Jul, 2023

社交学习网络中的因果影响

PDF
TL;DR本文研究社交图中相互关联的代理之间的因果影响，并考察社交学习模型和分布式决策协议的动态性，推导出表达式以揭示代理之间的因果关系并解释网络中的影响流动。结果依赖于图的拓扑结构和每个代理对于所解决的推断问题的信息水平。基于这些结论，本文提出了一种算法来评估代理的整体影响力以发现高度有影响力的代理，并提供了一种从原始观测数据中学习必要模型参数的方法。通过综合考虑合成数据和真实的 Twitter 数据，验证了结果和所提算法的有效性。
发现论文，激发创造
  • 因果推断、社交网络、链图

    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

  • 社交网络数据的因果推断

    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

  • 联邦边缘推理中的因果影响

    考虑了使用未标记的流数据进行推理的具有异质代理和连接性的背景。代理相互合作，通过交换本地推断以及通过融合中心，使用因果框架评估代理对整体决策的实际影响。研究了反映不同代理参与模式和融合中心策略的各种场景，并推导出表示每个代理对联合决策的因果影响的表达式，以便应对异常情况，如敌对攻击或系统故障。通过数值模拟和多摄像机人群计数的实际应用验证了理论结果。

    May, 2024

  • 社交网络形成的动态模型

    本论文探讨了一个动态社交网络模型，其中代理人在随机演化的社交网络中进行重复博弈互动，并通过学习行为决定加强哪些交互关系，从而形成网络结构。作者研究了不同的博弈理论条件，显示网络结构动态复杂，有时与无结构动态时的行为不同，并认为将网络结构建模为动态可以增加现实性而不妨碍问题分析。

    Apr, 2004

  • 网络中的信息扩散和外部影响

    通过 Twitter 网络一月的完整跟踪，研究了信息传播的两种方式以及外部事件和因素对信息传播的影响，发现只有约 71% 的信息量可以归因于网络弥散，其余 29% 是由网络外部的事件和因素引起的。

    Jun, 2012

  • 基于图神经网络的双机器学习估计网络因果效应

    我们的研究论文利用图神经网络和双机器学习的新方法，结合社交网络，有效地推断出因果效应，并证明该估计器在因果效应估计中具有良好的性能。

    Mar, 2024

  • 社区对于影响力学习的重要性

    本研究中，我们针对社交网络中的影响最大化问题进行研究。通过利用社区结构，我们设计了一种简单的启发式算法，在实践中有效地克服了该问题。尽管我们的算法在一般情况下的近似保证无法界定，但我们对其性能进行了实验，并在通过随机块模型生成的图中证明算法获得了常量近似保证。

    Jan, 2018

  • 链接推荐的延迟和间接影响

    研究了链接推荐对社交网络的影响，并采用基于模拟的方法考虑显式动态形成模型对链接推荐会对网络演化产生怎样的影响以及它是如何影响网络结构形态，并在长时间维度上展现了相对较强的影响力，此外也提到了它产生的间接影响，这些影响在推荐关闭后仍然会持续影响网络进化。

    Mar, 2023

  • 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

  • 信息扩散在社交网络演化中的作用

    该论文分析了在线社交网络上的人际互动机制，提出了一种更加细致的社交链展开策略。研究表明，人们跟随其他用户的方式具有高度异质性，通过将用户分类，可以总结不同的链接创造行为，进而更加高效地在网络中传播信息。

    Feb, 2013