論文の概要: Revisiting the Objective of Echo Chamber Detection

• arxiv url: http://arxiv.org/abs/2609.18545v1
• Date: Wed, 16 Sep 2026 12:09:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.791946
• Title: Revisiting the Objective of Echo Chamber Detection
• Title（参考訳）: エコーチャンバー検出の目的を再考する
• Abstract要約: ソーシャルネットワークにおけるエコーチャンバーの検出,すなわちトピックに同意するノードの集合の同定について,他のノードと不一致ながら検討する。 我々の知る限りでは、エコーチャンバー検出の目的関数を定式化するのはこれが初めてである。 提案アルゴリズムは,大規模な実世界のデータセットにおいて,競合する手法よりも優れたネットワーク特性を持つエコーチャンバーを生成する。
• 参考スコア（独自算出の注目度）: 17.383856244232714
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we study the detection of an echo chamber in a social network, i.e., the identification of a set of nodes that agree on a topic, while disagreeing with the rest of nodes. We argue that this problem is different from other social network analysis problems such as community detection, and from other graph problems such as maximum graph cut and maximum clique. To the best of our knowledge, we are the first to formalize the objective function of echo chamber detection, by using the theory of Fourier transforms of set functions (Stobbe and Krause, 2012). We propose scalable semidefinite relaxation, solved via an interior point method and sparse linear algebra. Experimentally, our algorithm recovers the ground truth echo chamber better than competing methods on small synthetic experiments. Our algorithm produces echo chambers with better network properties than competing methods on large real-world datasets. To independently validate our proposed objective function, we show that our algorithm finds echo chambers with more agreements with suspended users than competing methods on a small real-world dataset.
• Abstract（参考訳）: 本稿では,ソーシャルネットワークにおけるエコーチャンバの検出,すなわちトピックに同意するノードの集合の同定について,他のノードと不一致ながら検討する。 この問題は、コミュニティ検出などの他のソーシャルネットワーク分析問題と、最大グラフカットや最大傾きといったグラフ問題との違いを論じる。 我々の知る限りでは、セット関数のフーリエ変換の理論(Stobbe and Krause, 2012)を用いて、エコーチャンバー検出の目的関数を初めて公式化する。 我々は、内点法とスパース線型代数を用いて解くスケーラブル半定値緩和法を提案する。 実験により,提案アルゴリズムは,小さな合成実験において競合する手法よりも地上の真理エコーチャンバーを回復する。 提案アルゴリズムは,大規模な実世界のデータセットにおいて,競合する手法よりも優れたネットワーク特性を持つエコーチャンバーを生成する。 提案した目的関数を独立に検証するために,提案アルゴリズムは,実世界の小さなデータセットにおいて競合する手法よりも,停止ユーザとの合意度の高いエコーチャンバーを求める。

関連論文リスト

• Can Decentralized Stochastic Minimax Optimization Algorithms Converge Linearly for Finite-Sum Nonconvex-Nonconcave Problems? [56.62372517641597]
  分散化されたミニマックス最適化は、幅広い機械学習に応用されているため、ここ数年で活発に研究されている。 本稿では,非コンカブ問題に対する2つの新しい分散化ミニマックス最適化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-24T02:19:39Z)
• Implicit models, latent compression, intrinsic biases, and cheap lunches in community detection [0.0]
  コミュニティ検出は、ネットワークをノードのクラスタに分割して、その大規模な構造を要約することを目的としている。 いくつかのコミュニティ検出手法は、確率的生成モデルを通じてクラスタリングの目的を明示的に導出する。 他の方法は記述的であり、特定のアプリケーションによって動機付けられた目的に応じてネットワークを分割する。 本稿では,コミュニティ検出対象,推論対象,記述対象とそれに対応する暗黙的ネットワーク生成モデルとを関連付けるソリューションを提案する。
  論文  参考訳（メタデータ） (2022-10-17T15:38:41Z)
• Decentralized Personalized Federated Learning for Min-Max Problems [79.61785798152529]
  本稿では,より広い範囲の最適化問題を含むサドル点問題に対して,PFLを初めて検討した。 この問題に対処するための新しいアルゴリズムを提案し、滑らかな(強く)凸-(強く)凹点問題を理論的に解析する。 両線形問題に対する数値実験と, 対向雑音を有するニューラルネットワークは, 提案手法の有効性を実証する。
  論文  参考訳（メタデータ） (2021-06-14T10:36:25Z)
• Learning with Group Noise [106.56780716961732]
  グループノイズを用いた学習のための新しいマックスマッチング手法を提案する。 いくつかの学習パラダイムの領域における実世界のデータセットのレンジのパフォーマンスは、Max-Matchingの有効性を示している。
  論文  参考訳（メタデータ） (2021-03-17T06:57:10Z)
• Adversarial Examples for $k$-Nearest Neighbor Classifiers Based on Higher-Order Voronoi Diagrams [69.4411417775822]
  逆例は機械学習モデルにおいて広く研究されている現象である。 そこで本研究では,$k$-nearest 近傍分類の逆ロバスト性を評価するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-11-19T08:49:10Z)
• Effective Version Space Reduction for Convolutional Neural Networks [61.84773892603885]
  アクティブラーニングでは、サンプリングバイアスは深刻な矛盾問題を引き起こし、アルゴリズムが最適な仮説を見つけるのを妨げる可能性がある。 本稿では,畳み込みニューラルネットワークを用いた能動学習について,バージョン空間削減の原理的レンズを用いて検討する。
  論文  参考訳（メタデータ） (2020-06-22T17:40:03Z)
• GeoDA: a geometric framework for black-box adversarial attacks [79.52980486689287]
  我々は,最も困難なブラックボックス設定の1つにおいて,逆例を生成するためのフレームワークを提案する。 我々のフレームワークは、ディープネットワークの決定境界は通常、データサンプルの近傍で小さな平均曲率を持つという観察に基づいている。
  論文  参考訳（メタデータ） (2020-03-13T20:03:01Z)

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。