The DeGroot model for Social Influence and Opinions

Σχετικά έγγραφα
Το μοντέλο DeGroot και το Παίγνιο Επιρροής

POSITIVE AND NEGATIVE RELATIONSHIPS

Βασικές Έννοιες Θεωρίας Παιγνίων

Θεωρία Παιγνίων Δρ. Τασσόπουλος Ιωάννης

Web Mining. Χριστίνα Αραβαντινού Ιούνιος 2014

Ανάκληση Πληροφορίας. Διδάσκων Δημήτριος Κατσαρός

Αλγόριθμοι και Πολυπλοκότητα

Κατευθυνόμενα γραφήματα. Μαθηματικά Πληροφορικής 6ο Μάθημα. Βρόγχοι. Μη κατευθυνόμενα γραφήματα. Ορισμός

Συστήματα Markov Ένα σύστημα Markov διαγράμματος μετάβασης καταστάσεων

Αρχιτεκτονική Νευρωνικών Δικτύων

Monitor Games BOWLING

Ασκήσεις μελέτης της 6 ης διάλεξης

Ανάκληση Πληροφορίας. Διδάσκων Δημήτριος Κατσαρός

d(v) = 3 S. q(g \ S) S

ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΦΡΟΝΤΙΣΤΗΡΙΟ ΑΛΓΟΡΙΘΜΩΝ ΒΟΗΘΟΣ: ΒΑΓΓΕΛΗΣ ΔΟΥΡΟΣ

Το πιο απλό δίκτυο είναι η δυάδα ή το ζευγάρι. Οι δυάδες συνδέονται μεταξύ τους για να δημιουργήσουν μεγαλύτερα δίκτυα

Πληροφοριακά Συστήματα Διοίκησης (ΜΒΑ) Ενότητα 8: Παίγνια πλήρους και ελλιπούς πληροφόρησης

Αλγόριθμοι και πολυπλοκότητα: 4 η σειρά ασκήσεων ΣΗΜΜΥ - Ε.Μ.Π.

παίγνια και δίκτυα Παύλος Στ. Εφραιµίδης Τοµέας Λογισµικού και Ανάπτυξης Εφαρµογών Τµήµα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών


Τσάπελη Φανή ΑΜ: Ενισχυτική Μάθηση για το παιχνίδι dots. Τελική Αναφορά

q(g \ S ) = q(g \ S) S + d = S.

Κεφάλαιο 1. Πέντε Αντιπροσωπευτικά Προβλήματα. Έκδοση 1.4, 30/10/2014. Χρησιμοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.

ΜΥΕ003: Ανάκτηση Πληροφορίας. Διδάσκουσα: Ευαγγελία Πιτουρά Κεφάλαιο 21: Ανάλυση Συνδέσμων.

2 ) d i = 2e 28, i=1. a b c

Δημοπρασίες (Auctions)

Τομές Γραφήματος. Γράφημα (μη κατευθυνόμενο) Συνάρτηση βάρους ακμών. Τομή : Διαμέριση του συνόλου των κόμβων σε δύο μη κενά σύνολα

Ασκήσεις μελέτης της 19 ης διάλεξης

(elementary graph algorithms)

(elementary graph algorithms)

ΠΛΗ 513-Αυτόνομοι Πράκτορες Χειμερινό εξάμηνο 2012 Εφαρμογή αλγορίθμων ενισχυτικής μάθησης στο παιχνίδι Βlackjack. Χλης Νικόλαος-Κοσμάς

ΜΥΕ003: Ανάκτηση Πληροφορίας. Διδάσκουσα: Ευαγγελία Πιτουρά Κεφάλαιο 21: Ανάλυση Συνδέσμων.

Κατευθυνόμενα γραφήματα. Μαθηματικά Πληροφορικής 6ο Μάθημα. Βρόχοι. Μη κατευθυνόμενα γραφήματα. Ορισμός

ΠΛΗ 20, 5 η ΟΣΣ: Θεωρία Γραφημάτων

Να απαντήσετε τα θέματα 1 και 2 αιτιολογώντας πλήρως τις απαντήσεις σας. Το κάθε θέμα είναι 10 μονάδες.

