发现原型以解释个体行为的演化
社会与信息网络
2019-04-08 v2 物理与社会
摘要
本文旨在发现大型社交网络中个体演化的原型模式。在我们的工作中，一个原型由不同行为的 组成。我们引入一种新颖的高斯隐马尔可夫模型（G-HMM）聚类来识别演化模式的原型。G-HMM 允许：近乎无限的行为变化；对个体演化方式施加约束；不同的演化速率；并且简洁。我们在 Academic 和 StackExchange 数据集上的实验发现了有洞察力的原型。我们为研究者识别出四种原型：、、 和 。我们观察到在同一原型内男女研究者的演化存在明显差异。具体而言，女性和男性在同一原型内（例如多样型）在如何起步、如何转换以及职业生涯中期所花时间上有所不同。我们还发现，资助收入的差异更多地由原型差异而非性别差异解释。对于 StackOverflow，发现的原型可标记为 、、 和 。我们在活动预测和困惑度方面相对于竞争基线有强劲的定量结果。对于未来会话预测，所提出的 G-HMM 聚类模型在不同 Stack Exchange 上平均提升 ，在 Academic 数据集上提升 。我们的模型也表现出比基线更低的困惑度。
引用
@article{arxiv.1902.05567,
title = {Discovering Archetypes to Interpret Evolution of Individual Behavior},
author = {Kanika Narang and Austin Chung and Hari Sundaram and Snigdha Chaturvedi},
journal= {arXiv preprint arXiv:1902.05567},
year = {2019}
}