Effiziente Verarbeitung und Analyse von Inhalten zur Gewinnung von Erkenntnissen mithilfe stochastischer Gradientenabstiegsverfahren

Wir entwickeln eine effiziente SGD-basierte Inferenzmethode für das erweiterte CLSNA-Modell, um die Herausforderungen der Skalierbarkeit auf große Netzwerke mit ein- und austretenden Knoten zu bewältigen. Unsere Methode ermöglicht es, Verzerrungen durch Selektionseffekte zu vermeiden und bisher verborgene repulsive Kräfte innerhalb der Republikanischen Partei aufzudecken.