード間で処理能力を活用することによって、ネットワークエッジでMLモデルをトレーニングするテクニックとして登場した。 我々は、エッジデバイスからクラウドサーバへのノード連続体にMLモデルのトレーニングをインテリジェントに分散する、フォグラーニングと呼ばれる新しい学習パラダイムを提唱する。
  論文  参考訳（メタデータ） (2020-06-07T05:11:18Z)
• Detecting Communities in Heterogeneous Multi-Relational Networks:A Message Passing based Approach [89.19237792558687]
  コミュニティは、ソーシャルネットワーク、生物学的ネットワーク、コンピュータおよび情報ネットワークを含むネットワークの共通の特徴である。 我々は,全同種ネットワークのコミュニティを同時に検出する効率的なメッセージパッシングに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-04-06T17:36:24Z)

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。