ΠΛΗ20 ΕΝΟΤΗΤΑ 5: ΘΕΩΡΙΑ ΓΡΑΦΗΜΑΤΩΝ/2. Μάθηµα 5.1: Παραστάσεις Γραφηµάτων. ηµήτρης Ψούνης

ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΦΡΟΝΤΙΣΤΗΡΙΟ ΑΛΓΟΡΙΘΜΩΝ ΒΟΗΘΟΣ: ΒΑΓΓΕΛΗΣ ΔΟΥΡΟΣ

Πρόβλεψη αποτελεσμάτων ποδοσφαιρικών αγώνων βάσει του ιστορικού των αναμετρήσεων

2. Real Web time personalization

9. Συστολικές Συστοιχίες Επεξεργαστών

Παραδείγματα Παιγνίων

Κατευθυνόμενα γραφήματα. Μαθηματικά Πληροφορικής 6ο Μάθημα. Βρόχοι. Μη κατευθυνόμενα γραφήματα. Ορισμός

Ασκήσεις Φροντιστηρίου «Υπολογιστική Νοημοσύνη Ι» 4 o Φροντιστήριο

Θεωρία Λήψης Αποφάσεων

B A B A A 1 A 2 A N = A i, i=1. i=1

Χρήστος Ι. Σχοινάς Αν. Καθηγητής ΔΠΘ. Συμπληρωματικές σημειώσεις για το μάθημα: «Επιχειρησιακή Έρευνα ΙΙ»

ΚϟΎΜϟ Ϟμϔϟ αέ ΪϤϟ Ϧϣ ΎϴϠόϟ ϞΣ ήϥϟ ϲϓ ϥύδϧϲ ϕϯϙσ βϳέϊθϟ ϊθο Ϯϣ ΔϳϮϧΎΜϟ ϭ ΔϳΩ ΪϋϹ αέ ΪϤϟ ϲϓϭ Δϴ ΪΘΑϻ ϊϥθπϥϟ ϲϓ Ωήϔϟ ˬΓΎϴΤϟ ΔϳΎϤΣ

Περιεχόμενα 1 Scriptorium (Ταμπλό Αξίας Κατηγορίας) 5 εξάπλευρα ζάρια 87 κάρτες

Πανεπιστήμιο Δυτικής Μακεδονίας. Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών. Διακριτά Μαθηματικά. Ενότητα 2: Γραφήματα

Κατευθυνόµενα γραφήµατα. Στοιχεία Θεωρίας Γραφηµάτων (1) Πολυγραφήµατα (Multigraphs)

Κεφ.3 Δυνάμεις ΓΕΝΙΚΑ. Τα σώματα κινούνται (κεφ.2) και αλληλεπιδρούν. (κεφ.3)

Γραµµική Αλγεβρα. Ενότητα 1 : Εισαγωγή στη Γραµµική Αλγεβρα. Ευστράτιος Γαλλόπουλος Τµήµα Μηχανικών Η/Υ & Πληροφορικής

ΠΛΗ 20, 5 η ΟΣΣ: Θεωρία Γραφημάτων

ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΕΤΟΙΜΑΣΙΑ. 15 Δείκτες Δημάρχου. 30 Δείκτες Επιρροής. 15 Δείκτες Δωροδοκίας. 1 Πιόνι Εκτελεστή. 21 Κύβοι Αξίας.

