Jan, 2023

金融网络的时间性征：Mercari、JPMC 和 Venmo 平台的研究

PDF
TL;DR研究金融交易网络中的临时特征， 以此提高欺诈检测精度，并探讨金融和社交关系的相互作用对于预测友谊、识别供应商和分析时间周期的影响。
发现论文，激发创造
  • 时间网络中的 Motifs

    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

  • 时间依赖网络中的时间模式

    介绍了时间网络的构成和时间次结构的概念，提出了一种基于颜色有向图的识别时间次结构的有效算法，并在大型移动电话网络上分析了其统计规律。

    Jul, 2011

  • 移动通讯网络中的时间模式揭示了同性恋、性别差异模式和群组对话

    使用手机通话记录来探究人类的互动模式，并研究社交网络结构和性别、年龄等属性的关系。结果显示不同性别之间存在交流的区别，年龄相似的人更容易互相联系。此外，密集部分和稀疏部分的时间模式不同。

    Feb, 2013

  • 交互网络中的流动模式

    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

  • 利用基本图形转换进行时间图生成

    本文提供了一种实用的临时图形生成模型，即 Motif Transition Model（MTM），旨在生成具有现实全局和本地特征的合成时间网络，通过模拟时态模式转换过程来实现全新事件的排序和生成。

    Jun, 2023

  • TempME：通过模式发现实现时间图神经网络的解释性

    针对当前时间图神经网络（TempME）的关键挑战，提出了一种新颖的方法：Temporal Motifs Explainer（TempME），用于揭示触发该模型预测的最关键时间图案，实验证明 TempME 在解释准确性方面取得了优势，并提升了当前时间图神经网络的预测平均精确度。

    Oct, 2023

  • 基于矩阵剖析的时间序列变量滞后模式跟踪关系推理框架

    通过使用矩阵剖面方法，我们正式定义了一种在两个时间序列之间推断关注模式的理念，并提出了一个框架来推测两个时间序列之间的关注模式。该框架在模拟数据集中表现优于基线，并能够在音频记录和加密货币数据集中检测出关注模式。我们的框架可应用于任何时间序列领域，以获取关于时间序列之间关注模式的洞见。

    Jan, 2024

  • 面向带符号加密货币信任网络的基于时序 GCN 的模式感知欺诈检测

    本文关注加密货币网络上的欺诈检测，使用图形卷积网络处理这些图形。采用局部结构和平衡理论指导训练，使用基本矩阵捕捉局部拓扑信息，并在 GCN 聚合过程中使用它们，实现在时间窗口内的嵌入加权平均。实验结果表明，本文所提出模型优于文献中的模型。

    Nov, 2022

  • 基于网络模式识别的作者归属

    利用复杂网络的概念和方法，研究关键词识别、自动提取摘要和作者归属等自然语言处理任务中的模式识别技术，提出了基于功能词重复模式的作者归属任务，运用机器学习方法对其进行验证，结果表明模式能够区分不同作者的写作风格，并推荐将其应用于其他相关的语言任务。

    Jul, 2016

  • 演化网络中的时间模式挖掘

    本研究旨在利用时间模式挖掘技术，在不作任何先验假设的情况下，基于观测到的网络快照，探测和表征演化网络在时间上的变化，并从中提取有价值和潜在有用的知识。

    Sep, 2017