Temel Kavramlar
ソーシャルネットワークにおける情報の循環が過激化を引き起こすメカニズムを明らかにし、Circular Belief Propagation(CBP)アルゴリズムがこの問題を軽減する可能性がある。
Özet
近年、オンラインソーシャル接続の大量化は情報の普及を促進しています。しかし、これは極端な意見の急増という問題も引き起こしています。本研究では、ソーシャルグラフ内での循環性が過激化や意見の極端化に直接つながることを示しました。Circular Belief Propagation(CBP)アルゴリズムは、この有害な影響を抑制する方法として提案されています。CBPは信念をより合理的に保ちつつ、情報共有能力を向上させます。
Facebook©やTwitter©から得られた実際のソーシャルネットワークデータでも同様の結果が観察されました。BPアルゴリズムは極端な信念を生み出す一方、CBPは穏健な信念を保ちます。特にCBPは高い次数のノードで信念と自己確信度との関係性を弱めます。
また、教師あり学習や教師なし学習によってCBPの制御パラメータが最適化されました。これらのパラメータ調整により、情報共有能力が向上し、過激化や極端化が抑制されました。
İstatistikler
モデル内部メッセージ
エージェント間相互作用強度
外部メッセージ分布平均値
Alıntılar
"Social networks could (ideally) make local information globally available as never before. However, they also tend to aberrantly amplify confidence, leading to radicalization and polarization."
"Radicalization can be defined as people reaching unreasonably confident and monolithic beliefs based on multifaceted, biased or untrustworthy data."
"In contrast to BP, the CBP algorithm leads to far more moderate opinions, with no sign of radicalization or polarization."
"We propose that the root of the radicalization problem is not disinformation or cognitive biases per se (although they certainly play a role). Rather, online message reverberation leads to systematic overconfidence."