Robust learning in social networks via matrix scaling

Yakov Babichenko, Segev Shlomov

פרסום מחקרי: פרסום בכתב עתמאמרביקורת עמיתים

תקציר

The influence vanishing property in social networks states that the influence of the most influential agent vanishes as society grows. Removing this assumption causes a failure of learning of boundedly rational dynamics. We suggest a boundedly rational methodology that leads to learning in almost all networks. The methodology adjusts the agent's weights based on the Sinkhorn-Knopp matrix scaling algorithm. It is a simple, local, Markovian, and time-independent methodology that can be applied to multiple settings.

שפה מקוריתאנגלית
עמודים (מ-עד)720-727
מספר עמודים8
כתב עתOperations Research Letters
כרך49
מספר גיליון5
מזהי עצם דיגיטלי (DOIs)
סטטוס פרסוםפורסם - ספט׳ 2021

ASJC Scopus subject areas

  • ???subjectarea.asjc.1700.1712???
  • ???subjectarea.asjc.1800.1803???
  • ???subjectarea.asjc.2200.2209???
  • ???subjectarea.asjc.2600.2604???

טביעת אצבע

להלן מוצגים תחומי המחקר של הפרסום 'Robust learning in social networks via matrix scaling'. יחד הם יוצרים טביעת אצבע ייחודית.

פורמט ציטוט ביבליוגרפי