English(EN) Peer Effects in Signed Networks: Separating Influence Through Positive and Negative Ties

新框架区分积极和消极的社会联系，用于网络干预分析

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-05 04:00

研究人员开发了 SiDE（Signed-exposure Doubly robust Estimator），一个用于分析网络干预的新框架，通过区分积极和消极的社会联系。该方法可以分离和准确估计通过支持性关系与对抗性关系的影响，否则这些影响可能会被忽略符号的分析所掩盖。该框架的有效性通过在六个真实有符号网络上进行的半合成实验得到证明，显示出改进的效果估计，并提供了关于不同类型的联系如何在干预设计中相互加强或抵消的见解。 AI

影响为分析网络中的社会影响提供了一种新的方法工具，可能会影响依赖于理解用户交互的 AI 应用。

排序理由该集群包含一篇详细介绍分析社交网络新方法的论文。[lever_c_demoted from research: ic=1 ai=0.4]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 3 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍分析社交网络新方法的论文。[lever_c_demoted from research: ic=1 ai=0.4]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: Standard; On-topic for AI-industry coverage; kept in the public index.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Xiaojing Du, Jiuyong Li, Lin Liu, Debo Cheng, Jixue Liu, Thuc Duy Le · 2026-10-05 04:00

有符号网络中的同伴效应：区分正负联系的影响

arXiv:2610.02872v1 Announce Type: new Abstract: Evaluating network interventions requires understanding how treatment affects people through their social relationships. Counting treated neighbors without distinguishing supportive and antagonistic ties can conceal opposing influen…

本文如何被排名

报道来源 [1]

有符号网络中的同伴效应：区分正负联系的影响

相关实体

相关话题