Keskeiset käsitteet
オンラインソーシャルネットワークにおいて、真実の情報の伝播を最大化し、虚偽情報の影響を軽減するために、不確実性を考慮した意見モデルを用いた深層強化学習ベースのフレームワークを提案する。
Tiivistelmä
本研究では、オンラインソーシャルネットワーク(OSN)における競争的影響最大化(CIM)問題に取り組む。CIMでは、真実の情報を伝播させる当事者と虚偽の情報を伝播させる当事者が、ネットワーク内の重要なユーザ(シードノード)を選択し、相互に影響力を最大化しようとする。
従来のCIM研究では、ユーザの意見を単純な二値(0または1)で表現していたが、本研究ではより現実的な主観論理(Subjective Logic)に基づく不確実性を考慮した意見モデル(UOM)を提案する。UOMは、ユーザの信念、不信、不確実性を表現し、意見の動的な変化を捉えることができる。
さらに、真実の情報を伝播する当事者と虚偽の情報を伝播する当事者の2つのDRL(深層強化学習)エージェントを導入し、戦略的な相互作用を考慮したCIMフレームワークを開発した。
実験の結果、提案手法は従来手法と比較して、より効率的かつ効果的に真実の情報の伝播を促進し、虚偽情報の影響を軽減することができることが示された。特に、部分的に観測可能なネットワークや、ユーザの事前信念が真実に偏っていない場合でも、提案手法は頑健な性能を発揮した。
Tilastot
真実の情報を伝播する当事者の影響力は、提案手法(DRIM-A)が従来手法(C-STORM)より20%以上高い。
部分的に観測可能なネットワークにおいて、提案手法(DRIM-A)の性能は従来手法の2倍以上である。
ユーザの事前信念が真実に偏っていない場合でも、提案手法(DRIM-A)は従来手法より優れた性能を示す。
Lainaukset
"オンラインソーシャルネットワーク(OSN)は、情報交換と意見形成の主要なプラットフォームである。"
"従来のCIM研究では、ユーザの意見を単純な二値(0または1)で表現していたが、本研究ではより現実的な主観論理(Subjective Logic)に基づく不確実性を考慮した意見モデル(UOM)を提案する。"
"提案手法は従来手法と比較して、より効率的かつ効果的に真実の情報の伝播を促進し、虚偽情報の影響を軽減することができる。"