揭示正面与负面角色模型以帮助人们作出良好决策

我们考察代理人通过遵循社交网络中的角色模型来采取行动的情境，并研究社交规划者通过揭示角色模型是否为正面或负面来帮助代理人的策略。具体而言，代理人观察一组可能的角色模型但并不知晓其真实标签。揭示正面标签会鼓励模仿，而揭示负面标签则将代理人引导至备选方案。社交规划者观察所有标签，但受限于揭示预算，需有选择性地分配以最大化社会福祉（即采纳相邻正面角色模型的代理人预期数量）。我们对福祉最大化问题给出算法和难度结果，并在规划者观察抽样子集代理人时提供样本复杂度保证。我们还考虑当代理人属于不同群组时的公平性保证。值得注意的是，揭示负面角色模型的能力会破坏亚调和性。这一技术挑战促使我们引入一个代理福祉函数，即使被揭示的目标包含负面角色模型，该函数仍保持亚调和性。当每个代理人最多只有常数个负面目标邻居时，我们使用该代理函数实现对真实最优福祉增益的常数因子近似。当代理人属于不同群组时，我们还表明每个群组的福祉增益均在常数因子范围内。除上述基本模型外，我们还提出一种直接将高风险代理人连接到正面角色模型的干预模型，以及一种扩大所选正面角色模型可见性的覆盖半径模型。最后，我们在四个真实世界数据集上进行大量实验，以支持理论结果并评估所提出算法的有效性。