論文の概要: Static and Dynamic Strategies for Influencing Opinions in Social Networks

• arxiv url: http://arxiv.org/abs/2605.14918v1
• Date: Thu, 14 May 2026 14:52:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-15 21:45:34.891764
• Title: Static and Dynamic Strategies for Influencing Opinions in Social Networks
• Title（参考訳）: ソーシャル・ネットワークにおけるオピニオンの静的・動的戦略
• Authors: Paolo Tarantino, Fabio Mazza, Carlo Piccardi, Francesco Pierri,
• Abstract要約: 本研究では,対象のスタブボーンエージェントが,有界信頼度力学によって支配されるネットワークの平均的意見をどう変えるかを検討する。 静的な介入は、頑固なエージェントが一定の極端な意見を保ち、ダイナミックな介入は、その意見が徐々に中程度から極端な値へと進化していく。
• 参考スコア（独自算出の注目度）: 1.3552831447371743
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The ability of a small set of coordinated actors to manipulate opinions in online social networks poses a serious challenge to the fairness and integrity of public debate. We investigate this problem by studying how targeted stubborn agents can shift the average opinion of a network governed by the Hegselmann-Krause bounded-confidence dynamics. Experiments are conducted on weighted LFR benchmark networks with community structure, using multiple node-selection strategies based on degree, strength, PageRank, betweenness, k-coreness, s-coreness, and salience. We compare static interventions, in which stubborn agents keep a fixed extreme opinion, with dynamic interventions, in which their opinion gradually evolves from moderate to extreme values. Results show that dynamic strategies are substantially more effective than static ones, as they exploit bounded-confidence dynamics to progressively recruit intermediate agents and extend influence across the network. In contrast, static strategies tend to create early opinion separation and therefore have a more limited reach. We also find that while some centrality measures offer advantages in static settings, dynamic interventions can achieve strong performance even with simple or random node selection. Overall, the study clarifies how intervention design and target selection interact in shaping collective opinions, with implications for understanding and countering manipulation in social networks.
• Abstract（参考訳）: 少数の調整された俳優がオンラインソーシャルネットワークで意見を操作する能力は、公開討論の公平さと完全性に深刻な課題をもたらす。 そこで本研究では,Hugselmann-Krause境界信頼度力学によって支配されるネットワークの平均的意見が,ターゲットスタブボーンエージェントによってどのようにシフトするかを検討する。 コミュニティ構造を持つ重み付きLFRベンチマークネットワーク上で、度数、強度、ページランク、間性、kコア性、sコア性、サリエンスに基づく複数のノード選択戦略を用いて実験を行った。 静的な介入は、頑固なエージェントが一定の極端な意見を保ち、ダイナミックな介入は、その意見が徐々に中程度から極端な値へと進化していく。 その結果、動的戦略は静的戦略よりもはるかに効果的であることが示され、彼らは境界信頼度力学を利用して中間エージェントを徐々に採用し、ネットワーク全体に影響力を拡大している。 対照的に、静的戦略は早期の意見分離を引き起こす傾向があるため、より限定的なリーチを持つ。 また、いくつかの集中度尺度は静的な設定に利点をもたらすが、動的介入は単純なノードの選択やランダムなノードの選択であっても高いパフォーマンスを達成することができる。 全体としては、介入設計と対象選択が集団的な意見を形成する際にどのように相互作用するかを明らかにするとともに、ソーシャルネットワークにおける理解と対処の操作に影響を及ぼす。

関連論文リスト

• Dynamic Treatment on Networks [0.7349727826230862]
  ネットワークにおいて、効果的な動的処理割り当ては、引きこぼしによるポリシーの影響を増幅するために、誰が扱うか、いつ扱うかを決定する必要がある。 本稿では,ベイズ力学Isingモデルを用いて,1つの観測パネルからネットワーク適用動態を推定する3段階パイプラインQ-Isingを提案する。 本研究では,インド・ビレッジのマイクロファイナンスネットワークと人工ブロックモデルを用いて,異種性感受性感受性(SIS)動態のシミュレーションを行った。
  論文  参考訳（メタデータ） (2026-05-07T16:58:38Z)
• Pacing Opinion Polarization via Graph Reinforcement Learning [0.0]
  PACIFIERは、ネットワーク介入による逐次分極変調のためのグラフ強化学習フレームワークである。 正統的な問題を逐次的な意思決定タスクとして再構成し、定常的な再計算を繰り返すことなく適応的な介入ポリシーを可能にする。 実世界のネットワークの実験は、様々なモデレーションシナリオにおける強力なパフォーマンスとスケーラビリティを示している。
  論文  参考訳（メタデータ） (2026-02-23T11:57:04Z)
• DynamiX: Large-Scale Dynamic Social Network Simulator [101.65679342680542]
  DynamiXは、動的ソーシャルネットワークモデリングに特化した新しい大規模ソーシャルネットワークシミュレータである。 世論のリーダーに対しては、情報ストリームに基づくリンク予測手法を提案し、同様の姿勢で潜在的ユーザを推薦する。 一般ユーザに対しては,不等式指向の行動決定モジュールを構築する。
  論文  参考訳（メタデータ） (2025-07-26T12:13:30Z)
• Decentralized Learning Strategies for Estimation Error Minimization with Graph Neural Networks [86.99017195607077]
  統計的に同一性を持つ無線ネットワークにおける自己回帰的マルコフ過程のサンプリングとリモート推定の課題に対処する。 我々のゴールは、分散化されたスケーラブルサンプリングおよび送信ポリシーを用いて、時間平均推定誤差と/または情報の年齢を最小化することである。
  論文  参考訳（メタデータ） (2024-04-04T06:24:11Z)
• Towards Improving Robustness Against Common Corruptions in Object Detectors Using Adversarial Contrastive Learning [10.27974860479791]
  本稿では, ニューラルネットワークの強靭性向上と, 対人攻撃と共通汚職の同時防止を目的とした, 革新的な対人的コントラスト学習フレームワークを提案する。 対戦型および実世界の条件下での性能向上に焦点を合わせることで、安全クリティカルなアプリケーションにおけるニューラルネットワークの堅牢性を高めることを目的としている。
  論文  参考訳（メタデータ） (2023-11-14T06:13:52Z)
• Leveraging Low-Rank and Sparse Recurrent Connectivity for Robust Closed-Loop Control [63.310780486820796]
  繰り返し接続のパラメータ化が閉ループ設定のロバスト性にどのように影響するかを示す。 パラメータが少ないクローズドフォーム連続時間ニューラルネットワーク(CfCs)は、フルランクで完全に接続されたニューラルネットワークよりも優れています。
  論文  参考訳（メタデータ） (2023-10-05T21:44:18Z)
• Temporal Dynamics of Coordinated Online Behavior: Stability, Archetypes, and Influence [43.555910858821576]
  大規模なオンラインキャンペーンは、悪意のあるものであれ、その他のものであれ、参加者間でかなりの調整が必要である。 ここでは,協調行動の最初の動的解析を行う。 新たなアプローチにより, (i) コーディネートされたコミュニティは, 時間的不安定度の変動を特徴とし, (ii) 静的解析の結果は不安定なコミュニティをほとんど信頼できない, ほとんど代表できないことがわかった。
  論文  参考訳（メタデータ） (2023-01-17T09:52:54Z)

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。