基于约束随机优化的社交网络 misinformation 公平缓解
社会与信息网络
2022-03-24 v1 人工智能
摘要
近期社交网络上的 misinformation 缓解方法倾向于研究如何通过整体网络统计尺度来减少 misinformation。然而，个体间不均衡的 misinformation 暴露促使我们去研究缓解资源的公平分配。此外，网络具有随时间变化的随机动态。因此，我们引入一个随机且非平稳的背包问题，并将其求解应用于社交网络活动中的 misinformation 缓解。我们进一步提出一种通用的 misinformation 缓解算法，该算法对不同的社交网络 misinformation 统计具有鲁棒性，在真实场景中有良好影响。一种新颖的损失函数确保了用户间的公平缓解。我们通过智能地将缓解激励预算分配给背包并优化损失函数来实现公平性。为此，一组学习自动机（LA）驱动预算分配。每个 LA 与一个用户关联，并通过在其状态空间上执行非平稳随机游走学习最小化其 misinformation 暴露。我们的结果表明，基于 LA 的方法具有鲁棒性，并且在缓解对网络用户的公平影响方面优于类似的 misinformation 缓解方法。
引用
@article{arxiv.2203.12537,
title = {Socially Fair Mitigation of Misinformation on Social Networks via Constraint Stochastic Optimization},
author = {Ahmed Abouzeid and Ole-Christoffer Granmo and Christian Webersik and Morten Goodwin},
journal= {arXiv preprint arXiv:2203.12537},
year = {2022}
}
备注
These 14-pages paper is a version with appendices so that I can cite appendices in the original version of the paper which was accepted and submitted to AAAI22