개인의 미시적 선택이 그룹 형성과 분해의 복잡한 동역학을 만들어낸다.
시간 변화 사회 네트워크에서 세 가지 대리인 유형(고집스러운 대리인, 인기 있는 대리인, 전략적 대리인)이 네트워크 내 의견 분포에 미치는 영향을 분석하고 비교하였다.
온라인 플랫폼은 사용자 생성 콘텐츠를 "집단적 사회적 책임"에 기반하여 스마트하고 개인화된 방식으로 집계하고 라우팅할 수 있다. 이를 통해 허위 정보 유포를 방지하면서도 사용자에게 신뢰할 수 있는 정보를 제공할 수 있다.
본 연구는 복잡한 네트워크 혼란 변수를 조정하고 직접 효과와 또래 효과를 효율적으로 추정하기 위해 그래프 신경망과 이중 기계 학습을 결합한 새로운 방법론을 제안한다.
본 연구는 복잡한 네트워크 혼란 변수를 효과적으로 조정하고 직접 효과와 또래 효과를 일관되게 추정할 수 있는 그래프 신경망 기반 이중 기계 학습 방법론을 제안한다.
본 연구는 대규모 언어 모델을 활용하여 개인의 다양한 성향과 상호작용을 반영한 가짜 뉴스 전파 시뮬레이션 프레임워크를 제안한다. 이를 통해 가짜 뉴스 확산 패턴과 효과적인 대응 전략을 도출한다.
본 연구는 의견 채택 확률이 의견 간 관계에 따라 달라지는 새로운 유권자 모델을 제안하고 분석한다. 이를 통해 의견 고정 확률과 합의 시간에 대한 이론적 결과를 도출한다.