論文の概要: Promoting Fairness in Information Access within Social Networks

• arxiv url: http://arxiv.org/abs/2512.14711v1
• Date: Mon, 08 Dec 2025 08:21:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-18 17:06:26.677111
• Title: Promoting Fairness in Information Access within Social Networks
• Title（参考訳）: ソーシャルネットワークにおける情報アクセスの公平性向上
• Authors: Changan Liu, Xiaotian Zhou, Ahad N. Zehmakan, Zhongzhi Zhang,
• Abstract要約: 本研究では,ネットワークに新たな接続を追加することで,異なるグループ間の情報アクセスの公平性を高めるための最適化問題について検討する。 本稿では, 正確な解を出力する単純なグリージーアルゴリズムを提案するが, 実行時間は立方体であり, 大規模ネットワークでは望ましくない。
• 参考スコア（独自算出の注目度）: 22.892652243512416
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The advent of online social networks has facilitated fast and wide spread of information. However, some users, especially members of minority groups, may be less likely to receive information spreading on the network, due to their disadvantaged network position. We study the optimization problem of adding new connections to a network to enhance fairness in information access among different demographic groups. We provide a concrete formulation of this problem where information access is measured in terms of resistance distance, {offering a new perspective that emphasizes global network structure and multi-path connectivity.} The problem is shown to be NP-hard. We propose a simple greedy algorithm which turns out to output accurate solutions, but its run time is cubic, which makes it undesirable for large networks. As our main technical contribution, we reduce its time complexity to linear, leveraging several novel approximation techniques. In addition to our theoretical findings, we also conduct an extensive set of experiments using both real-world and synthetic datasets. We demonstrate that our linear-time algorithm can produce accurate solutions for networks with millions of nodes.
• Abstract（参考訳）: オンラインソーシャルネットワークの出現は、情報の普及を迅速かつ広範囲に促進してきた。 しかし、一部のユーザー、特にマイノリティグループのメンバーは、ネットワーク上の不利な位置にあるため、ネットワーク上で情報を広める可能性が低いかもしれない。 本研究では,ネットワークに新たな接続を追加することで,異なるグループ間の情報アクセスの公平性を高めるための最適化問題について検討する。 本稿では,情報アクセスを抵抗距離の観点から測定し,グローバルネットワーク構造とマルチパス接続性を重視した新たな視点を創出する,この問題の具体的定式化について述べる。 問題はNPハードであることが示されている。 本稿では, 正確な解を出力する単純なグリージーアルゴリズムを提案するが, 実行時間は立方体であり, 大規模ネットワークでは望ましくない。 我々の主要な技術的貢献として、時間的複雑さを線形に減らし、いくつかの新しい近似技術を活用する。 理論的な知見に加えて、実世界のデータセットと合成データセットの両方を用いた広範な実験も行っています。 我々の線形時間アルゴリズムは、数百万のノードを持つネットワークに対して正確な解を導出できることを実証する。

