論文の概要: Decoding Echo Chambers: LLM-Powered Simulations Revealing Polarization in Social Networks

• arxiv url: http://arxiv.org/abs/2409.19338v1
• Date: Sat, 28 Sep 2024 12:49:02 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-05 23:58:48.290851
• Title: Decoding Echo Chambers: LLM-Powered Simulations Revealing Polarization in Social Networks
• Title（参考訳）: エコーチャンバーの復号化:LLMによるソーシャルネットワークにおける偏光のシミュレーション
• Authors: Chenxi Wang, Zongfang Liu, Dequan Yang, Xiuying Chen,
• Abstract要約: ソーシャルメディアがエコーチャンバーなどの重要な問題に与える影響に対処する必要がある。 伝統的な研究はしばしば感情的な傾向や意見の進化を数字や公式に単純化する。 偏光現象の評価と対策を行うために, LLM を用いた社会意見ネットワークのシミュレーションを提案する。
• 参考スコア（独自算出の注目度）: 12.812531689189065
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The impact of social media on critical issues such as echo chambers needs to be addressed, as these phenomena can have disruptive consequences for our society. Traditional research often oversimplifies emotional tendencies and opinion evolution into numbers and formulas, neglecting that news and communication are conveyed through text, which limits these approaches. Hence, in this work, we propose an LLM-based simulation for the social opinion network to evaluate and counter polarization phenomena. We first construct three typical network structures to simulate different characteristics of social interactions. Then, agents interact based on recommendation algorithms and update their strategies through reasoning and analysis. By comparing these interactions with the classic Bounded Confidence Model (BCM), the Friedkin Johnsen (FJ) model, and using echo chamber-related indices, we demonstrate the effectiveness of our framework in simulating opinion dynamics and reproducing phenomena such as opinion polarization and echo chambers. We propose two mitigation methods, active and passive nudges, that can help reduce echo chambers, specifically within language-based simulations. We hope our work will offer valuable insights and guidance for social polarization mitigation.
• Abstract（参考訳）: こうした現象が我々の社会に破壊的な結果をもたらす可能性があるため、ソーシャルメディアがエコーチャンバーなどの重要な問題に与える影響に対処する必要がある。 伝統的な研究は、感情的な傾向や意見の進化を数字や公式に過度に単純化し、ニュースやコミュニケーションがテキストを通じて伝達されることを無視し、これらのアプローチを制限する。 そこで本研究では,LLMに基づく社会意見ネットワークのシミュレーションを提案し,偏光現象の評価と対策を行う。 まず,社会的相互作用の異なる特徴をシミュレートするために,3つの典型的なネットワーク構造を構築した。 次に、エージェントはレコメンデーションアルゴリズムに基づいて対話し、推論と分析を通じて戦略を更新する。 これらの相互作用を古典的境界信頼モデル(BCM)、フリードキン・ジョンセン(FJ)モデルと比較し、エコーチャンバー関連指標を用いて、意見のダイナミクスをシミュレーションし、意見の分極やエコーチャンバーなどの現象を再現する上で、我々の枠組みの有効性を実証する。 本稿では、特に言語に基づくシミュレーションにおいて、エコーチャンバーの低減に役立つ能動的および受動的ヌッジの2つの緩和法を提案する。 われわれの研究は、社会分極緩和のための貴重な洞察とガイダンスを提供することを期待している。

