[論文レビュー] How Bad is Forming Your Own Opinion?

David Bindel, Jon Kleinberg+1 more|arXiv (Cornell University)|Mar 13, 2012

Opinion Dynamics and Social Influence参考文献 12被引用数 10

ひとこと要約

この論文は、個人の内面的信念と同僚の影響の両方を考慮する社会的ネットワークにおける意見形成を研究し、二次的コストゲームにおける最適反応ダイナミクスとしてプロセスをモデル化する。ナッシュ均衡における不一致コストと社会的最適解との相対的な関係について、一般化固有値と関連付けてきびしい上限を提供し、社会的コストを低減するための最適なエッジ追加手法を多項式時間で提供する。

ABSTRACT

The question of how people form their opinion has fascinated economists and sociologists for quite some time. In many of the models, a group of people in a social network, each holding a numerical opinion, arrive at a shared opinion through repeated averaging with their neighbors in the network. Motivated by the observation that consensus is rarely reached in real opinion dynamics, we study a related sociological model in which individuals' intrinsic beliefs counterbalance the averaging process and yield a diversity of opinions. By interpreting the repeated averaging as best-response dynamics in an underlying game with natural payoffs, and the limit of the process as an equilibrium, we are able to study the cost of disagreement in these models relative to a social optimum. We provide a tight bound on the cost at equilibrium relative to the optimum; our analysis draws a connection between these agreement models and extremal problems that lead to generalized eigenvalues. We also consider a natural network design problem in this setting: which links can we add to the underlying network to reduce the cost of disagreement at equilibrium?

研究の動機と目的

• 個人が平均化を通じて自身のコストを最小化するゲームとして意見形成をモデル化し、合意に至るのではなくナッシュ均衡に至ることを目的とする。
• ナッシュ均衡の結果と社会的最適な意見ベクトルを比較することで、不一致の社会的コストを定量化すること。
• 均衡状態における不一致コストを低減するためのネットワークリンクを同定し、ネットワーク設計問題として定式化すること。
• スぺクトルグラフ理論と一般化固有値を用いて、均衡の非効率性に対するきびしい上限を確立すること。
• ナッシュ均衡における社会的コストを最小化するための最適なエッジ重みを計算する多項式時間アルゴリズムを提供すること。

提案手法

• 内部的意見 $s_i$ が持続的で、時間的に変化する意見 $z_i$ を持つデグルートモデルの変種を用いて意見動態をモデル化する。
• 平均化プロセスを二次的コスト関数を最小化する最適反応ダイナミクスとして再定式化する：$(z_i - s_i)^2 + \sum_{j \in N(i)} w_{ij}(z_i - z_j)^2$。
• グラフラプラシアンとエッジ重みを含む線形方程式系の唯一の解として均衡を特定し、コスト最小化の一次条件から導出する。
• 全個人コストの合計として社会的コストを定義し、それが社会的最適なベクトル $y$ で最小化されることを示す。
• エッジ $i$ と $j$ の間にエッジを追加したときの均衡への影響を分析するために、影響ベクトル $v_i$ を用いる。$v_i$ は $x_i$ が $s_i$ の変化に対してどれほど感度が高いかを捉える。
• 新しい均衡における社会的コストを計算するための二次関数をエッジ重み $\rho$ について導出し、微積分を用いた最適化を可能にする。

実験結果

リサーチクエスチョン

• RQ1 意見形成ゲームにおいて、ナッシュ均衡における社会的コストと社会的最適解との間の最悪ケース比は何か？
• RQ2 社会的コストを均衡状態で最小化するために、どのように最適にエッジを追加できるか？
• RQ3 ネットワークの構造と意見動態における均衡結果の非効率性との関係は何か？
• RQ4 影響ベクトル $v_i$ は、新しいエッジの追加が均衡結果に与える影響をどのように決定するか？
• RQ5 社会的コストを低減するために、単一のエッジ追加における最適重みを多項式時間で計算できるか？

主な発見

• 本論文は、不一致コストのきびしい上限を確立し、ナッシュ均衡における社会的コストと社会的最適解との比が、ネットワークから導出される行列ペアの最大一般化固有値によって上限づけられることを示した。
• エッジ $(i,j)$ に追加する最適な重み $\rho$ は、エッジ追加による均衡の摂動 $φ$ に関する二次関数を最小化することで、多項式時間で計算可能である。
• エッジ重み $ρ$ に関する社会的コストの勾配は、$\gamma_{ij} = (x_i - x_j)^2 - 2(x_i - x_j)v_i^T((A+I)x - s)$ で与えられ、局所最適化に勾配降下法を適用可能である。
• エッジ $(i,j)$ に大きな重み $\rho$ を追加すると、$i$ と $j$ の意見が互いに近づくようになり、漸近的に $x_i' - x_j' \to 0$ に近づく。
• 影響ベクトル $v_i$ は対角成分 $v_{i,i}$ で最大となり、これによりエッジ追加による均衡意見の変化方向が良好に保たれる。
• 本手法により、複数の最適エッジを同時に選ぶ問題がNP困難であっても、局所的なエッジ追加の最適化が効率的に可能である。