预测姓氏网络中的亲属关系
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
探索社交网络系统中如何识别那些与个体之间有强联结的重要人物,重点研究涉及配偶或恋爱伴侣的强联结,通过研究两个人互相好友但这些好友互相并不认识的程度(即分散程度),可以在 Facebook 用户中准确地识别出一个人的恋爱伴侣,这为找到有结构意义的人扩展了现有的关系强度理论。
Oct, 2013
本文研究在线社交网络中存在的正面和负面关系,并通过 Epinions、Slashdot 和 Wikipedia 等数据集证明可以高准确度地预测社交网络中链接的符号,这些预测模型跨越不同类型的在线社交网络具有普适性,有助于理解社交心理学中平衡和地位理论的基本原则,并能够预测用户的态度和周围人际关系的证据。
Mar, 2010
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
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
本文研究了基于节点相似度的网络链路预测模型,并比较了九种不同的局部相似度度量方法在六个真实网络中的性能。结果表明,最简单的方法即共同邻居法在各项性能上表现最佳,其次是 Adamic-Adar 指数。在此基础上提出了一种基于资源分配过程的新的相似度度量方法,并发现仅考虑最近邻信息时许多链接分配得分相同,设计出一种利用下一个最近邻信息的新方法,可以显著提高预测准确性。
Jan, 2009
本文研究了 aNobii 社交书签系统的结构和动态特性,通过深入分析系统的社交网络及其与用户个人资料的相互作用,研究了地理和兴趣因素对社交链接的关系,并通过纵向分析,重点研究了用户间个人资料相似度和链接创造之间的相互作用,特别关注了三角形封闭。研究发现个人资料相似度促进了社交网络中的封闭,而社交网络中的封闭则促进了个人资料的进一步协调,并探讨了优先链接的定量指标。
Jun, 2010
本文研究关系人物之间的情感极性特征,并提出结构化预测和聚类方法来解决该问题,在语言和语义特征的基础上,通过社交网络结构来提高模型性能。作者在维基百科电影概要数据集上验证了模型的优越性。
Dec, 2015
对真实世界动态网络的实证分析表明,长期关系比其他社交关系更有可能持续存在,并且许多这样的关系始终充当社交桥梁,而不嵌入到本地网络中。在机器学习的基础上使用了一种新的成本效益分析模型后,我们表明长期关系是更有益的,这部分解释了为什么长期关系比许多现有理论和模型所建议的更加持久。总的来说,我们的研究表明需要社交干预来促进长期关系的形成,例如混合不同背景的人。
Sep, 2021