Ανάκληση Πληροφορίας. Διδάσκων Δημήτριος Κατσαρός

Ανάκτηση Πληροφορίας

Στοιχεία Θεωρίας Γραφηµάτων (1)

Ειδικά θέματα Αλγορίθμων και Δομών Δεδομένων (ΠΛΕ073) Απαντήσεις 1 ου Σετ Ασκήσεων

ΠΛΗ 20, 5 η ΟΣΣ: Θεωρία Γραφημάτων

Μεγάλος τελικός Γαλλία Κροατία για το Μουντιάλ 2018

4.4 Το πρόβλημα του ελάχιστου ζευγνύοντος δένδρου

Λύσεις 4ης Σειράς Ασκήσεων

Εύρεση & ιαχείριση Πληροφορίας στον Παγκόσµιο Ιστό

Κοινωνικά Δίκτυα Αναζήτηση Πληροφοριών σε Δίκτυα

Πιο συγκεκριμένα, η χρήση του MATLAB προσφέρει τα ακόλουθα πλεονεκτήματα.

w S n lim (n 1)! = x(x + q)(x + q + q 2 ) (x + q + q q n 1 ),

x (a 1 + a 2 ) mod 9, y (a 1 a 2 ) mod 9.

Προβλήματα Ελάχιστου Κόστους Ροής σε Δίκτυο. Δίκτυα Ροής Ελάχιστου Κόστους (Minimum Cost Flow Networks)

Εύρεση & ιαχείριση Πληροφορίας στον Παγκόσµιο Ιστό

Ε Π Ι Χ Ε Ι Ρ Η Σ Ι Α Κ Η Ε Ρ Ε Υ Ν Α

Θέματα Μεταγλωττιστών

Ο αλγόριθμος PageRank της Google

Δομές Δεδομένων και Αλγόριθμοι

ΘΕΜΑ: ΤΟ ΚΟΙΝΩΝΙΚΟ ΔΙΚΤΥΟ ΩΣ ΜΕΣΟ ΔΙΑΜΟΡΦΩΣΗΣ ΕΝΟΣ ΝΕΟΥ ΝΟΜΙΣΜΑΤΙΚΟΥ ΣΥΣΤΗΜΑΤΟΣ_ Η ΠΕΡΙΠΤΩΣΗ ΤΟΥ PAY WITH A TWEET

Διάλεξη 3: Σχήμα 3.3: Το σύνολο των κόκκινων ακμών είναι ακμοδιαχωριστής αλλά όχι τομή. Το σύνολο ακμών {1, 2, 3} είναι τομή. Από

Μετασχηματισμοί, Αναπαράσταση και Ισομορφισμός Γραφημάτων

Εισαγωγή Φώτης Πλέσσας

Εθνικό Μετσόβιο Πολυτεχνείο. Ταχύτητα Σύγκλισης εναντίον Μνήμης στη Διαμόρφωση Απόψεων

Μέγιστη ροή. Κατευθυνόμενο γράφημα. Συνάρτηση χωρητικότητας. αφετηρίακός κόμβος. τερματικός κόμβος. Ροή δικτύου. με τις ακόλουθες ιδιότητες

Αναζήτηση Κατά Πλάτος

Οδηγίες σχεδίασης στο περιβάλλον Blender

ΠΑΝΕΠΙΣΤΗΜΙΟ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΑΚΑΔΗΜΑΪΚΟ ΕΤΟΣ ΜΑΘΗΜΑ: ΣΤΑΤΙΣΤΙΚΗ - ΕΞΑΜΗΝΟ: 3 ο ΑΣΚΗΣΕΙΣ: ΠΙΘΑΝΟΤΗΤΕΣ Άσκηση 1.1 Να βρεθούν οι πιθανότητες:

Μεταγλωττιστές. Γιώργος Δημητρίου. Μάθημα 12 ο. Πανεπιστήμιο Θεσσαλίας - Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών

ΦΙΛΤΡΟ KALMAN ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ

e 2 S F = [V (H), V (H)]. 3-1 e 1 e 3

HY118-Διακριτά Μαθηματικά

Αλγοριθμική Θεωρία Παιγνίων

Δοµές Δεδοµένων & Ανάλυση Αλγορίθµων 3ο Εξάµηνο. Γραφήµατα. (Graphs)

Κεφάλαιο 8. NP και Υπολογιστική Δυσεπιλυσιμότητα. Παύλος Εφραιμίδης V1.1,

ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Π

Αλγόριθμοι εύρεσης ελάχιστων γεννητικών δέντρων (MST)

Επαγωγή και αναδρομή για άκυκλα συνεκτικά γραφήματα

Μαθηματικά Πληροφορικής

Κεφάλαιο 8. NP και Υπολογιστική Δυσεπιλυσιμότητα. Χρησιμοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.

