文件名称：关于支持学习的社交网络-研究论文
文件大小：484KB
文件格式：PDF
更新时间：2024-06-09 11:27:05
Bayesian learning social networks random
众所周知，社交网络的结构对于代理商是否可以正确汇总信息至关重要。 在本文中，我们研究了当理性主体依序且不可撤消地行动时支持信息聚合的社交网络。 信息是否汇总尤其取决于代理决定的顺序。 因此，为了分离顺序和拓扑，我们的模型研究随机到达顺序。与固定到达顺序的情况不同，在我们的模型中，座席的决定不太可能受到那些远离他的人的影响。网络。 该观察结果使我们能够确定本地学习需求，这是代理商附近的自然条件，无论其他代理商的表现如何，该条件都可以确保该代理商做出正确的决定（很有可能）。 粗略地说，代理应该属于多个相互排斥的社交圈子。我们通过构建一个社交网络家族来说明本地学习需求的力量，尽管这些代理都不是社会中心，但可以保证信息的聚合（换句话说，那里是都是意见领袖）。 尽管社会学习文献的常识表明，信息聚合非常脆弱，但本地学习要求的另一种应用证明了存在网络的地方，尽管大部分的主体不参与学习过程，但学习占主导地位。 在技术层面上，我们构建的网络依赖于扩展器图的理论，即高度连接的稀疏图，具有从纯数学到纠错码的广泛应用。