基于社会动态的公众意见分区采样
社会与信息网络
2016-11-28 v3 数据分析、统计与概率
物理与社会
摘要
公众意见调查通常通过对全体人口进行随机抽样完成，将个体意见视为独立的。在现实世界中，个体意见常常相关，例如社交网络中的朋友之间。本文探讨分区采样的思想，即将意见高度相似的个体划分成组，然后分别对每个组采样，以获得对总体意见的准确估计。我们将上述思想严格表述为一个优化问题。进而表明，每个组仅含一个样本的简单划分总是更优的，并将寻找最优简单划分归约为一个被广泛研究的 Min-r-Partition 问题。我们调整了一种近似算法和一种启发式算法来求解该优化问题。此外，为高效获取意见相似性，我们采用一种著名的意见演化模型来刻画社会互动，并基于该模型给出意见相似性的精确计算。我们使用合成和真实世界数据集证明，分区采样方法显著提升了采样质量，且在某些意见相似性不准确甚至缺失时具有鲁棒性。
引用
@article{arxiv.1510.05217,
title = {Partitioned Sampling of Public Opinions Based on Their Social Dynamics},
author = {Weiran Huang and Liang Li and Wei Chen},
journal= {arXiv preprint arXiv:1510.05217},
year = {2016}
}