関連論文リスト

• Peer Disambiguation in Self-Reported Surveys using Graph Attention Networks [5.8302115161559565]
  本研究は,グラフニューラルネットワーク(GNN)による実世界のネットワークデータ解析の進歩の可能性を示すものである。 あいまいさを解消することにより,ネットワークの精度を向上し,自殺リスク予測を改善する。
  論文  参考訳（メタデータ） (2025-03-25T21:25:31Z)
• Fast algorithms to improve fair information access in networks [8.174758604182268]
  ネットワーク上で$k$のシードノードを選択することで、アクティベーションの最小確率を最大化する問題を考える。 我々は,確率推定を必要としない新しいスケーラブルアルゴリズムを設計し,評価する。 6ドルドメインから引き出された174ドルのネットワークのベンチマークコーパスを新たに提供します。
  論文  参考訳（メタデータ） (2024-09-04T23:36:39Z)
• Differentially Private Data Release on Graphs: Inefficiencies and Unfairness [48.96399034594329]
  本稿では,ネットワーク情報公開の文脈における偏見と不公平性に対する差別的プライバシの影響を特徴づける。 ネットワーク構造が全員に知られているネットワークリリースの問題を考えるが、エッジの重みをプライベートにリリースする必要がある。 我々の研究は、これらのネットワーク化された決定問題におけるプライバシーに起因する偏見と不公平性に関する理論的根拠と実証的な証拠を提供する。
  論文  参考訳（メタデータ） (2024-08-08T08:37:37Z)
• Fair Information Spread on Social Networks with Community Structure [2.9613974659787132]
  インフルエンス・マキシミザ・オン(IM)アルゴリズムは、情報が提供された場合、ソーシャルネットワークを通じて最も大きなスプレッドを発生させる個人を特定することを目的としている。 この作業は、最適公正情報拡散のためのシードアロケーション戦略を決定するために使用されるソーシャルネットワークにモデルを適用することに依存する。
  論文  参考訳（メタデータ） (2023-05-15T16:51:18Z)
• Understanding the network formation pattern for better link prediction [4.8334761517444855]
  多重順序局所情報(MOLI)を用いたリンク予測手法を提案する。 MOLIは、異なる距離の隣人からのローカル情報を利用しており、パラメータは事前知識に基づいて事前駆動される。 シミュレーションと実世界の11種類のネットワークにおいて,MOLIが他の11種類のリンク予測アルゴリズムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-10-17T15:30:04Z)
• Semi-supervised Network Embedding with Differentiable Deep Quantisation [81.49184987430333]
  我々はネットワーク埋め込みのための微分可能な量子化法であるd-SNEQを開発した。 d-SNEQは、学習された量子化符号にリッチな高次情報を与えるためにランク損失を組み込む。 トレーニング済みの埋め込みのサイズを大幅に圧縮できるため、ストレージのフットプリントが減少し、検索速度が向上する。
  論文  参考訳（メタデータ） (2021-08-20T11:53:05Z)
• GAEA: Graph Augmentation for Equitable Access via Reinforcement Learning [50.90625274621288]
  異なるサブ人口によるリソースへの別のアクセスは、社会および社会技術ネットワークにおける一般的な問題です。 予算制約下でグラフエッジを編集することにより,ネットワークシステムにおける公平性を高めるため,新たな問題クラスであるグラフ拡張・等価アクセス(GAEA)を導入する。
  論文  参考訳（メタデータ） (2020-12-07T18:29:32Z)
• Towards Accurate Quantization and Pruning via Data-free Knowledge Transfer [61.85316480370141]
  我々は、訓練された大規模ネットワークからコンパクトネットワークへの知識の伝達により、データフリーな量子化とプルーニングを研究する。 データフリーなコンパクトネットワークは、トレーニングデータで訓練され、微調整されたネットワークに対して、競争精度を達成する。
  論文  参考訳（メタデータ） (2020-10-14T18:02:55Z)
• Learning Connectivity of Neural Networks from a Topological Perspective [80.35103711638548]
  本稿では,ネットワークを解析のための完全なグラフに表現するためのトポロジ的視点を提案する。 接続の規模を反映したエッジに学習可能なパラメータを割り当てることにより、学習プロセスを異なる方法で行うことができる。 この学習プロセスは既存のネットワークと互換性があり、より大きな検索空間と異なるタスクへの適応性を持っている。
  論文  参考訳（メタデータ） (2020-08-19T04:53:31Z)
• Proximity-based Networking: Small world overlays optimized with particle swarm optimization [0.0]
  小規模世界のネットワークは、インターネットネットワーク内の情報の拡散とルックアップにおいて、信じられないほど有用である。 本稿では,各ノードの分割鍵空間内のピアの配置に,コード内の地理的位置を組み込んだネットワーク方式を提案する。 提案手法の柔軟性により,様々なSwarmモデルとエージェントが利用可能となる。
  論文  参考訳（メタデータ） (2020-06-03T01:40:46Z)
• 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。