Γενική Φυσική. Ο νόμος Coulomb. Το ηλεκτρικό πεδίο. Κωνσταντίνος Χ. Παύλου 1

Ο ΑΤΔ Λεξικό. Σύνολο στοιχείων με βασικές πράξεις: Δημιουργία Εισαγωγή Διαγραφή Μέλος. Υλοποιήσεις

ΦΥΣ 145 Μαθηματικές Μέθοδοι στη Φυσική. Γράψτε το ονοματεπώνυμο και αριθμό ταυτότητάς σας στο πάνω μέρος της αυτής της σελίδας.

ΘΕΩΡΙΑ ΓΡΑΦΩΝ. 7 η Διάλεξη Συνεκτικότητα (Συνδεσμικότητα) Βασικές έννοιες και ιδιότητες Το θεώρημα του Merger Ισομορφισμός

Γραμμικός Προγραμματισμός

HY380 Αλγόριθμοι και πολυπλοκότητα Hard Problems

Transcript:

The DeGroot model for Social Influence and Opinions

An Example

Περιεχόμενα Το βασικό μοντέλο DeGroot Το μοντέλο DeGroot με πεισματάρηδες κόμβους

Ένα παράδειγμα Έστω ένα κοινωνικό δίκτυο με τρεις κόμβους 1, 2 και 3 (βλ. σχήμα) Ο κόμβος 1 λαμβάνει υπόψη τη δική του γνώμη, τη γνώμη του κόμβου 2 και τη γνώμη του κόμβου 3. Όλες με βαρύτητα 1/3. Αυτό απεικονίζεται στο σχήμα με τις εξερχόμενες ακμές από τον κόμβο 1. Αντίστοιχα ο κόμβος 2 εμπιστεύεται μόνο τον εαυτό του και τον κόμβο 1, ενώ ο κόμβος 3 κυρίως τον εαυτό του και λίγο τον 2. Έστω ότι ο κόμβος 1 έχει αρχική γνώμη 0 και οι κόμβοι 2 και 3 έχουν αρχική γνώμη 1. Τι θα συμβεί εάν αρχίσουν να αλληλεπιδρούν μεταξύ τους οι κόμβοι και να αναθεωρούν ο καθένας τη γνώμη του;

Ενημέρωση γνώμης στο μοντέλο DeGroot Στο μοντέλο DeGroot κάθε κόμβος ενημερώνει τη γνώμη του σε κάθε γύρο υπολογίζοντας το σταθμισμένο μέσο όρο των γνωμών όλων των κόμβων τους οποίους εμπιστεύεται. Με αρχικές γνώμες p(0)=(1, 0, 0) για τους τρεις κόμβους τη χρονική στιγμή 0, η γνώμη του κόμβου 1 τη χρονική στιγμή 1 θα είναι: 1 * 1/3 + 0 * 1/3 + 0* 1/3 = 1/3 Όμοια η γνώμη του κόμβου 2 θα είναι 1/2 * 1 + 1/2 * 0 = 1/2 και του κόμβου 3 1/4 * 0 + 3/4 * 0 = 0 Επομένως τη χρονική στιγμή 1 οι γνώμες θα είναι p(1)=(1/3, 1/2, 0).

