HypTrails：一种比较关于 Web 上人类轨迹假设的贝叶斯方法
社会与信息网络
2015-03-27 v3 数据分析、统计与概率
物理与社会
摘要
当今用户与 Web 交互时，会在大规模上留下序列化的数字轨迹。此类人类轨迹的例子包括 Web 导航、在线餐厅评论序列或在线音乐播放列表。理解驱动这些轨迹产生的因素有助于改善底层网络结构、预测用户点击或增强推荐。在本文中，我们提出了一种称为 HypTrails 的通用方法，用于比较关于 Web 上人类轨迹的一组假设，其中假设代表了对状态间转移的信念。我们的方法利用带有贝叶斯推断的马尔可夫链模型。主要思想是将假设作为信息性 Dirichlet 先验纳入，并利用贝叶斯因子对先验的敏感性来相互比较假设。为了从假设中引出 Dirichlet 先验，我们提出了对所谓（试验）轮盘赌方法的改编。我们通过对以下对象进行实验展示了 HypTrails 的一般机制和适用性：(i) 我们控制其产生机制的合成轨迹，以及 (ii) 源自不同领域（包括网站导航、商业评论和在线音乐播放）的经验轨迹。我们的工作扩展了用于研究 Web 上人类轨迹的方法库。
引用
@article{arxiv.1411.2844,
title = {HypTrails: A Bayesian Approach for Comparing Hypotheses About Human Trails on the Web},
author = {Philipp Singer and Denis Helic and Andreas Hotho and Markus Strohmaier},
journal= {arXiv preprint arXiv:1411.2844},
year = {2015}
}
备注
Published in the proceedings of WWW'15