雅博app- Arxiv网络科学论文摘要12篇(2021-01-06)

本文摘要:社区检测方法概述:从统计模型到深度学习;Het-node2vec:用于异构多图嵌入的二阶随机游走采样;时间元路径引导的可解释推荐;什么驱动了激情?

雅博app

社区检测方法概述:从统计模型到深度学习;Het-node2vec:用于异构多图嵌入的二阶随机游走采样;时间元路径引导的可解释推荐;什么驱动了激情?人格特质互动和事情情况对事情热情影响的实证研究;多重网络上多源的相互确认的非对称交互动力学;通过存档检测被挟制的日志网络;使用症状病例追踪COVID-19大盛行病生长的可能优点的研究;识别非对称交互多重网络中的影响力流传者;展现COVID-19的流传动力学: R_t 预计的贝叶斯框架;数学讲明可以接纳一种HIV气势派头的计谋来治理冠状病毒;封锁需要地理协调,因为经济影响会通过供应链流传;社交媒体在COVID-19期间说了什么:规模回首;社区检测方法概述:从统计模型到深度学习原文标题: A Survey of Community Detection Approaches: From Statistical Modeling to Deep Learning地址: http://arxiv.org/abs/2101.01669作者: Di Jin, Zhizhi Yu, Pengfei Jiao, Shirui Pan, Philip S. Yu, Weixiong Zhang摘要: 社区检测是网络分析的基本任务,旨在将网络划分为多个子结构,以资助展现其潜在功效。社区检测已在许多现实世界的网络问题中获得了广泛的研究,并被广泛应用。社区检测的经典方法通常使用概率图模型,并接纳种种先验知识来推断社区结构。

随着网络方法试图解决的问题以及要分析的网络数据变得越来越庞大,还提出了新的方法,特别是使用深度学习并将网络数据转换为低维表现的方法。只管最近取得了所有进步,但对于社区检测的理论和方法基础仍然缺乏深入的明白,这对于网络分析领域的未来生长至关重要。

在本文中,我们开发并提出了一个统一的网络社区发现方法体系结构,以表征社区检测领域的最新技术。详细来说,我们对现有的社区检测方法举行了全面回首,并先容了一种新的分类法,该分类法将现有方法分为两类,即概率图模型和深度学习。然后,我们详细讨论两种种别中每种方法背后的主要思想。此外,为了促进社区检测的未来生长,我们从多个问题域中公布了一些基准数据集,并重点先容了它们在种种网络分析任务中的应用。

最后,我们讨论了该领域的挑战,并提出了未来研究的可能偏向的建议。Het-node2vec:用于异构多图嵌入的二阶随机游走采样原文标题: Het-node2vec: second order random walk sampling for heterogeneous multigraphs embedding地址: http://arxiv.org/abs/2101.01425作者: Giorgio Valentini, Elena Casiraghi, Luca Cappelletti, Vida Ravanmehr, Tommaso Fontana, Justin Reese, Peter Robinson摘要: 我们先容了一组算法(Het-node2vec),它们将原始的node2vec节点邻域采样方法扩展到了异构多图,即以多种类型的节点和边为特征的网络。所得的随机游走样本同时描画了图的结构特征和差别类型的节点和边的语义。

所提出的算法可以将注意力集中在特定的节点或边类型上,从而允许对表现不足的节点/边类型举行准确表现,这对于正在研究的预测问题很重要。这些富厚且重点突出的表现形式可以促进异构图上无监视和有监视的学习。时间元路径引导的可解释推荐原文标题: Temporal Meta-path Guided Explainable Recommendation地址: http://arxiv.org/abs/2101.01433作者: Hongxu Chen, Yicong Li, Xiangguo Sun, Guandong Xu, Hongzhi Yin摘要: 本文使用经心设计的一连项目之间的项目-项目路径建模和注意机制,对动态知识图上的动态用户-项目演进举行顺序建模,以提出可解释的建议。

与使用重型递归神经网络对时间信息举行建模的现有事情相比,我们提出了一种简朴而有效的神经网络来描画用户的历史物品特征和基于路径的上下文来表征下一个购置的物品。在三个实际基准数据集上对TMER的广泛评估显示,与最近的强基准相比,它具有最先进的性能。什么驱动了激情?人格特质互动和事情情况对事情热情影响的实证研究原文标题: What drives passion? An empirical examination on the impact of personality trait interactions and job environments on work passion地址: http://arxiv.org/abs/2101.01270作者: Annika Kreil, Andranik Tumasjan, Taha Yasseri, Isabell Welpe摘要: 充满激情的员工对于组织的乐成至关重要,因为他们可以提高绩效,降低人员流动或缺勤。只管大量研究观察了激情的结果,但我们对其激情的前因明白甚少。

将特质互动理论与特质激活理论相联合,本文研究了人格特质,即自信心,乐于助人和神经质,如何影响差别岗位的事情热情。激情已被观点化为二维结构,包罗和谐的事情激情(HWP)和强迫性事情激。

本文关键词:雅博app

本文来源:雅博app-www.elehuan.com

相关文章