基于未知先天意见的 Friedkin-Johnsen 模型中的极化与不一致最小化
社会与信息网络
2025-01-29 v2
摘要
意见优化文献的大部分研究采用 Friedkin-Johnsen (FJ) 意见动力学模型，其中所有节点的先天意见均为已知：这一假设不切实际。在本文中，我们在不完全了解先天意见的情况下研究意见优化。具体而言，我们借用文献中的一系列目标函数，旨在最小化polarization和/或disagreement，我们 tacked the budgeted optimization problem，其中我们只能查询 limited number of nodes的先天意见。鉴于问题的复杂性，我们提出了一个基于三个步骤的 framework：(1) 选择我们查询的 limited number of nodes，(2) 基于这些查询的节点重建所有节点的先天意见，(3) 使用重建后的意见优化目标函数。对于 framework 的每个步骤，我们 present and systematically evaluate several effective strategies。我们 work 的关键贡献是对重建先天意见中误差传播的严格分析，这量化了先天意见重建误差如何影响最终解决方案的质量。我们的实验在 various synthetic and real-world datasets 上 show that we can effectively minimize polarization and disagreement even if we have quite limited information about innate opinions。
关键词
引用
@article{arxiv.2501.16076,
title = {Minimizing Polarization and Disagreement in the Friedkin-Johnsen Model with Unknown Innate Opinions},
author = {Federico Cinus and Atsushi Miyauchi and Yuko Kuroki and Francesco Bonchi},
journal= {arXiv preprint arXiv:2501.16076},
year = {2025}
}