論文の概要: Stronger together? The homophily trap in networks

• arxiv url: http://arxiv.org/abs/2412.20158v1
• Date: Sat, 28 Dec 2024 14:14:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-31 16:05:54.446255
• Title: Stronger together? The homophily trap in networks
• Title（参考訳）: ネットワークにおけるホモフィリートラップ
• Authors: Marcos Oliveira, Leonie Neuhauser, Fariba Karimi,
• Abstract要約: ホモフィリー(他と結びつく傾向)は多様性を阻害し、不平等を拡大する。 ネットワークの25%以下にマイノリティーサイズが落ちると、ホモフィリートラップが発生することを示す。 我々の研究は、社会集団が構造的コストを伴わずにホモフィリーの恩恵を受けるためには、重要なサイズが必要であることを明らかにしている。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: While homophily -- the tendency to link with similar others -- may nurture a sense of belonging and shared values, it can also hinder diversity and widen inequalities. Here, we unravel this trade-off analytically, revealing homophily traps for minority groups: scenarios where increased homophilic interaction among minorities negatively affects their structural opportunities within a network. We demonstrate that homophily traps arise when minority size falls below 25% of a network, at which point homophily comes at the expense of lower structural visibility for the minority group. Our work reveals that social groups require a critical size to benefit from homophily without incurring structural costs, providing insights into core processes underlying the emergence of group inequality in networks.
• Abstract（参考訳）: ホモフィリー(他のものとリンクする傾向)は、所有価値と共有価値の感覚を育むかもしれないが、多様性を阻害し、不平等を拡大する可能性がある。 ここでは、マイノリティ間のホモフィリック相互作用の増加がネットワーク内の構造的機会に悪影響を及ぼすシナリオとして、マイノリティグループのホモフィリートラップを明らかにする。 ネットワークのサイズが25%以下になると、ホモフィリートラップが出現し、その時点では、マイノリティグループの構造的可視性が低下する。 我々の研究は、ネットワークにおけるグループ不平等の出現の根底にある中核的なプロセスについての洞察を提供するため、構造的コストを伴わずに、社会集団がホモフィリーの恩恵を受けるために重要なサイズを必要とすることを明らかにしている。

