May, 2013

动态社交网络中的时间活动模式建模

PDF
TL;DR通过将社交网络影响视为用户感知的影响，开发了用于用户活动的概率模型，其中每个用户的活动根据一个具有隐藏状态的马尔可夫链发展，而该隐藏状态受用户朋友的集体活动影响。通过使用推特上用户活动的大量语料库验证所提出的模型，数值研究表明，在具有足够观察以确保准确模型学习的情况下，所提出的框架比基于更新过程的模型或传统的未耦合的隐藏马尔可夫模型更好地解释了观察到的数据，并展示了所提出方法在预测下一条推文的时间方面的效用。最后，该模型参数空间中的聚类显示出由用户和他的网络之间的互动动态特征化的不同自然群集。
发现论文，激发创造
  • 从通话到社群：一种时变社交网络模型

    提出了一种基于活动驱动的带记忆时间变化网络框架的时间网络模型，该模型整合了社会强化机制、焦点闭合和循环闭合等机制，可以生成具有社区结构和全局连通性的网络，且与真实的手机通信网络具有多种相似性。

    Jun, 2015

  • 动态社区结构建模序列与时态网络

    本文开发了一种数据驱动方法，基于 Markov 链模型和贝叶斯推断框架，同时解决了因过度拟合和任意先验时间尺度的影响对网络动态社群结构提取的问题。该方法可以确定相关时间尺度，并识别在网络上发生的动态模式以及塑造网络本身的因素。

    Sep, 2015

  • 动态网络的生成模型与应用

    本文提出了一种基于潜在空间的统计模型，用于对社交网络、协作网络等观察到的具有时间动态的网络进行建模和分析，该模型可应用于社区检测和链路预测等任务，并与现有方法相比表现出更好的效果。

    Feb, 2018

  • 恐怖组织活动轮廓的隐马尔可夫模型

    本论文研究了恐怖组织活动轮廓建模的方法，发展了一个基于 d 状态的隐式马尔科夫模型来追踪恐怖组织的活动轮廓，提出了一种旨在探测和追踪恐怖组织活动突发事件的状态估计策略，并通过实验表明，该方法在非持续的行为变化上有着良好的表现。

    Jul, 2012

  • 分层深度时间模型用于群体活动识别

    本文针对视频序列中的团体活动行为分类问题，基于 LSTM 模型构建了一个 2 阶段的深度时间模型，同时考虑了个体和群体层面的动态信息，通过在排球视频数据集上的实验验证了该模型的有效性。

    Jul, 2016

  • 分层深层时间模型用于团体活动识别

    通过 LSTM 模型构建 2 阶段深层次模型，从而更好地理解群体活动，利用这些动态实现群体活动识别，实验结果表明，该模型可以有效提高群体活动识别性能。

    Nov, 2015

  • 利用数字足迹对人类动态和生活方式建模

    通过提出一种作为生成模型的多变量周期 Hawkes 过程模型，该模型可以捕捉人类活动的时间聚类、相互依赖结构和相互兴奋以及一周内时间周期效应。我们将这个模型应用于大规模信用卡交易数据集，并证明 MPHP 在交互事件时间分布和活动预测任务的统计适合度上超过非齐次泊松模型和 LDA。

    May, 2020

  • 动态随机块模型用于时间演化社交网络

    本文提出了一个状态空间模型，将静态网络的随机块模型扩展到动态网络的建模中，并使用扩展卡尔曼滤波器配合局部搜索来拟合模型，实验表明此算法与使用马尔可夫蒙特卡罗抽样的最先进算法相竞争，但计算代价显著降低。

    Mar, 2014

  • TiDeH：基于时间的 Hawkes 过程预测转推动态

    本文提出了一种基于时变 Hawkes 过程的推文转发时间预测模型，该模型充分考虑了用户的昼夜节律和信息的老化，通过参数优化可以在不同的时间分辨率上预测转发活动的未来发展，验证表明该方法在所有时间段内都优于现有方法。

    Mar, 2016

  • 一种动态网络成像的状态空间混合成员分块模型

    本文提出了一种基于模型的方法来分析动态时间变化的网络中的演员，即动态层析。与其他网络推断技术不同，我们的方法将每个演员的角色建模为一个时间演化的混合成员向量，以更贴近现实。我们应用该模型分析了僧侣之间的社交网络，Enron 员工之间的动态电子邮件通信网络和果蝇在其完整生命周期期间重新布线的基因相互作用网络，揭示了演员动态角色的有趣模式。

    Dec, 2008