从动态成对交互中推断多边关系
人工智能
2013-11-19 v1 社会与信息网络
摘要
异常活动模式之间的相关性可以提供关于复杂社会过程的相关信息：多个行动者对同时表现出的显著偏离正常行为，为涉及这些对的某种潜在关系（即多边关系）提供了证据。我们引入了一种新的非参数贝叶斯潜变量模型，该模型明确捕捉异常交互计数之间的相关性，并利用这些对正常活动模式的共同偏离来识别和表征多边关系。我们使用新整理的全球事件、地点和语气数据库（Global Database of Events, Location, and Tone）展示了该模型的能力，该数据集在社会科学和大众媒体中引起了广泛关注，但机器学习界对其探索尚少。我们详细分析了模型推断的潜结构，并表明多边关系对应于重大国际事件和长期国际关系。这些发现使我们建议将该模型用于任何数据驱动的交互网络分析，其中边上的动态交互为潜在社会结构提供了证据。
引用
@article{arxiv.1311.3982,
title = {Inferring Multilateral Relations from Dynamic Pairwise Interactions},
author = {Aaron Schein and Juston Moore and Hanna Wallach},
journal= {arXiv preprint arXiv:1311.3982},
year = {2013}
}
备注
NIPS 2013 Workshop on Frontiers of Network Analysis