Sep, 2023

品牌网络增强器：改善品牌连通性的新系统

PDF
TL;DR该研究论文介绍了一种新的决策支持系统，用于对语义网络进行深入分析，从而为品牌形象的探索和连接性的提高提供洞察力。论文展示了通过解决最大介数改进问题的扩展版本来实现该目标，该问题包括考虑对抗节点、有限预算和加权网络的可能性，其中通过添加连接或增加现有连接的权重来改善连接性。同时，该论文还展示了两个案例研究，并讨论了该系统的性能。该工具和方法对网络学者以及支持市场营销和传播经理的战略决策过程都非常有用。
decision support systemsemantic networksbrand imageconnectivity improvementnetwork analysis
发现论文，激发创造
  • 图形贝叶斯优化：算法、评估和应用

    本文提出了一种灵活的图贝叶斯优化框架，结合了图内核，通过识别优化过程中哪些特征更重要来完全利用隐含的图结构特征并证明了其有效性和潜在应用。

    May, 2018

  • 构建贝叶斯信念网络的实际问题

    本研究介绍了利用贝叶斯信念网络和影响图构建概率表示模型的过程，并探讨了一些通用技术，如‘噪声 OR 门’概念，以帮助建立和量化不确定关系，并对 Bayes 网络的通用元素进行了敏感性分析，从而获得对概率评估足够粗糙时和需要更高精度时的见解。

    Mar, 2013

  • 预测人工智能论文中的语义关系的方法

    本文提出了一种基于 Graph Neural Networks 的新型深度学习方法，以解决如何预测大型演化网络中链接出现的问题，特别地，预测与 AI 相关的主题之间的链接。实验结果表明，使用此方法能够有效地识别出节点的吸收和密集子图的合并两种模式，且模型具有较高的预测准确性。

    Jan, 2022

  • 编程社区问答中的命名实体预测贝叶斯网络

    本研究提出了一种基于贝叶斯网络的自然语言处理方法，可以预测和分析上下文，并可以应用于社区问答领域，通过与基线模型的比较，我们的方法在精度指标方面表现更好，同时讨论了罚项对贝叶斯网络结构的影响，以及有向无环图在分析语义关系方面的可视化表示。

    Feb, 2023

  • 协同信号：通过图神经网络利用协同参与和语义链接

    基于语义的图神经网络（SemanticGNN）是在大规模知识图谱中建模实体、语义概念、协作边和语义边，并对其进行表示学习的一种新颖的图模型，通过融合协同活动数据和丰富的语义信息提供更准确的实体相似度计算。实证实验证明所提出的模型在相似度判断任务上的性能提升达到 35%。

    Dec, 2023

  • 无桩自行车共享系统中基于图优化的网络扩张

    自行车共享系统是全球超过一千个城市中部署的，对许多城市交通系统起着重要作用。本研究利用摩比自行车的出行数据构建了一个优化的地理时空图，揭示了未来共享系统扩展时的最佳站点位置。使用路汶算法进行社区检测，发现不同时间粒度上呈现类似使用模式的自包含子网络。整体来看，本研究加强了自行车共享系统是物理时空系统的内在特性，并且社区的存在受到时空动态的驱动。这些发现可能有助于运营商提高再分配效率。

    Mar, 2024

  • BOIS: 基于贝叶斯优化的互联系统

    通过使用自适应线性化的方法来处理复合函数的统计矩问题，引入了一种新的 Bayesian optimization (BO) 模式，可有效利用结构化知识，并在化学过程优化案例研究中取得了性能提升和复合函数统计特性的准确捕捉。

    Nov, 2023

  • 医疗决策中因果干预的贝叶斯网络模型：文献综述与软件评估

    本文归纳了系统文献搜索的结果，确定了 Bayesian 网络模型在支持医疗决策方面的应用。通过筛选多篇研究论文，并对公共数据集进行了分析，使用了 Wang B，Lyle C，Kwiatkowska M（2021）开发的因果干预分析软件工具以及实验评估其应用效果。

    Nov, 2022

  • 一种基于路径的网络数据分析框架

    本文介绍了一种基于路径收集的网络数据分析框架，使用基尔霍夫矩阵求解策略计算路径之间关系概率分布，并提高了一种框架的应用，可以计算并测量不同的节点关系度量标准，并通过实验证明了该方法在半监督分类问题上的竞争优势。

    Feb, 2013

  • Sum-Product Networks 与贝叶斯网络之间的关系

    本文研究和探讨了和 Sum-Product Networks 有关的 Bayesian Networks 的理论联系，并给出了使用 Algebraic Decision Diagrams 来表示和转换 SPN 为 BN 的一个线性时间和空间复杂度的算法。同时，用 Variable Elimination 算法来恢复原始的 SPN，并且介绍了 SPN 的深度和对应的 BN 树宽的下界之间的联系。

    Jan, 2015