基于多层网络个性化 PageRank 算法的信用风险演化研究
社会与信息网络
2020-08-24 v2 机器学习
物理与社会
机器学习
摘要
在本文中，我们提出一种新颖的算法来研究复杂多层网络中信用风险的演化。类 PageRank 算法允许影响变量在单一网络中传播，并能在给定节点与网络中其他节点的连接情况下量化单个实体（节点）所面临的风险。另一方面，多层网络是指节点的子集可与唯一集合（层）相关联的网络，其中的边连接层内或层间的元素。我们针对多层网络的个性化 PageRank 算法能够量化信用风险如何随时间演化并经由这些网络传播。通过在每一层中使用二部网络，我们可以量化各种组分的风险，而不仅仅是贷款。我们在一个农业贷款数据集中测试了我们的方法，结果表明违约风险是一种具有挑战性的现象，它随时间在网络中传播并演化。
引用
@article{arxiv.2005.12418,
title = {Evolution of Credit Risk Using a Personalized Pagerank Algorithm for Multilayer Networks},
author = {Cristián Bravo and María Óskarsdóttir},
journal= {arXiv preprint arXiv:2005.12418},
year = {2020}
}
备注
Conference camera-ready paper - accepted at KDD MLF 2020. 15 pages, 10 figures