基於遺憾最小化算法的謠言抑制與演化博弈模型

2020-12-17 電子技術應用

謠言是指未經驗證或者篡改真實的信息,隨著通信網絡的快速發展、即時通信和新興網際網路技術的應用,謠言傳播在速度和廣度遠超歷史任何時代。惡意謠言可能造成遠超以往的大範圍恐慌和嚴重經濟損失,對信息擴散過程與謠言抑制的研究成為社交網絡的研究重點。

由於謠言擴散過程類似於疾病傳播機制,經典的易感染去除模型SIR被借鑑和改進,文獻[3]基於改進的八態ICSAR模型(無知者,信息載體,信息傳播者,擁護者,撤離者),建立了一個針對謠言傳播的動態時空綜合風險評估模型。文獻[4]建立了具有動態友誼的隨機異構網絡SHIR模型,將社交網絡中最常見的友情變化現象納入其中。

與病毒感染不同,真實謠言傳播依賴於社交網絡中人的交互,而基於傳染病模型的研究忽略了人在散布謠言中的自主作用。與疾病傳播相反,個人在謠言傳播過程中實際是自我決策問題。如何有效利用個體策略,抑制謠言傳播成為研究的主要目的。疫苗接種理論被引入到實際運用中。文獻[6]嘗試使用個人或者權威機構發送反謠言信息來抑制謠言。此外謠言抑制還取決於接受者與傳播者的特徵、親密關係、謠言強度等因素。

博弈論作為分析用戶決策與競爭現象的典型數學工具被廣泛應用於謠言抑制。文獻[8]提出一種演化博弈模型來分析謠言過程,該模型考慮了用戶的多維屬性,並量化了外部和內部驅動因素對群體狀態轉變的影響。文獻[9]通過將社交網絡中的謠言傳播建模為一種協作博弈,發現具有無標度屬性網絡可以更容易地促進謠言傳播。傳統的博弈論條件依賴度無限大,混合人口的假設,通過微分方程研究整體演化的動態過程。但現實社交網絡中面對有限、非理性個體時,如何對社交網圖結構中輿情控制提出有效建模成為重點。針對網絡結構和擴散動力學的研究有助於更好地理解網絡的演化機制,因此本文引入圖進化博弈理論來研究網絡結構策略的演化。

社交網絡中當非理性對手不再使用納什均衡策略博弈時,此時納什均衡策略並不保證是最佳反應。為滿足實時博弈中對策略的完善,利用對手弱點往往能取得更高回報,故提出從自我遺憾最小化角度建模。其思想是從遺憾最小化的角度來利用次優對手弱點,並基於一種離線的均衡計算,從個體自身選擇的經驗中學習更新策略。文獻[13]探討了政府的懲罰和個人的敏感性如何影響謠言的演變。由此可見,網絡結構、謠言強度、用戶策略以及謠言控制中心存在與否都影響著其傳播。

本文在圖論的基礎上採用演化博弈概念,引入遺憾最小化算法來研究網絡中謠言抑制與用戶策略的演化。本文的貢獻可歸納為:(1)結合圖演化博弈論,考慮個體特徵與社交網絡規則圖結構,提出了新型演化博弈模型;(2)利用次優對手弱點,提出遺憾最小化算法實現個體更新策略。

作者信息:

臧正功,丁 箐

(中國科學技術大學 軟體學院,安徽 合肥230051)