関連論文リスト

• Persuasion with Large Language Models: a Survey [49.86930318312291]
  大規模言語モデル (LLM) は説得力のあるコミュニケーションに新たな破壊的可能性を生み出している。 政治、マーケティング、公衆衛生、電子商取引、慈善事業などの分野では、LLMシステムズは既に人間レベルや超人的説得力を達成している。 LLMをベースとした説得の現在と将来の可能性は、倫理的・社会的リスクを著しく引き起こす可能性が示唆された。
  論文  参考訳（メタデータ） (2024-11-11T10:05:52Z)
• Unveiling the Truth and Facilitating Change: Towards Agent-based Large-scale Social Movement Simulation [43.46328146533669]
  ソーシャルメディアは社会運動の基盤として現れ、社会変革の推進に大きな影響を与えている。 ソーシャルメディアユーザシミュレーションのためのハイブリッドフレームワークHiSimを導入し、ユーザを2つのタイプに分類する。 我々は、トリガーイベントに続く応答ダイナミクスを再現するために、Twitterのような環境を構築します。
  論文  参考訳（メタデータ） (2024-02-26T06:28:54Z)
• Simulating Opinion Dynamics with Networks of LLM-based Agents [7.697132934635411]
  本稿では,Large Language Models (LLMs) の集団に基づく意見力学のシミュレーション手法を提案する。 以上の結果から, LLMエージェントの正確な情報生成に対するバイアスが強く, シミュレーションエージェントが科学的現実に一致していることが明らかとなった。 しかし、素早い工学を通して確認バイアスを誘導した後、既存のエージェント・ベース・モデリングや意見ダイナミクス研究と並んで意見の断片化を観察した。
  論文  参考訳（メタデータ） (2023-11-16T07:01:48Z)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Exploring Collaboration Mechanisms for LLM Agents: A Social Psychology View [60.80731090755224]
  本稿では,理論的洞察を用いた実用実験により,現代NLPシステム間の協調機構を解明する。 我々は, LLMエージェントからなる4つの独特な社会をつくり, それぞれのエージェントは, 特定の特性(容易性, 過信性)によって特徴づけられ, 異なる思考パターン(議論, ふりかえり)と協調する。 以上の結果から, LLMエージェントは, 社会心理学理論を反映した, 適合性やコンセンサスリーディングといった人間的な社会的行動を示すことが明らかとなった。
  論文  参考訳（メタデータ） (2023-10-03T15:05:52Z)
• Quantifying the Echo Chamber Effect: An Embedding Distance-based Approach [28.715087124800565]
  本稿では,Echo Chamber Score(ECS)について紹介する。 ユーザ間の距離測定を容易にするために,自己教師付きグラフオートエンコーダを用いたユーザ埋め込みモデルであるEchoGAEを提案する。 本研究は、エコーチャンバーの定量化とオンライン談話のダイナミックスに光を流すツールとしてのECSの有効性を示す。
  論文  参考訳（メタデータ） (2023-07-10T16:11:33Z)
• Training Socially Aligned Language Models on Simulated Social Interactions [99.39979111807388]
  AIシステムにおける社会的アライメントは、確立された社会的価値に応じてこれらのモデルが振舞うことを保証することを目的としている。 現在の言語モデル(LM)は、トレーニングコーパスを独立して厳格に複製するように訓練されている。 本研究は,シミュレートされた社会的相互作用からLMを学習することのできる,新しい学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-05-26T14:17:36Z)
• A Hierarchical Regression Chain Framework for Affective Vocal Burst Recognition [72.36055502078193]
  本稿では,声帯からの感情認識のための連鎖回帰モデルに基づく階層的枠組みを提案する。 データスパシティの課題に対処するため、レイヤワイドおよび時間アグリゲーションモジュールを備えた自己教師付き学習(SSL)表現も使用しています。 提案されたシステムは、ACII Affective Vocal Burst (A-VB) Challenge 2022に参加し、「TWO」および「CULTURE」タスクで第1位となった。
  論文  参考訳（メタデータ） (2023-03-14T16:08:45Z)
• Cascade-based Echo Chamber Detection [16.35164446890934]
  ソーシャルメディアのエコーチャンバーは かなり精査されています 本稿では,ソーシャルメディアのフットプリントを説明する確率的生成モデルを提案する。 本研究では,姿勢検出や将来の伝搬予測などの補助的予測タスクにおいて,モデルが精度を向上させる方法を示す。
  論文  参考訳（メタデータ） (2022-08-09T09:30:38Z)
• The drivers of online polarization: fitting models to data [0.0]
  エコーチャンバー効果と意見偏光は、情報消費における人間のバイアスや、フィードアルゴリズムによって生成されるパーソナライズされたレコメンデーションなど、いくつかの要因によって引き起こされる可能性がある。 これまでは主に意見力学モデルを用いて、分極とエコーチャンバーの出現の背後にあるメカニズムを探索してきた。 シミュレーションから得られた意見分布とソーシャルメディア上で測定した意見分布を数値的に比較する手法を提案する。
  論文  参考訳（メタデータ） (2022-05-31T17:00:41Z)
• PHASE: PHysically-grounded Abstract Social Events for Machine Social Perception [50.551003004553806]
  私たちは、物理的に根拠のある抽象的なソーシャルイベント、フェーズのデータセットを作成します。 フェーズは人間の実験によって検証され、人間は社会出来事において豊かな相互作用を知覚する。 ベースラインモデルとして,最新のフィードフォワードニューラルネットワークよりも優れたベイズ逆計画手法SIMPLEを導入する。
  論文  参考訳（メタデータ） (2021-03-02T18:44:57Z)

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。