論文の概要: Bayesian Optimization for Building Social-Influence-Free Consensus
- arxiv url: http://arxiv.org/abs/2502.07166v1
- Date: Tue, 11 Feb 2025 01:20:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-12 14:08:56.269400
- Title: Bayesian Optimization for Building Social-Influence-Free Consensus
- Title（参考訳）: 社会的影響のない合意構築のためのベイズ最適化
- Authors: Masaki Adachi, Siu Lun Chau, Wenjie Xu, Anurag Singh, Michael A. Osborne, Krikamol Muandet,
- Abstract要約: 集団意思決定におけるコンセンサス構築のための投票効率の高いアルゴリズムである社会ベイズ最適化(SBO)を紹介する。
SBOは、安価だが騒々しい世論投票と、より正確で高価な私的な投票という2つの投票システムを採用している。
本研究では, 熱的快適性, チーム構築, 旅行交渉, エネルギー取引協力など, 複数の実世界の応用におけるSBOの有効性を検証する。
- 参考スコア（独自算出の注目度）: 28.494450766296676
- License:
- Abstract: We introduce Social Bayesian Optimization (SBO), a vote-efficient algorithm for consensus-building in collective decision-making. In contrast to single-agent scenarios, collective decision-making encompasses group dynamics that may distort agents' preference feedback, thereby impeding their capacity to achieve a social-influence-free consensus -- the most preferable decision based on the aggregated agent utilities. We demonstrate that under mild rationality axioms, reaching social-influence-free consensus using noisy feedback alone is impossible. To address this, SBO employs a dual voting system: cheap but noisy public votes (e.g., show of hands in a meeting), and more accurate, though expensive, private votes (e.g., one-to-one interview). We model social influence using an unknown social graph and leverage the dual voting system to efficiently learn this graph. Our theoretical findigns show that social graph estimation converges faster than the black-box estimation of agents' utilities, allowing us to reduce reliance on costly private votes early in the process. This enables efficient consensus-building primarily through noisy public votes, which are debiased based on the estimated social graph to infer social-influence-free feedback. We validate the efficacy of SBO across multiple real-world applications, including thermal comfort, team building, travel negotiation, and energy trading collaboration.
- Abstract（参考訳）: 集団意思決定におけるコンセンサス構築のための投票効率の高いアルゴリズムである社会ベイズ最適化(SBO)を紹介する。
単一エージェントのシナリオとは対照的に、集団決定はエージェントの選好のフィードバックを歪ませるグループ力学を包含し、それによって、集約されたエージェントユーティリティに基づいた最も好ましい決定である社会的影響のないコンセンサスを達成する能力を妨げる。
軽度の合理性公理の下では,ノイズフィードバックだけでは社会的影響のない合意に達することは不可能である。
これに対処するため、SBOは2つの投票システムを採用している: 安価だが騒々しい公開投票(例:ミーティングで手を挙げる)、そしてより正確で高価な個人投票(例:1対1のインタビュー)。
我々は、未知のソーシャルグラフを用いて社会的影響をモデル化し、二重投票システムを活用して、このグラフを効率的に学習する。
我々の理論的な発見は、ソーシャルグラフの推定がエージェントのユーティリティのブラックボックス推定よりも早く収束していることを示し、プロセスの初期段階においてコストのかかる私的な投票への依存を減らすことができる。
これにより、主に騒々しい世論投票を通じて効率的なコンセンサス構築が可能となり、社会的影響のないフィードバックを推測するために、推定された社会的グラフに基づいて偏りが生じる。
本研究では, 熱的快適性, チーム構築, 旅行交渉, エネルギー取引協力など, 複数の実世界の応用におけるSBOの有効性を検証する。
関連論文リスト
- Sequential Manipulation Against Rank Aggregation: Theory and Algorithm [119.57122943187086]
脆弱なデータ収集プロセスに対するオンライン攻撃を活用します。
ゲーム理論の観点からは、対決シナリオは分布的に堅牢なゲームとして定式化される。
提案手法は,ランクアグリゲーション手法の結果を逐次的に操作する。
論文 参考訳（メタデータ） (2024-07-02T03:31:21Z) - Graph Bottlenecked Social Recommendation [47.83350026188183]
本稿では,社会騒音問題に対処するための新しいグラフ・ボトルネック・ソーシャル・レコメンデーション(GBSR)フレームワークを提案する。
GBSRはモデルに依存しないソーシャル・デノベーション・フレームワークであり、認知されたソーシャル・グラフとレコメンデーション・ラベルの相互情報の最大化を目的としている。
論文 参考訳（メタデータ） (2024-06-12T13:44:22Z) - RecDiff: Diffusion Model for Social Recommendation [14.514770044236375]
リコメンデーションのための新しい拡散型ソーシャルデノベーションフレームワーク(RecDiff)を提案する。
マルチステップノイズ拡散と除去を行うことにより、RecDiffは、符号化されたユーザ表現からノイズを識別および除去する堅牢な能力を有する。
その結果, 推薦精度, 訓練効率, 聴覚効果の面で優位性を示した。
論文 参考訳（メタデータ） (2024-06-01T10:20:52Z) - System-2 Recommenders: Disentangling Utility and Engagement in Recommendation Systems via Temporal Point-Processes [80.97898201876592]
本稿では,過去のコンテンツインタラクションが,自己興奮型ホークスプロセスに基づくユーザの到着率に影響を及ぼす生成モデルを提案する。
そこで本研究では,システム1とシステム2のアンタングルを解消し,ユーザ利用によるコンテンツ最適化を可能にすることを解析的に示す。
論文 参考訳（メタデータ） (2024-05-29T18:19:37Z) - Balancing User Preferences by Social Networks: A Condition-Guided Social Recommendation Model for Mitigating Popularity Bias [64.73474454254105]
ソーシャルレコメンデーションモデルは、ユーザに対してユニークなパーソナライズされたレコメンデーション結果を提供するために、ソーシャルインタラクションをデザインに織り込む。
既存のソーシャルレコメンデーションモデルは、人気バイアスや社会的情報の冗長性の問題に対処できない。
本稿では,モデルの人気バイアスを軽減するための条件付きソーシャルレコメンデーションモデル(CGSoRec)を提案する。
論文 参考訳（メタデータ） (2024-05-27T02:45:01Z) - Causal Disentanglement for Regulating Social Influence Bias in Social
Recommendation [12.120586712440673]
ソーシャルレコメンデーションシステムは、社会的影響バイアスの問題に直面しており、友人が交流したアイテムの推薦に過大評価される可能性がある。
本稿では,CDRSBというソーシャルレコメンデーションにおけるソーシャルインフルエントバイアスの規制のための因果ディスタングルに基づくフレームワークを提案し,レコメンデーション性能の向上を図る。
論文 参考訳（メタデータ） (2024-03-06T09:48:48Z) - 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) - Model-based Causal Bayesian Optimization [74.78486244786083]
乗算重み付き因果ベイズ最適化のための最初のアルゴリズム(CBO-MW)を提案する。
グラフ関連の量に自然に依存するCBO-MWに対する後悔の限界を導出する。
我々の実験は、共有モビリティシステムにおいて、ユーザの需要パターンを学習するためにCBO-MWをどのように使用できるかの現実的なデモを含む。
論文 参考訳（メタデータ） (2023-07-31T13:02:36Z)
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。