线性阀值模型中的异质同伴效应
本研究从理论角度研究了竞争阈值模型的可学习性,并证明了基于有限 VC 维度的人工神经网络能够无缝地对竞争阈值模型进行仿真,从而实现了分析样本复杂度和泛化界限。我们设计了有效的算法,并将理论洞见最终转化为实用和可解释的建模方法,其有效性通过几个合成和真实数据集的健全性检查得到验证。实验结果有希望表明,我们的方法不使用过多数据点便可以获得相当不错的性能,并且胜过现成的方法。
May, 2022
本文探讨了异质性治疗效应估计的一个变体问题,提出了一种基于树形学习方法来寻找治疗效应异质性的方法,可以学习和确认个体化的治疗方案,并在多个数据集上的实验证明了该方法比现有方法更为优越。
Jan, 2019
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
本文介绍并验证了一种关于干预和传染网络数据的简洁参数化方法(所谓链图模型),通过使用美国最高法院在 1994 年至 2004 年之间的案例数据和模拟数据对社交网络中的集体决策进行因果推断。
Dec, 2018
本文探讨了使用单个社交网络的观测数据进行因果效应的半参数估计和推断。在考虑样本大小增加时每个观测值对越来越多其他单位的依赖的同时,允许信息通过网络联系传输和节点共享网络联系的潜在相似性两种可能的依赖关系。提出了在社交网络环境下特别感兴趣的新的因果效应,如对网络联系和网络结构的干预,并用这种方法重新分析了使用 Framingham Heart Study 社交网络数据估计肥胖症因果同伴效应的一个具有影响力和争议的研究;在考虑网络结构后,我们没有发现因果同伴效应的证据。
May, 2017
本文介绍了一个模型,通过多轮交互模拟用户和链接推荐器之间的反馈循环,研究了推荐算法的长期后果。实验结果表明,少数群体如果足够同质化,则可以从所有链接推荐器中获得不成比例的优势,同时推荐器会加剧富人越富的现象,这种现象独立于少数群体的同质化程度和大小,同时会加剧个体间的曝光不平等现象。
Dec, 2021
使用基于约束条件的算法从数据中推断因果网络,通过确定因果关联阈值来构建拓扑结构,比传统 PC 算法更快且更准确,并引入了一种称为 Net Influence 的离散非对称因果度量来推断有向边的方向性,加速因果 DAGs 的推理过程。
Apr, 2024
本研究利用多维标记 Hawkes 过程模拟了社交网络中用户的行为传播,解决了相关级联效应的建模和潜在传播网络的提取问题。通过 Twitter、网址缩短和音乐流媒体服务的实验结果表明,该模型在性能上胜过了其他模型。
Oct, 2015
通过分析出生率、手机销售和音乐会掌声降低等数据集,运用随机场伊辛模型,研究了模仿和社会压力带来的群体效应,发现其具有标度关系 h ~ w^{-kappa},其中 kappa 取 0.62~0.71。
Apr, 2005