Jul, 2015

基于拓扑的增量式方法预测社交网络中的小团体增长

PDF
TL;DR本文研究了小团队（大小≤20）的进化，建立了三个基于拓扑的模型以预测具有历史协作背景的成员集合的未来合作。实验证明，这些模型对于未来增量吸收和子群吸收都具有显著的预测效果。
small group evolutiongroup collaborationincremental accretionsubgroup accretionprediction models
发现论文，激发创造
  • 社交网络中的社群演变预测

    研究不同社交媒体的发展，探索分析社交媒体中的社群和预测它们未来的演变，研究利用 Stable Group Changes Identification (SGCI) 和 Group Evolution Discovery (GED) 方法识别历史上的组状态和其转换，提取结构网络特征，并使用分类模型进行实验研究，结果显示从长度 3 至 7 的演变链能够将预测质量提高至最佳水平。

    May, 2015

  • 社交群体演化的量化

    本研究基于团块渗透，首次研究了大规模网络中重叠社区的时间演化规律，发现动态改变成员组成有利于大型社区的生存而不利于小型社区，同时成员对社区的时间承诺可预测社区的寿命。这些发现揭示了小组和大型机构动态差异的新视角。

    Apr, 2007

  • 动态社交网络中基于进化算法的链接预测

    描述、解释网络动态变化的关键挑战之一是预测短期和长期变化，在考虑增强节点属性和网络拓扑特征的基础上，应用 CMA-ES 优化 16 个邻域和节点相似性指数的权重来预测未来的链接，从而为推特回复网络的演化提供一些计算机建模的线索。

    Apr, 2013

  • 网络关联数据的预测模型

    本研究探讨了在众多现代应用中，训练数据中可能存在互相连接的个体不独立样本的情况下，预测算法的表现。我们提出了一种基于网络的罚函数来鼓励联通节点的预测相似性，并证明了将其应用于预测模型能够在现实和理论上得到显著的表现改进，特别在存在网络内部联系的情况下。此罚函数可以与许多基于损失的预测模型相结合，如回归模型，广义线性模型和 Cox 比例危险模型。通过对青少年的探险行为和大麻使用水平的预测研究，我们发现了这种方法对预测行为的提高是有效的，并且提供了对变量效应估计的说明。

    Feb, 2016

  • 青少年关系行为与肥胖大流行：一项运用社交网络分析与机器学习技术的描述性研究

    青少年在教室内形成了亚群，亚群凝聚力由影响肥胖的方面的相似性和与食物质量和性别相关的属性共享所定义。SNA 相关的同质性概念及 Girvan-Newman 算法的应用结合了人工智能技术，为亚群间的相似性和凝聚力提供了鲁棒性。

    Feb, 2024

  • 博客圈子演化预测的不同方法

    本文介绍了一种新的小组识别和未来事件预测方法，并与现有方法进行了比较。所进行的实验证明了预测结果的高质量，并表明使用多种指标来描述群体轮廓可以提高预测的效果。

    Jun, 2013

  • 利用自我网络层的力量在在线社交网络中进行链接预测

    本文提出利用社交认知理论来改善在在线社交网络中的链接预测算法，并探讨了利用社交圈子意识来扩展特征提取算法并验证其预测性能的方法，在社交圈子意识的算法中，预测性能得到了显著的提升，打败了一些最先进的解决方案，同时也可以用于针对特定类别的用户进行定向营销。

    Sep, 2021

  • 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

  • 社会约束的群体结构学习在人群检测中的应用

    本研究提出一种利用 Correlation Clustering 算法在人群中检测社交团体的方法，其使用了一组专门设计的特征来描述人群成员之间的亲和力，并引入了 G-MITRE 损失函数来评估检测性能。在使用地面真值轨迹和先前提取的轨迹时，证明了该算法能够达到最先进的效果。

    Aug, 2015

  • 动态网络的非参数多组成员模型

    提出了一种非参数的动态网络多组成员模型，通过距离依赖的印度 Buffet 过程对单独组的诞生和死亡进行建模，通过因子隐马尔科夫模型对个体节点组成员身份的演变进行捕捉，通过显式建模组的连接结构来解释网络结构的动态性。该模型通过在各种不同类型的网络数据中识别潜在组的动态性，证明了其在未来网络预测和丢失链路预测上提供了更好的预测性能。

    Nov, 2013