.png){kind=icon}
返回
Tree-Based Approach for Time-Independent Diffusion Network Inference
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-95-3001-4_29.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
无时间戳的扩散网络推断对于理解传播动态和社会网络中的应用至关重要。近年来，由于监控时间信息的成本高昂以及存在未知的观测误差，推断无时间戳的网络已引起关注。然而，现有的非时间依赖方法主要关注直接从数据中提取父子影响关系，忽视了扩散过程的动态性。为克服这些局限性，本文提出了一种基于独立级联模型的无时间戳扩散网络推断的树方法（TDNI）。TDNI为感染状态数据引入了树似然，并开发了一种优化策略来推断每个扩散过程中最可能的传播树。此外，TDNI引入了一个后处理阶段，利用所提出的似然比进一步过滤剩余的候选边，从而确保推断结果的准确性。在合成网络和真实网络上的实验表明，与现有最先进算法相比，TDNI表现出高度竞争力。代码可在 https://github.com/cgao-comp/TDNI 获取。
Keyword:
Diffusion Network Inference
Social Networks
Time-Independent Methods
期刊
K
IF:
0
论文数:
25
被引数:
0
机构
引用论文
Probabilistic latent network visualization.png)
Proceedings of the 20th ACM SIGKDD international conference on Knowledge discovery and data mining
Proceedings of the 20th ACM SIGKDD international conference on Knowledge discovery and data miningIF0
PREAI
分享收藏The data-driven null models for information dissemination tree in social networks社会网络中信息传播树的数据驱动零模型
PREAI
分享收藏
Maximizing the spread of influence through a social networkProceedings of the ninth ACM SIGKDD international conference on Knowledge discovery and data mining
OAAI
Proceedings of the ninth ACM SIGKDD international conference on Knowledge discovery and data miningIF0
OAAI分享收藏
查看更多内容