相關焦點

  • 淺析基於優化算法的能量管理控制策略(二)
    做新能源汽車相關研究,能量管理控制策略是一個繞不開的話題,特別是基於優化算法的能量管理控制策略。目前主要的優化算法包括下列11種,上期介紹前5種,本期介紹後6種:動態規劃(Dynamic Programming,DP)等效燃油消耗最小策略(Equivalent Consumption Minimization Strategy,ECMS)模型預測控制(Model Predictive Control,MPC)神經網絡算法(NeuralNetworks
  • 史上最全GAN綜述2020版:算法、理論及應用
    同時,我們訓練 G,最小化 log(1-D(G(z)))。目標函數GAN 可以使用各種不同的目標函數。最原始的極大極小博弈GAN [3] 的目標函數是其中 D(x) 是 [1, 0]^T 和 [D(x), 1 - D(x)]^T 間的交叉熵。
  • 「小趨勢」之後,這次講「演化算法」
    這是何帆的第二本書,2019年1月1日出的第一本書叫《變量:看見中國社會小趨勢》,而這本書叫《變量:推演中國經濟基本盤》。為何叫做「變量」呢?且聽何帆老師道來——書中的關鍵詞是,演化算法。在地球上40億年的生命演化過程中,在地球上曾經存在過的物種裡面有99.9%以上的物種全部都已經滅絕了,我們還活著的都是萬裡挑一的成功者,大自然在演化過程中,把所有能夠試的經驗——正確的、錯誤的全部都試過了,所以任何一個複雜系統最基本的方法論肯定是演化算法。」
  • 基於PVANet卷積神經網絡模型的交通標誌識別算法
    採用2.2.1、2.2.2節所述的改進算法, 即再將深層網絡中的5×5卷積替換為兩個1×3和3×1卷積, 也會使網絡模型的檢測速度變快, 同時能夠保持較高的mAP.最後, 採用2.2節中的改進算法, 再減小1次池化計算, 將神經網絡的輸出特徵圖增大一倍, 使得網絡對交通標誌檢測的mAP大幅提高約9%, 網絡的檢測時間雖然增加約0.02 s, 但是仍然具有很好的實時性, 滿足交通標誌檢測要求。
  • 張彧通:科技、金融創新與監管,三要素博弈是正方向
    金融行業的演化博弈關於創新與監管的關係,專長於生物學的約翰梅納德史密斯教授提供了一條分析進路——演化博弈理論。演化博弈指的是有限理性的博弈雙方不斷試錯、優化策略的動態博弈。與分析金融創新與監管博弈的傳統思路不同,演化博弈重視進化論的角度,將金融創新和金融監管看作是相互作用的雙方,在對應的動態變化過程中實現博弈均衡。以監管策略為例。
  • 詳解:論 DeFi 獨特的價值主張:從合作博弈到非合作博弈
    在上圖中,最左邊的是中心化的金融服務提供商,如交易所、借貸機構和資產管理公司。它們最擅長與客戶建立可信賴的關係,並為使用加密貨幣進行交易的人們提供快捷的「一站式服務」。另一邊則是去中心化網絡,即以非合作博弈的思維方式設計出的區塊鏈產品。他們為市場參與者帶來了這場完全由算法掌控並得到社區共識支持的全球競爭。夾在這兩者中間的一切產品被我們視為「開放金融」。這些項目借用區塊鏈作為結算層,但它們的另一隻腳仍然踏在舊的合作博弈世界中。
  • 博弈AI大時代崛起 AI是如何戰勝人類世界冠軍的?
    Tuomas Sandholm教授團隊研發的Libratus在一個完全有利於人類棋手的場景設計下,依然以壓倒性的優勢,戰勝了人類最頂尖的選手。Tuomas Sandholm教授將海量的博弈場景簡化、抽象,尋找一個近似的納什均衡最終來實現一個基於博弈論的決策。
  • 量子計算機的算法模型初探
    量子計算機的運行是對qubit(量子位)的操作,從一個量子態演化到另一個量子態,決定兩個量子態如何演化的是量子門,其實質是一個遵循量子力學的Unitary Operator(么正算符)。以上特質決定了兩種計算機的算法有根本不同。
  • ICLR 2018最佳論文:基於梯度的元學習算法
    Reddi 等人關於優化算法的研究表明了基於歷史梯度平方的指數移動均值如何會影響適應性學習率算法的收斂效果,這也是近來很多研究者所困惑的地方。Taco S. Cohen 等研究者對球面 CNN 的研究擴寬了卷積神經網絡的應用邊界,因而能高效處理無人機和機器人等全向視角。
