StratLearner：面向社交网络 misinformation 预防的策略学习
机器学习
2020-10-01 v1 社会与信息网络
机器学习
摘要
给定一个接收输入的组合优化问题，我们能否从输入—解对的示例中学习一种求解策略，而无需知晓其目标函数？本文考虑此类设定并研究 misinformation 预防问题。给定攻击者—防护者对的示例，我们的目标是在无需了解底层扩散模型的情况下，学习一种针对未来攻击者计算防护者的策略。为此，我们设计了一个结构化预测框架，其主要思想是利用在随机采样子图上通过距离函数构造的随机特征来参数化评分函数，从而得到可通过大间隔方法学习的带核评分函数。实验表明，我们的方法可在不使用任何扩散模型信息的情况下生成近最优防护者，并以明显优势超越其他可能的基于图与基于学习的方法。
引用
@article{arxiv.2009.14337,
title = {StratLearner: Learning a Strategy for Misinformation Prevention in Social Networks},
author = {Guangmo Tong},
journal= {arXiv preprint arXiv:2009.14337},
year = {2020}
}
备注
NeurIPS'20