关系事件模型与逆强化学习在刻画群体交互序列上的联系
机器学习
2020-10-21 v1 社会与信息网络
摘要
在本文中，我们探索了网络科学领域的关系事件模型（REM）与机器学习领域的逆强化学习（IRL）之间此前未被认识到的联系， concerning 它们刻画群体环境中定向社会交互事件序列的能力。REM 是解决此类问题的常规方法，而 IRL 的应用在很大程度上是一条未踏之路。我们首先考察 REM 与 IRL 的数学组成部分，发现两种方法间直接的类比以及 IRL 方法的独特特征。我们通过一个实证实验展示 IRL 在刻画群体社会交互上的特殊效用：实验中，我们基于一组虚拟现实游戏玩家为达成共同目标而交互合作的定向通信事件序列，使用 IRL 推断个体行为偏好。我们的比较与实验为社会行为分析学引入新视角，并有助于在社会网络分析与机器学习交汇处激发新的研究机遇。
引用
@article{arxiv.2010.09810,
title = {Connections between Relational Event Model and Inverse Reinforcement Learning for Characterizing Group Interaction Sequences},
author = {Congyu Wu},
journal= {arXiv preprint arXiv:2010.09810},
year = {2020}
}