写博客这种事情还是需要一蹴而就呀……从草稿箱里挖出这篇陈年半成品,于心不忍,让它出来放放风吧。
一、写在前面
今天有幸参加了吕琳媛组织的复杂系统与社会计算研讨会,听到了业界大牛们的汇报,吃到了举办方准备的美味午餐和茶点,在精神和物质上得到了不少收获。学术会议不少见,免费且管饭的学术会议少见;大牛的汇报不少见,汇报准备充分、让人听得懂的汇报少见;发东西的会议不少见;发的东西考虑周全、正好为我所用的会议少见。为了参加这个会议,博主在没有打到车的情况下,冒着北京秋末飞刀一样的晨风含泪骑车4公里赶到会场;为了参加这个会议,博主毅然舍弃了清华和中科院分别举办的知识计算和计算机视觉会议;而这一切都是值得的。会场学术氛围浓厚,嘉宾和听众互动频繁,在学到东西的同时,我也被这种融洽的学术氛围所打动:既然学术的力量能够支使人无偿举办这样的讲座(在我看来,这实在是一种吃力但不一定讨好的工作),那么我也有必要追求真理,上下而求索。
二、会议概述
鉴于博主精力有限(这从更新得越来越慢的博客中可以看出),只记录了自己感兴趣的部分内容。内容不多,但就idea而言也足够了。
1. 图神经网络及其应用——唐杰,清华大学
这个报告概括了图神经网络发展的历史和脉络。
1)GNN(图神经网络):2005年提出。针对无法将复杂网络输入神经网络进行训练的问题,希望将网络中的点转化为恰当的形式,以输入神经网络。这一需求催生了网络表示学习。
2)网络表示学习算法
DeepWalk---------->LINE---------->PTE-------------------Node2Vec
(DW的特例) (LINE的特例) (DW的特例)
上述算法的本质都是在做矩阵分解(已被证明)。那么,为什么不直接对网络进行矩阵分解呢?
=》用矩阵分解的方法处理网络,实验表明效果不错。
=》用矩阵分解+propagation的方式处理网络。实际上就是利用周围节点的信息,是一种GCN(图卷积网络)
3)应用
社会预测、商品推荐等。
下面是唐杰给出的图嵌入方法(网络表示学习)的概述。
2. 社会引力定律——闫小勇,北京交通大学
1)物理学中的引力定律
两个物体之间的引力正比于二者的质量之积,反比于二者距离的平方。
2)引力定律存在于其他领域
①铁路网络中的引力定律
两个城市之间车站的客运量,正比于两市人口之积,反比与两市距离的平方。
②货运网络中的引力定律
两市之间货运量也有类似的关系。这一定律是齐夫发现的,齐夫就是提出齐夫定律的那个人。
③其他背景下的引力定律
航空网络、海运网络、通勤出行量(通过人口普查得到数据)、人口迁移、国际贸易(贸易量和GDP、距离的关系)、手机通讯(电话量和人口数、距离的关系)中也有类似规律。
④社交网络中的引力定律
科研网络中,两地学者合作量(引用量)正比与两地科研人数,反比于两地距离。
3)社会引力定律
两地之间的“流量”与两地间“活力”之积成正比,与两地之间距离的幂成反比。
那么,为什么会出现这种现象?
①最大熵原理
其中,O和D分别是点i和点j的活力值,c是出行成本。
而成本和距离具有对数关系。因此:
(成本和距离有对应关系的实例:出行。距离近,走路,成本小。距离远,坐火车或飞机,成本高。所以开始会有比较大的增长。)
然而,这种方法的问题在于:人的行为具有随机性,在模型中没有体现。
②随机效用理论
其中,V是随机效用,m是物体j的活力,d是两物体间的距离。
方法存在的问题:只考虑了单个个体的随机性,没考虑到个体间的相互作用。
③拥挤博弈理论
目的地选择博弈:
可导出社会引力定律。
演讲的教授根据这一理论写了一本书,叫做《超越引力定律》,有兴趣可以看看。