論文の概要: Optimizing Influence Campaigns: Nudging under Bounded Confidence

• arxiv url: http://arxiv.org/abs/2503.18331v1
• Date: Mon, 24 Mar 2025 04:30:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-25 14:33:46.403456
• Title: Optimizing Influence Campaigns: Nudging under Bounded Confidence
• Title（参考訳）: 影響の最適化 - 境界的信頼の下での看護-
• Authors: Yen-Shao Chen, Tauhid Zaman,
• Abstract要約: 我々は, 被疑者に対して, 被疑者を説得するためには, 徐々に意見を変えるために, 的を絞らなければならないことを示す。 本稿では,信頼度モデルに基づいて,エージェントのナッジポリシーを構築する方法について述べる。 ナッジベースのポリシーは、境界信頼効果を考慮しない他の一般的なテクニックよりも優れていることが分かりました。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Influence campaigns in online social networks are often run by organizations, political parties, and nation states to influence large audiences. These campaigns are employed through the use of agents in the network that share persuasive content. Yet, their impact might be minimal if the audiences remain unswayed, often due to the bounded confidence phenomenon, where only a narrow spectrum of viewpoints can influence them. Here we show that to persuade under bounded confidence, an agent must nudge its targets to gradually shift their opinions. Using a control theory approach, we show how to construct an agent's nudging policy under the bounded confidence opinion dynamics model and also how to select targets for multiple agents in an influence campaign on a social network. Simulations on real Twitter networks show that a multi-agent nudging policy can shift the mean opinion, decrease opinion polarization, or even increase it. We find that our nudging based policies outperform other common techniques that do not consider the bounded confidence effect. Finally, we show how to craft prompts for large language models, such as ChatGPT, to generate text-based content for real nudging policies. This illustrates the practical feasibility of our approach, allowing one to go from mathematical nudging policies to real social media content.
• Abstract（参考訳）: オンラインソーシャルネットワークにおける影響力のあるキャンペーンは、しばしば組織、政党、国家によって運営され、大観衆に影響を与える。 これらのキャンペーンは、説得力のあるコンテンツを共有するネットワークでエージェントを使用することによって行われる。 しかし、その影響は、しばしば限定された信頼現象のために、観客が揺れないままでいれば最小限に抑えられる。 ここでは、封じ込められた信頼の下で説得するためには、エージェントが徐々に意見を変えるために目標を練らなければならないことを示す。 制御理論のアプローチを用いて,信頼度評価力学モデルに基づいてエージェントのヌードポリシーを構築する方法と,ネットワーク上の影響キャンペーンにおいて複数のエージェントのターゲットを選択する方法を示す。 実際のTwitterネットワーク上のシミュレーションは、マルチエージェントのヌードポリシーが平均意見をシフトしたり、意見の偏りを減らしたり、さらに増やしたりできることを示している。 ナッジベースのポリシーは、境界信頼効果を考慮しない他の一般的なテクニックよりも優れていることが分かりました。 最後に、ChatGPTのような大規模言語モデルのプロンプトを作成し、実際のヌードポリシーのためのテキストベースのコンテンツを生成する方法を示す。 これは我々のアプローチの現実的な実現可能性を示しており、数学的ヌードポリシーから実際のソーシャルメディアコンテンツへ移行することができる。

関連論文リスト

• On the Use of Proxies in Political Ad Targeting [49.61009579554272]
  我々は、主要な政治広告主がプロキシ属性をターゲットとして緩和を回避したことを示す。 本研究は政治広告の規制に関する議論に重要な意味を持つ。
  論文  参考訳（メタデータ） (2024-10-18T17:15:13Z)
• Leveraging Large Language Models to Detect Influence Campaigns in Social Media [9.58546889761175]
  ソーシャルメディアの影響は、大衆の言論や民主主義に重大な課題をもたらしている。 従来の検出方法は、ソーシャルメディアの複雑さとダイナミックな性質のために不足している。 本稿では,ユーザメタデータとネットワーク構造の両方を組み込んだLarge Language Models (LLM) を用いた新しい検出手法を提案する。
  論文  参考訳（メタデータ） (2023-11-14T00:25:09Z)
• 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)
• Weakly Supervised Learning for Analyzing Political Campaigns on Facebook [24.29993132301275]
  我々は、Facebook上の政治広告のスタンスと課題を特定するための弱監督的なアプローチを提案する。 選挙投票における政治広告の時間的動態を分析する。
  論文  参考訳（メタデータ） (2022-10-19T15:35:37Z)
• Personality-Driven Social Multimedia Content Recommendation [68.46899477180837]
  人格特性がコンテンツレコメンデーションモデルに与える影響を,新しいパーソナリティ駆動型マルチビューコンテンツレコメンデーションシステムを適用して検討する。 実験結果と実世界のケーススタディは、PersiCが効率的な人格駆動型マルチビューコンテンツレコメンデーションを行う能力だけでなく、実用的なデジタル広告戦略レコメンデーションを可能にすることを実証している。
  論文  参考訳（メタデータ） (2022-07-25T14:37:18Z)
• Contextual Bandits for Advertising Campaigns: A Diffusion-Model Independent Approach (Extended Version) [73.59962178534361]
  拡散ネットワークや情報伝達の仕方を決定するモデルについてはほとんど知られていないと考えられる影響問題について検討する。 この設定では、キャンペーンの実行中に主要な拡散パラメータを学習するために探索-探索アプローチが使用できる。 本稿では,2つの文脈的マルチアーム・バンディットの手法と,インフルエンサーの残りのポテンシャルに対する上限について比較する。
  論文  参考訳（メタデータ） (2022-01-13T22:06:10Z)
• The Spread of Propaganda by Coordinated Communities on Social Media [43.2770127582382]
  我々は、2019年イギリス総選挙に関する大規模なTwitterデータセット上で、プロパガンダの拡散とその協調行動との相互作用を分析する。 プロパガンダの利用と協調行動を組み合わせることで、異なるコミュニティの真正性と有害性を明らかにすることができる。
  論文  参考訳（メタデータ） (2021-09-27T13:39:10Z)
• News consumption and social media regulations policy [70.31753171707005]
  我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。 以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。 Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
  論文  参考訳（メタデータ） (2021-06-07T19:26:32Z)
• Quantifying the Vulnerabilities of the Online Public Square to Adversarial Manipulation Tactics [43.98568073610101]
  ソーシャルメディアモデルを用いて、コンテンツの品質に対するいくつかの敵の操作戦術の影響を定量化する。 ソーシャルメディアの目印である影響力のあるアカウントの存在は、操作するオンラインコミュニティの脆弱性を悪化させる。 これらの知見は、プラットフォームがソーシャルメディアユーザーによる操作のレジリエンスを高めるために使われる可能性があることを示唆している。
  論文  参考訳（メタデータ） (2019-07-13T21:12:08Z)

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。