社交图上观点形成中的影响者发现
社会与信息网络
2023-03-15 v2 多智能体系统
信号处理
摘要
自适应社会学习范式有助于建模联网智能体如何就自然状态形成观点，并在变化环境中追踪其漂移。在此框架下，智能体基于私有观测重复更新其信念，并与邻居交换信念。本工作展示了随时间公开交换的信念序列如何使用户发现关于底层网络拓扑及图上信息流的丰富信息。具体而言，表明可以（i）识别每个个体智能体对真相学习目标的影响，（ii）发现每个智能体信息灵通程度，（iii）量化智能体间的成对影响，以及（iv）学习底层网络拓扑。本文推导的算法也能在非平稳环境下工作，其中真实自然状态或图拓扑允许随时间漂移。我们将所提算法应用于 Twitter 用户的不同子网络，并利用其公开推文（帖子）识别出最具影响力和中心性的智能体。
引用
@article{arxiv.2211.13292,
title = {Discovering Influencers in Opinion Formation over Social Graphs},
author = {Valentina Shumovskaia and Mert Kayaalp and Mert Cemri and Ali H. Sayed},
journal= {arXiv preprint arXiv:2211.13292},
year = {2023}
}