  • 雷達成像近似二維模型及其超分辨算法簡述
    現有的雷達成像超分辨算法是基於目標回波信號的二維正弦信號模型,所以模型誤差,特別是距離走動誤差,將使算法性能嚴重下降或失效.為此,本文採用距離走動誤差下的一階近似雷達成像二維信號模型,提出了一種基於非線性最小二乘準則的參數化超分辨算法.在算法中,距離走動誤差補償與目標參量估計聯合進行.文中同時給出了算法估計性能的Cramer-Rao界及仿真結果.
  • 基於改進的LM算法的可見光定位研究
    同時,本文還針對LED燈進行輻射分析,提出了對應的信道模型。結果表明,該模型與廣義朗伯模型具有一致性,且μ值選取正確時算法最少只需17次迭代,而基於此的可見光定位系統在1.48m x 1.51m x 1.65m的實際定位空間中達到了10cm的精度水平。
  • 國際貿易摩擦形成的博弈機制及應對
    在國際貿易中,國家作為利益博弈的主體,考慮建立基於理性參與者的靜態博弈和基於有限理性參與者的演化博弈模型,研究貿易摩擦形成機制,並通過建立合作收益模型為未來發展趨勢提供理論指引。採用2017年中美實際經濟貿易數據對靜態博弈模型進行實證研究。
  • HLBPR:一種混合的基於局部相似度的BPR算法
    這種基於隱式反饋數據進行的推薦也被稱作one-class協同過濾。解決這類問題,一般有兩種方法:(1)基於評分的方法;(2)基於排序的方法。 基於評分的方法 基於評分的方法將隱式反饋當作絕對分數值來處理,例如一般將有反饋的項當作1,無反饋的項當作0。然後通過最小化平方損失去學習模型。[4]就是典型的利用這種思路解決推薦問題的方法。
  • 博弈論速成指南:那些融入深度學習的經典想法和新思路
    但是,利用博弈論原則多次建模 AI 宇宙超出了納什均衡的範疇。想理解如何利用博弈論構建 AI 系統,最好先理解我們在社會或經濟互動中常遇到的博弈類型。我們每天參與數百種基於遊戲動態(game dynamics)的交互。但是,遊戲化環境的架構與此完全不同,其激勵和參與者目的也不相同。如何將這些原則應用到 AI 智能體建模中呢?
  • 基於多島遺傳算法的新能源叉車轉向橋優化設計
    陳仕勝 陳 餘 王彥博安徽合力股份有限公司 合肥 230601摘 要:以某新能源叉車為研究對象,基於ADAMS 建立其轉向橋運動學模型,進行轉向仿真分析,驗證所建模型的準確性;在此基礎上,在ISight 集成環境下,提出以實際設計要求為約束條件、以轉向節節臂、轉向橋中心夾角、轉向節臂長度及液壓缸偏距為優化變量,建立以外轉角誤差值最小為目標的優化函數,進行基於多島遺傳算法的多學科優化設計
  • 詳解梯度下降算法 正確訓練模型利刃!
    【IT168 資訊】梯度下降是目前最流行的優化策略,目前用於機器學習和深度學習。它在訓練模型時使用,可以與每種算法結合使用,易於理解和實施。因此,每個使用機器學習的人都應該理解它的概念。閱讀完這篇文章後,你將了解梯度下降是如何工作的,它今天使用了哪些類型,以及它們的優點和權衡。
  • 基於SVM和sigmoid函數的字符識別自適應學習算法
    手寫字符的一個突出特點就是模式具有較大的變化性,表現為模式空間的類內分布過於分散,類間交疊嚴重,這使得識別模型無法「恰當」地擬合每類模式的數據分布或類別之間的判別面。在識別模型過程中,通過自適應學習就能較好地擬合特定書寫者筆跡特徵向量的空間分布,從而有利於識別率的提高。
  • 清華大學研究成果:如何用博弈論解決自動駕駛路口的會車決策問題?
    *清華大學自動化系統工程研究所教授姚丹亞在上海車展新智駕&MMC沙龍現場有一篇來自清華大學的論文名叫《基於完全信息動態博弈的無燈控交叉口的車輛協同駕駛模型》(作者:楊卓,姚丹亞),它試著解決了一個可能很多人都想過但還沒有解決的問題
  • 基於平面投影的單目視覺AGV 定位算法
    近年來,計算機視覺飛速發展,湧現出大量的技術與算法,如主動視覺、面向任務的視覺、基於知識的視覺、基於模型的視覺以及多傳感器和集成視覺等方法[1]。根據使用鏡頭數目分類,計算機視覺分為單目視覺定位、雙目視覺定位與多目視覺定位。雙目立體視覺是基於視差原理,由多幅圖像獲取物體三維幾何信息。