Measuring Social Influence with Networked Synthetic Control

要約

カウンターファクタルと比較の欠如により、社会的影響を測定することは困難です。
機械学習ベースのモデリングとネットワーク科学を組み合わせることにより、社会的価値の一般的な特性を提示します。これは、政治的行動に適用される合成制御を使用した社会的影響の最近の尺度です。
社会的価値は、対象の出力変数を予測し、影響の合成尺度を生成し、ソーシャルネットワークに基づいて個々の貢献を分配するために外部レグレッサーに依存しているという点で、中心性の測定値とは異なります。
理論的導出により、格子ネットワーク、パワーローネットワーク、およびランダムグラフを介した、相互作用のある場合とない場合の線形回帰下でSVの特性を示します。
あらゆるアンサンブルモデルで計算の削減を達成できます。
シミュレーションを通じて、一般化された友情のパラドックスが保持していることがわかります。特定の状況では、あなたの友人はあなたよりも平均してより多くの影響力を持っています。

要約(オリジナル)

Measuring social influence is difficult due to the lack of counter-factuals and comparisons. By combining machine learning-based modeling and network science, we present general properties of social value, a recent measure for social influence using synthetic control applicable to political behavior. Social value diverges from centrality measures on in that it relies on an external regressor to predict an output variable of interest, generates a synthetic measure of influence, then distributes individual contribution based on a social network. Through theoretical derivations, we show the properties of SV under linear regression with and without interaction, across lattice networks, power-law networks, and random graphs. A reduction in computation can be achieved for any ensemble model. Through simulation, we find that the generalized friendship paradox holds — that in certain situations, your friends have on average more influence than you do.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google