江苏龙网

  1. 主页 > 生活百科 > >

kgs是什么意思(kgs3)

网络中随机游走的大偏差揭示了广义最优路径和权重分布；图的半监督分类中节点属性和邻近度的联合使用:状态核密度:使用罗伯塔检测新冠肺炎信息推文；评估社会网络结构对冠状病毒疾病传播的影响(新冠肺炎):广义空 SEIRD模型；社会泡沫与超级传播者:超级树传染过程的源头识别:TeX-Graph:用于新冠肺炎药物复用的耦合张量矩阵知识图嵌入：属性社会网络中的系统边不确定性及其对少数节点排序的影响：逃税:一个动态模型:YouTube上的伪科学内容:评估观看历史对推荐算法的影响；通过模型增强和强化学习优化出租车车队的随机路线；尖峰采样:通过不均匀过滤扩散探索大网络；学习新技能有回报吗？揭示交叉技能的经济效益；基于文本判别模型的Hawkes过程分类：反应流行病学模型的自适应网格加密和粗化:用随机投影快速逼近余弦函数:网络中随机游走的大偏差揭示了广义最优路径和权重分布 。_原题为:通过网络上随机行走的大偏差揭示的广义最优路径和权重分布
地址:http://arxiv.org/abs/2010.11219
作者:里卡多·古铁雷斯、卡洛斯·佩雷斯-埃斯皮加雷斯
摘要:理论和实践中的许多问题都与寻找网络中的最短路径(或最佳路径)有关，往往存在一些障碍或约束 。在某种程度上，相关的问题集中在寻找权重的最优分布，其对于给定的连接拓扑最大化某个流量或者最小化给定的成本函数 。我们证明这两组问题可以通过分析随机游走的大偏差函数来解决 。具体来说，轨迹集的研究使我们能够借助辅助随机过程(广义Doob变换)来寻找最佳路径或设计最佳加权网络 。与标准方法相反，这些路径不限于最短路径，并且权重不需要优化给定的函数 。实际上，路径和权重可以调整为给定的可观测时间积分的统计信息，可以是活动或当前状态，也可以是通过给定节点或链路标记随机行走者的局部函数 。我们通过探索存在障碍时的最佳路径和存在局部活动的限制区域或上限时的最佳网络流动来说明这一思想 。
图的半监督分类中节点属性和邻近度的联合使用_原题为:联合使用节点属性和邻近度进行图上的半监督分类
地址:http://arxiv.org/abs/2010.11536
作者:ARP IT Merchant，Michael Mathioudakis
摘要:节点分类问题是根据给定的结构、节点属性和某些节点的标签来推断图中未知的节点标签 。用于该任务的方法通常假设相邻节点具有相似的属性，因此可以从其邻居的标签预测节点的标签 。虽然这种同质性经常被观察到(例如，对于社交网络中的政治归属)，但这种假设可能不适用于任意的图数据集和分类任务 。事实上，共享相同标签的节点可能是相邻的，但它们的属性是不同的 。或者可以不相邻但具有相似的特性 。我们旨在开发一种节点分类方法，它可以灵活地适应一系列设置，其中标签与图结构或节点属性或两者相关 。因此，我们提出了JANE(联合使用属性和节点嵌入):一种基于生成概率模型的新颖而有原则的方法，它权衡了节点邻近度和属性相似度在预测标签中的作用 。我们在各种图形数据集上的实验以及与标准基线的比较表明，JANE展示了多功能性和竞争性能的完美结合 。
状态图核的密度_原题为:状态密度图核
地址:http://arxiv.org/abs/2010.11341
作者:黄志勤，安德鲁·格雷文，大卫·宾德尔
摘要:图结构数据的一个重要问题是量化图之间的相似性 。图形内核是完成这类任务的成熟技术 。特别是基于随机游走和返回概率的方法，在生物信息学、社会网络和计算机视觉等领域的广泛应用中被证明是有效的 。而随机游走核通常速度慢，摇摇欲坠，会导致过度强调局部图拓扑，从而弱化全局结构的重要性 。为了纠正这些问题，我们在更一般的状态密度框架下重现了返回概率图的核——这个框架使用了谱分析的透镜来揭示隐藏在谱内部的图基和特征——并使用解释来构造基于状态的复合密度的可扩展状态图核，它可以平衡局部信息和全局信息，从而在许多基准数据集上具有更高的分类精度 。
使用RoBERTa检测COVID-19信息性推文_原题为:使用Roberta检测新冠肺炎信息性推文
地址:http://arxiv.org/abs/2010.11238
作者:Sirigireddy Dhanalaxmi，Rohit Agarwal，Aman Sinha
摘要:Twitter等社交媒体是用户产生信息的热点 。在这个正在进行的新冠肺炎疫情中，社交媒体上有大量的数据，这些数据可以分为信息性和非信息性内容 。在本文中，我们将介绍使用RoBERTa模型检测丰富的新冠肺炎英语推文的工作，这是2020年W-NUT研讨会的一部分 。在数据集和排行榜上验证0.87 。


推荐阅读


上一篇：蔻驰和古驰有什么区别(蔻驰包属于什么档次)

下一篇：够呛是什么意思(学的够呛是什么意思)