基于网络模式识别的作者归属
这篇论文介绍了一种基于细胞自动机理论的文本网络特征提取方法,着眼于拓扑和动态方面的衡量,表明此方法在作者识别上优于传统的基于拓扑度量的方案,并强调预处理步骤对识别效果的影响。
Oct, 2016
本文提出了一种称为 Network Flow Motifs 的新型模式,可以在约束的时间窗口内模拟一组顶点之间的重要流量传递,并设计了一种寻找大型图中流模式实例的算法,并在三个真实数据集上评估了算法性能并发现了网络中的有趣模式。
Oct, 2018
本文发展了时态网络模体的概念以及一个计算方法。结果表明不同领域的网络拥有显著不同的模体计数,同一领域的网络则有类似的模体计数,不同的模体发生在不同的时间尺度上。
Dec, 2016
介绍了一种新的半监督学习框架,名为 InfoMotif,可有效提升 GNN 的性能。该框架通过节点在网络中存在的结构角色来实现节点表示的优化,同时通过最大化互信息来实现任意 GNN 的零计划独立性。经过实验测试,InfoMotif 在 6 个真实世界数据集上取得了显著的准度提升,特别是在局部邻域结构上具有稀疏标签和多样属性的节点。
Sep, 2020
本研究研究 Social Media 中的争议话题,提出了一种通过利用网络模式检测 Social Media 中争议话题的方法,该方法基于用户交互的局部模式,不需要了解自然语言,95% 的准确度比传统的句子分析方法和传播模型方法都有很大的改进。
Mar, 2017
本文使用图的拓扑结构,提出了一种基于 3、4、5 阶 motif-based features 的监督分类算法来预测链接,实验结果显示在构建完好的分类数据集上使用现成的分类器,相较于之前基于拓扑结构和特征学习方法,准确率提高了 10 个百分点。
Feb, 2019
通过实证分析大型语言模型(LLMs)的写作特征、对比专有和开源模型的异同、并探索通过语言的词汇、句法和结构方面的风格特征整合实现对 AI 生成文本的追溯,为神经网络作者归属提供经验性洞见,为应对 AI 生成的错误信息的威胁铺平道路。
Aug, 2023
本文提出了一种使用神经网络方法来模拟人类组合句子过程,将语言特征的不同类别合并到单词的分布式表示中,以同时学习作者文体表示的作者分析方法,提取出每个文档的话题、词汇、句法和字符级别的特征向量,实验结果表明,这种方法在作者特征化和作者验证方面具有优异的性能。
Jun, 2016