Διαμόρφωση Τα διανύσματα με τις γνώμες των κόμβων σε διαδοχικές χρονικές στιγμές θα είναι p(0)=(1, 0, 0) p(1)=(1/3, 1/2, 0) p(2)=(5/18, 5/12, 1/8) p(3)=(59/216, 25/72, 19/96) p(t) (3/11, 3/11, 3/11)

Διαμόρφωση γνώμης Εάν συνεχιστεί η διαδικασία ενημέρωσης της γνώμης οι κόμβοι σταδιακά θα συγκλίνουν σε μια κοινή γνώμη και θα υπάρξει ομοφωνία (consensus). Η τελική γνώμη θα είναι (3/11, 3/11, 3/11). Μια μαθηματική ανάλυση του πίνακα του γραφήματος του κοινωνικού δικτύου δίνει ότι η βαρύτητα κάθε κόμβου στη διαμόρφωση της τελικής κοινής γνώμης είναι (3/11, 4/11, 4/11). Το διάνυσμα (3/11, 4/11, 4/11) ονομάζεται διάνυσμα επιρροής του γραφήματος (influence vector). Επομένως οι κόμβοι 2 και 3 έχουν (λίγο) μεγαλύτερη επιρροή από τον κόμβο 1. Παρόμοια ανάλυση χρησιμοποιείται και από τον αλγόριθμο PageRank της Google για τον υπολογισμό της βαρύτητας (rank) κάθε ιστοσελίδας του παγκόσμιου ιστού.

Πίνακας Τ του γραφήματος Έστω ο πίνακας γειτνίασης Τ του γραφήματος Τότε και p(1) = T p(0) p(2) = T p(1) = T 2 p(0) p(3) = T p(2) = T 3 p(0) p(t) = T p(t-1) = T t p(0) (3/11, 3/11, 3/11)

Δυνάμεις του πίνακα Τ Τ =, T 2 = T 3 = T t Το T t συγκλίνει προς έναν πίνακα που κάθε γραμμή του είναι το διάνυσμα επιρροής του γραφήματος.

Πεισματάρηδες κόμβοι Εάν ένας κόμβος στο μοντέλο DeGroot δεν έχει εξερχόμενες ακμές προς άλλους κόμβους, τότε η γνώμη τους μένει ανεπηρέαστη και επομένως σταθερή. Τέτοιοι κόμβοι ονομάζονται πεισματάρηδες ή απόλυτα πεισματάρηδες (stubborn ή fully stubborn). Για παράδειγμα στο παρακάτω κοινωνικό δίκτυο ο κόμβος 1 είναι απόλυτα πεισματάρης

Μερικώς πεισματάρηδες κόμβοι Ένας κόμβος ο οποίος επηρεάζεται άμεσα από απόλυτα πεισματάρη κόμβο αλλά και από άλλους μη πεισματάρηδες κόμβους, ονομάζεται μερικώς πεισματάρης (partial stubborn). Για παράδειγμα στο παρακάτω κοινωνικό δίκτυο ο κόμβος 2 είναι μερικώς πεισματάρης, εφόσον επηρεάζεται άμεσα από τον κόμβο 1 που είναι απόλυτα πεισματάρης.

Διαμόρφωση γνώμης Όταν σε ένα μοντέλο DeGroot υπάρχει τουλάχιστον ένας πεισματάρης κόμβος (είτε απόλυτα είτε μερικώς) τότε Η αρχική γνώμη των μη πεισματάρηδων κόμβων δεν έχει καμία επιρροή στις τελικές γνώμες Εάν ένας μόνο κόμβος είναι πεισματάρης (είτε απόλυτα είτε μερικώς) τότε η γνώμη του θα επικρατήσει σε όλο το κοινωνικό δίκτυο Εάν δύο ή περισσότεροι κόμβοι είναι πεισματάρηδες τότε το κοινωνικό δίκτυο πιθανότατα πάλι συγκλίνει χωρίς όμως γενικά να καταλήγουν οι κόμβοι σε ομοφωνία οι τελικές γνώμες εξαρτώνται από τις αρχικές γνώμες των πεισματάρηδων κόμβων και την τοπολογία του γραφήματος

