群体智慧中的社会贝叶斯学习
社会与信息网络
2017-12-29 v1 物理与社会
摘要
能够正确地将许多人的信念聚合为单一信念，是政策制定、市场定价和投票等许多重要社会、经济和政治过程的基础性问题。尽管存在许多聚合的模型与机制，但在个体之间存在影响与学习时，关于意见聚合的方法与文献却十分匮乏。这部分是因为缺乏关于人们在接触他人信念时如何更新自身信念的模型，因此难以量化人们心智模型之间的依赖关系，而这对最小化聚合中的冗余至关重要。本文探讨了用户相互影响与相互学习的多种模型，并以著名的 DeGroot 模型为基准进行测试。我们的主要贡献为：1) 我们收集了一个规模与细节空前的新数据集，将发布于线上；2) 我们提出了一种新的社会贝叶斯模型，描述人们如何更新其心智模型；3) 我们将该模型与其他著名的社会学习模型进行比较。具体而言，我们表明这一新的社会贝叶斯模型优于其他被测模型。
引用
@article{arxiv.1712.09960,
title = {Social Bayesian Learning in the Wisdom of the Crowd},
author = {Dhaval Adjodah and Yan Leng and Shi Kai Chong and Peter Krafft and Alex Pentland},
journal= {arXiv preprint arXiv:1712.09960},
year = {2017}
}