ネットワークデータの構造的特性により、より同質的なネットワーク表現ほど線形分離可能な埋め込み空間が得られ、より効率的かつ説明可能な分析が可能になる。
ネットワーク構造の摂動に対して頑健な予測モデリングを行うために、ネットワークサブスペース一般化線形モデルを提案する。
ネットワーク分析は、個人の相互作用や関係性を理解し、心理学研究に新たな知見をもたらすことができる。
ネットワーク干渉の存在下で、利用可能な予算内で全体的な治療効果を最大化する最適な治療割り当てを特定する。
本論文は、ネットワークデータの統計分析のために提案された有用なツールであるβモデルを一般化したものである。特に、同質性と疎性の二つの研究テーマを統合した疎なベータ回帰モデル(SβRM)を提案している。ペナルティ付き尤度法を用いて推定を行い、理論的な性質を明らかにしている。
本研究は、時間複雑性と影響力ノードの特定精度のバランスを良好に保ちつつ、複雑ネットワークにおける影響力最大化問題を解決するための新しいアプローチを提案する。
公共交通網は路線攻撃に対して脆弱であり、特に中心性指標に基づく攻撃戦略が最も効果的である。
ビジネスの回復は、事前の行動依存型ネットワークの拡散プロセスによって形成される。リテール業とサービス業は、全体的な回復を加速させる重要な回復乗数となる。また、低所得地域と高所得地域では、回復乗数となるビジネスの種類が異なる。
本論文では、深さ優先探索(DFS)と幅優先探索(BFS)を組み合わせた新しいアプローチを提案し、機械学習手法を用いてグラフ内のエッジを予測する。
符号付きグラフのノード表現を学習することで、ネットワーク内の極端なプロファイルを表す潜在的なアーキタイプを抽出し、ネットワークの偏向を特徴付けることができる。