利用Blackwell优势在分层社交网络中进行自适应轮询
社会与信息网络
2018-10-02 v1
摘要
考虑一群个体，他们观察随时间演化的底层自然状态。该群体根据分层影响被分类为不同层级，分层影响决定了每一层级的个体如何对该状态形成意见。群体由 polling 者顺序抽样，节点(或个体)对 polling 者提出的问题作出回应。本文考虑以下问题：polling 者应如何对分层社交网络进行轮询，以估计该状态，同时最小化轮询成本(测量成本与贝叶斯状态估计中的不确定性)？本文提出了以下轮询方法的自适应版本：意图轮询(Intent Polling)、期望轮询(Expectation Polling)，以及最近提出的邻域期望轮询(Neighbourhood Expectation Polling)，以应对随时间变化的自然状态和社交网络中的分层影响。分层社交网络中的自适应轮询问题被建模为部分可观测马尔可夫决策过程(POMDP)。我们的主要结果利用了轮询问题的结构，确定了 Blackwell 优势的新条件，以构造短视策略，可证明地给出自适应轮询 POMDP 最优策略的上界。LeCam 亏量被用于确定一般轮询问题的近似 Blackwell 优势。这些 Blackwell 优势条件也便于比较分层社交网络中出现的更一般信道结构的 Renyi 散度与香农容量。文中给出了数值示例，以说明利用从 YouTube 数据估计的参数得到的自适应轮询策略。
引用
@article{arxiv.1810.00571,
title = {Adaptive Polling in Hierarchical Social Networks using Blackwell Dominance},
author = {Sujay Bhatt and Vikram Krishnamurthy},
journal= {arXiv preprint arXiv:1810.00571},
year = {2018}
}