関連論文リスト

• How does promoting the minority fraction affect generalization? A theoretical study of the one-hidden-layer neural network on group imbalance [64.1656365676171]
  グループ不均衡は経験的リスク最小化において既知の問題である。 本稿では,個々の集団がサンプルの複雑さ,収束率,平均および群レベルの試験性能に与える影響を定量化する。
  論文  参考訳（メタデータ） (2024-03-12T04:38:05Z)
• Generalizable Heterogeneous Federated Cross-Correlation and Instance Similarity Learning [60.058083574671834]
  本稿では,新しいFCCL+,フェデレーション相関と非ターゲット蒸留との類似性学習を提案する。 不均一な問題に対しては、無関係な公開データを通信に活用する。 局所的な更新段階における破滅的な忘れ物として、FCCL+はFederated Non Target Distillationを導入している。
  論文  参考訳（メタデータ） (2023-09-28T09:32:27Z)
• Demystifying Structural Disparity in Graph Neural Networks: Can One Size Fit All? [61.35457647107439]
  ほとんどの実世界のホモフィルグラフとヘテロフィルグラフは、ホモフィルグラフとヘテロフィルグラフの両方の構造パターンの混合ノードから構成される。 ノード分類におけるグラフニューラルネットワーク (GNN) は, 一般にホモ親和性ノード上で良好に機能することを示す。 次に、GNNに対する厳密で非I.d PAC-Bayesian一般化を提案し、性能格差の理由を明らかにした。
  論文  参考訳（メタデータ） (2023-06-02T07:46:20Z)
• Group fairness without demographics using social networks [29.073125057536014]
  グループフェアネス(英: Group Fairness)は、人種、性別、障害などのセンシティブな属性に基づいて、個人の好ましくない扱いを防止するための一般的なアプローチである。 そこで本稿では, センシティブな属性に依存しないフェアネスの「グループフリー」尺度を提案する。
  論文  参考訳（メタデータ） (2023-05-19T00:45:55Z)
• Structural Group Unfairness: Measurement and Mitigation by means of the Effective Resistance [6.7454940931279666]
  ソーシャルネットワークは、コミュニティ内の関係、信頼の規範、相互性として定義された社会資本の分配に寄与する。 集団レベルでの社会的資本の定量化方法の欠如は、保護属性に基づいてグループを定義した場合に特に重要である。 グループ分離, グループ径, グループ制御という, グループ資本の効果的な抵抗に基づく3つの尺度を導入し, グループを保護属性の値に応じて定義する。
  論文  参考訳（メタデータ） (2023-05-05T00:57:55Z)
• The Double-Edged Sword of Implicit Bias: Generalization vs. Robustness in ReLU Networks [64.12052498909105]
  本稿では,ReLUネットワークにおける勾配流の暗黙的バイアスが一般化と対角的ロバスト性に与える影響について検討する。 2層ReLUネットワークでは、勾配流は一般化された解に偏りがあるが、敵の例には非常に弱い。
  論文  参考訳（メタデータ） (2023-03-02T18:14:35Z)
• Semantic-aware Node Synthesis for Imbalanced Heterogeneous Information Networks [51.55932524129814]
  意味認識ノード合成(SNS)と呼ばれる不均衡HINにおける意味的不均衡問題の最初の方法を提案する。 SNSは、異種隣接ノードを適応的に選択し、マイノリティのセマンティクスを維持しながら、合成ノードでネットワークを増強する。 また,HGNNに対してセマンティックおよびクラスの観点から合成ノードの表現を制約する2つの正規化手法を導入する。
  論文  参考訳（メタデータ） (2023-02-27T00:21:43Z)
• On Graph Neural Network Fairness in the Presence of Heterophilous Neighborhoods [12.531373572440787]
  グラフニューラルネットワーク(GNN)におけるノード分類の課題について検討する。 統計的パリティと平等機会によって測定された群フェアネスと局所的アソータティビティの関連性を確立する。 ヘテロ親和性GNNの設計を採用することにより、局所的ヘテロ親和性地区におけるグループフェアネスが、実・合成データセットにおけるホモ親和性設計よりも最大25%向上できることが示される。
  論文  参考訳（メタデータ） (2022-07-10T04:02:20Z)
• Group mixing drives inequality in face-to-face gatherings [2.7728956081909346]
  対面状況下での社会集団の相互作用は、社会集団の可視性における格差の出現を可能にすることを示す。 群混合と群サイズ不均衡の結果,これらの相違を説明するメカニズムについて述べる。
  論文  参考訳（メタデータ） (2021-06-22T11:44:02Z)
• On Measuring the Diversity of Organizational Networks [11.934832243093398]
  多くの分野では、少数派集団の重度の過小表現がある。 このようなマッチングを見つけるための新しいアルゴリズムであるFairEA(Fair Employee Assignment)を提案する。 FairEAのアウトプットは、採用と割り当てのプラクティスを評価したい組織によってベンチマークとして使用できます。
  論文  参考訳（メタデータ） (2021-05-14T16:20:44Z)
• Contrastive Examples for Addressing the Tyranny of the Majority [83.93825214500131]
  我々は,グループメンバーシップを介在する,オリジナルのデータセットと新たなデータポイントからなるバランスの取れたトレーニングデータセットを作成することを提案する。 コントラッシブ・サンプル(英語版)と呼ばれるこれらのデータポイントを学習するための強力なツールとして、現在の生成的敵ネットワークが重要であることを示す。
  論文  参考訳（メタデータ） (2020-04-14T14:06:44Z)

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。