Εργασία Η γνώμη κάθε κόμβου είναι ένας πραγματικός αριθμός στο διάστημα 0 έως 1. Δύο παίκτες θα ανταγωνίζονται πάνω στο κοινωνικό γράφημα ο ένας παίκτης θα προσπαθεί να επηρεάσει το κοινωνικό ώστε οι γνώμες των κόμβων να συγκλίνουν όσο γίνεται προς το 0 ο δεύτερος παίκτης θα προσπαθεί να επηρεάσει τις γνώμες προς το 1 Τελικό αποτέλεσμα: Η μέση τιμή των τελικών γνωμών όλων των κόμβων. Δύο κριτήρια: Εάν η μέση τιμή είναι < 0.5 κέρδισε ο παίκτης του 0, εάν είναι > 0.5 κέρδισε ο παίκτης του 1, εάν είναι 0.5 τότε είναι ισοπαλία. Η απόλυτη τιμή της απόστασης της μέσης τιμής από την τιμή που επιδιώκει ένας παίκτης είναι επίσης ένα μέτρο της επιτυχίας του. Δηλαδή εάν η μέση τιμή είναι 0.6 τότε ο παίκτης του 0 έχει χάσει, αλλά έχει καταφέρει να επηρεάσει κατά 0.4 το σκορ. Εάν η μέση τιμή ήταν 0.8, τότε ο παίκτης 0 θα είχε επηρεάσει μόνο κατά 0.2.

Εργασία 3 Κάθε παίκτης έχει το δικαίωμα να κάνει μερικώς πεισματάρηδες μέχρι πέντε κόμβους του κοινωνικού γραφήματος. Ουσιαστικά δηλαδή μπορεί να προσπαθήσει να εξαγοράσει μέχρι πέντε κόμβους του γραφήματος. Πως Μπορεί να συνδέσει μέχρι πέντε κόμβους με έναν κόμβο απόλυτα πεισματάρη που έχει τη γνώμη που υποστηρίζει ο παίκτης. Κάθε σύνδεση έχει ένα βάρος (το ποσό της δωροδοκίας) Συνολικά κάθε παίκτης μπορεί να επενδύσει μέχρι 200 μονάδες βάρους (πχ. χρήματος).

Εργασία Δωροδοκία κόμβων Ο παίκτης 0 επηρεάζει (δωροδοκεί) με βάρος 150 τον κόμβο και με βάρος 50 τον κόμβο 4. Ο παίκτης 1 επηρεάζει με βάρος 200 τον κόμβο 3. Στο αρχικό γράφημα το συνολικό βάρος των εξερχόμενων ακμών για κάθε κόμβο είναι 100 και μοιράζεται ίσα σε όλες τις ακμές. Μετά τις κινήσεις των παικτών, στους κόμβους που έχουν νέες εξερχόμενες ακμές, κανονικοποιούνται τα βάρη ώστε να έχουν άθροισμα 150 πάλι 100. Οι αναδρομικές ακμές (loops) πάνω στους κόμβους 100 Π 0 και Π 1 τους κάνουν απόλυτα πεισματάρηδες. 100 Π 0 200 2 3 4 1 5 Π 1 50

Εργασία Σκορ Στο μόνους μέρος θα εκτελεστούν όλες οι αναμετρήσεις ανά δύο, των κινήσεων που θα προτείνουν οι φοιτητές. Το συνολικό σκορ κάθε φοιτητή θα προκύπτει από το πόσες νίκες έχει ο παίκτης του, και τη συνολική επιρροή που άσκησε ο παίκτης του

References Social Choice and Social Networks (Course: Fall 2010, stat.berkeeley.edu), Elchanan Mossel, UC Berkeley Social and Economic Networks, Matthew O. Jackson, Princeton University Press Networks, Crowds, and Markets: Reasoning about a Highly Connected World, David Easley and Jon Kleinberg, Cambridge University Press Markov Chains and Mixing Times, David A. Levin, Yuval Peres, Elizabeth L. Wilmer