- Gpachov 在 CheckThat!2023 中的新闻文章主观性检测的多元多途径集成
社交网络的广泛使用导致互联网上存在主观、误导甚至虚假信息。因此,主观性检测可以在确保信息的客观性和质量方面发挥重要作用。本文介绍了 Gpachov 团队在 CLEF-2023 CheckThat!实验室任务 2 中构建的解决方案,该解决方案 - 有符号网络中的防御联盟
在这篇论文中,我们介绍了在社交网络和多智能体系统中分析防御联盟的概念,探讨了形成联盟的因素,并提出了一种基于有向网络的防御联盟的新概念,并研究了与之相关的算法问题和组合发现。此外,我们还引入了一种新的有向图结构参数,并提出了一个参数化算法, - 应用 Adamic-Adar 指数算法预测志愿者协作:简单即是更好
Social networks' graph-like structure and machine learning algorithms' performance in graph link prediction were investi - 基於明確時間嵌入的級聯注意網路用於信息流行度預測
基于时间嵌入的级联注意力网络(TCAN)是一个面向大规模信息网络的新型流行度预测架构,通过将时间属性嵌入到节点特征中,并利用级联图注意力编码器(CGAT)和级联序列注意力编码器(CSAT)来完全学习级联图和级联序列的表示,从而实现对信息流的 - 基于随机逐步特征选择的指数随机图模型(ERGMs)
通过选择内生变量来改善指数随机图模型,增加计算负担并改善观察到的网络依赖性,从而在各个科学领域中提供更准确和有意义的网络现象解释。
- 使用图神经网络预测推文互动
本文提出了一个基于图神经网络的解决方案,TweetGage,用于预测社交媒体上发布的帖子在用户参与度方面的影响,并通过一系列实验对其效果进行了验证。
- 社交网络中基于社区结构的公平信息传播
提出了一种基于网络建模从而实现公平信息扩散的影响最大化算法,可以有效解决社交网络中社群结构问题而不依赖节点属性,并且适用于部分观察和噪声干扰的网络。
- 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 - 情感分析系统开发中的方法、应用和挑战类型
现今,网站已成为展示用户对各种事件的意见、情感和感受的必要平台。使用自己的智能手机,每个人都可以在博客和社交媒体上(如 Twitter、WhatsApp、Telegram 和 Instagram)发表关于购买产品、发生事故、出现新疾病等方面 - 基于社区的网络免疫算法
该论文提出了一种基于社区的 COmmuNiTy-based Algorithm,称为 CONTAIN,用于检测社交网络中的有害内容传播者,从而保护网络免受任意扩散的影响,并通过实验证明其比现有的算法快速收敛。
- LBCIM: 基于忠诚度的竞争影响力极大化与 epsilon - 贪心 MCTS 策略
本研究提出了一种基于社交网络忠诚度的竞争影响最大化的新游戏框架,并使用改良版 Monte Carlo 树搜索算法来挑选最佳策略,其在合成数据和真实数据上均表现优异。
- 动态社交网络中的基于模块化方法的社群跟踪
本论文提出了一种基于模块性的策略来有效检测和跟踪动态社区,在合成网络和 Twitter 网络中的实验结果表明该框架优于其他最先进的方法,并且它为不同的社交网络提供了一个有价值的工具,来理解社区在动态社交网络中的演化。
- 一种基于人类词语联想的社交网络主题检测模型
本论文提出一种基于 Word Association 的社交网络话题检测框架,利用语言结构方法发现单词间的关系,结合人类 Word Association 模型实现更好的效果,在英语和波斯语低资源语言中进行测试,显示出良好的性能。
- 图形化房屋分配
本研究在经典的分配问题基础上,研究了基于社交网络的分配问题,目标是通过最小化代理人之间的嫉妒程度来实现公平分配;同时,该研究还贡献了基于图结构的问题结构与计算结果,提出了一个名为 “可分离性” 的概念,可以在某些图结构中实现高效的最优分配算 - WSDM大规模在线社交网络中挖掘用户感知的多关系进行虚假新闻检测
本文介绍了一种基于双层图模型的假新闻检测模型 Us-DeFake,通过提取社交网络中新闻和用户之间的多重关系以及学习用户可信度信息以提高模型性能,实验结果表明该模型优于所有基准模型。
- 一种基于社区桥节点的极低预算影响最大化社交网络传播者排序算法
社交网络已经在广泛应用于人们之间的交流并且与传递意见和想法,其中影响最大化是广告推荐和个性化推荐的重要方式之一。此论文提出了一种基于社区结构的方法,利用 K-Shell 算法来生成种子节点和社区之间的连通性得分,以确保信息在社区内的适当传播 - 谎言的时代不好过:俄乌战争、COVID-19 和难民信息识别
本研究构建了一个新的数据集 MiDe-22,包括 5,284 条英文推文和 5,064 条土耳其推文,涵盖了包括俄罗斯 - 乌克兰战争、COVID-19 疫情和难民等几个最近事件,并提供了推文的用户参与度。研究提供了详细的数据分析和实验结果 - 将社交网络表示为动态异构图
本文提出一种新的动态异构图表示社交网络的方法,包括时间在图的每个组件中,并用于描绘社交网络中的多样性。演示了此表现力的作用,同时使用图神经网络展示动态查询和预测任务的详细表现。
- 元算法:通过探索学习在拓扑未知的网络中进行社区检测
META-CODE 是一种新的端到端解决方案,可通过易于收集的节点元数据和探索性学习来检测未知拓扑结构的网络中的重叠社区。其算法包括三个步骤:1)初始化网络推断,2)基于图神经网络的节点层次社区归属嵌入,3)基于社区归属的网络探索。实验结果 - 使用基于 Transformer 模型的不同比较方法进行 COVID-19 虚假新闻检测的研究
该研究利用基于转换器的五种模型 (BERT、BERT without LSTM、ALBERT、RoBERTa 和 BERT & ALBERT 混合) 对 COVID 19 虚假新闻进行比较分析,其中 RoBERTa 模型在真假两类中均获得