WWWNov, 2014

HypTrails：一种基于贝叶斯方法的人类 Web 轨迹比较假说

PDF
TL;DR本研究提出一个名为 HypTrails 的方法，利用马尔可夫链模型和贝叶斯推理来比较对网页上的人类活动路径的假设，包括网站导航、商业评价和在线音乐播放的路径，用以改善网络结构、预测点击或加强推荐，其中使用的量是信息性的狄利克雷先验。
web trailshyptrailsmarkov chain modelsbayesian inferencedirichlet priors
发现论文，激发创造
  • 高阶 DeepTrails：*Trails 的统一方法

    分析人类行为在不同环境中具有优势，理解和描述人类行为有助于改进和优化基础设施和用户界面。本文通过使用一阶马尔可夫链捕捉行为的数学特征，提出使用自回归语言模型分析整个序列的方法，以建模高阶序列依赖，解决现有方法中丧失信息和局限性的问题，并在合成和真实数据集上评估了该方法的有效性。

    Oct, 2023

  • 无监督采样促进基于随机人类轨迹的预测

    本论文提出了一种名为 BOsampler 的新方法，通过贝叶斯优化的方法，在长尾效应区域探索潜在路径的过程中，提高了随机预测的采样效率，该方法不需要重新训练，可与现有的随机预测模型集成，实验结果表明该方法的有效性。

    Apr, 2023

  • 基于多用户活动轨迹的 B2B 广告定向学习

    本文介绍了利用有关团队内相关用户的全面活动轨迹来预测商业向商业产品的转化，提出了一种使用分布式活动表示法构建种子列表的方法，使用来自 Yahoo Gemini 的数据来验证本方法，证明了本方法可以将转化预测 AUC 值提升 8.8％。

    Aug, 2019

  • OpenTraj: 评估人类轨迹数据集中预测复杂度

    本文提出了一种评估给定数据集相对于预测问题复杂度的方法，从轨迹可预测性、轨迹规律性和上下文复杂性三个方面定义了一系列指标，并将最常用的人类轨迹预测数据集进行了比较，旨在探讨这对 HTP 算法基准测试的影响。我们的源代码在 Github 上公开发布。

    Oct, 2020

  • 在线 A/B 测试中未来用户活动的改进预测

    在线随机实验和 A/B 测试中，参与者包含率的准确预测是至关重要的，本文提出了一种新颖、直接且可扩展的贝叶斯非参数方法，用于预测在线 A/B 测试中个体接受干预的比率，并展示了其在实验和模拟数据上相对于现有方法的卓越性能。

    Feb, 2024

  • 隐藏脚印：从 3D 人类轨迹中学习上下文的可步行性

    通过利用 3D 信息和现有数据集中的观测结果来增强有效的、标记的可步行区域数据，并使用基于类平衡分类的损失和情境对抗性的损失的训练策略，实现了从一张图像预测行走性地图的模型，并在 Waymo 和 Cityscapes 数据集上展示了卓越的性能。

    Aug, 2020

  • 快速可扩展的贝叶斯 AB 测试

    通过使用分层贝叶斯估计方法，我们提出一种解决 AB 测试分析中常见限制的解决方案，包括多因素和因素之间的相关性、早期停止的顺序测试和从过去测试中提取综合全球学习的能力。通过数值模拟和大量实际 AB 测试，我们证明了这种方法的实际价值。

    Jul, 2023

  • 贝叶斯分层建模统计比较分类器

    本研究提出了一种贝叶斯分层模型，通过对多个数据集上两个分类器的交叉验证结果进行联合分析，从而返回两个分类器准确度在实际上是否等价或显著不同的后验概率，并减少了估计误差。

    Sep, 2016

  • 人类移动的规模特性建模

    使用移动电话轨迹的经验数据，证明了连续时间随机漫步模型的预测与经验证据存在系统性冲突。并引入了两个原则，建立了一个统计自洽的微观模型来解释人类活动模式，不仅说明了实验观测到的标度定律，而且还允许我们以解析的方式预测大部分相应的标度指数。

    Oct, 2010

  • 从人类导航痕迹中挖掘缺失的超链接：以维基百科为例的案例研究

    通过使用基于 Wikipedia 导航路径的人类计算游戏数据集，我们提出了一种新方法以识别缺失的超链接，并通过排名候选人来增强维基百科的导航性能。

    Mar, 2015