基于圖神經(jīng)網(wǎng)絡(luò)的風(fēng)險投資成功預(yù)測;互惠知識共享關(guān)系對創(chuàng)業(yè)成功的影響;跨地理區(qū)域和年齡段的自適應(yīng)和優(yōu)化的COVID-19疫苗接種策略;具有非對稱認(rèn)知偏差的輿論演化動力學(xué);Twitter上有毒對話的結(jié)構(gòu);HIN-RNN：無手工特征的欺詐群檢測的圖表示學(xué)習(xí)神經(jīng)網(wǎng)絡(luò);二元決策動力學(xué)中的相變和級聯(lián)崩潰;COVID-19傳輸?shù)臄?shù)學(xué)模型;基于保守網(wǎng)絡(luò)的有影響力股票動態(tài)分析;具有三元閉合的配置模型;通過拓?fù)渥儞Q進行自監(jiān)督圖表示學(xué)習(xí);看看里面。通過分析企業(yè)內(nèi)部網(wǎng)社會網(wǎng)絡(luò)和使用單詞共現(xiàn)網(wǎng)絡(luò)來預(yù)測股票價格;模糊數(shù)字路由選擇信息可防止延遲引起的擁塞;人群中COVID-19檢測的統(tǒng)計模型：抽樣偏差和檢測誤差的影響;incel詞典：解讀全球女性厭惡社區(qū)的新興密碼;大數(shù)據(jù)和大價值：公司需要重新思考的時候;溝通效率導(dǎo)致詞匯學(xué)習(xí)偏見的出現(xiàn)和下降;基于圖神經(jīng)網(wǎng)絡(luò)的風(fēng)險投資成功預(yù)測

原文標(biāo)題： Graph Neural Network Based VC Investment Success Prediction

地址： http://arxiv.org/abs/2105.11537

作者： Shiwei Lyu, Shuai Ling, Kaihao Guo, Haipeng Zhang, Kunpeng Zhang, Suting Hong, Qing Ke, Jinjie Gu

摘要： 對于風(fēng)險投資業(yè)務(wù)和全球決策者而言，預(yù)測將最終成功的初創(chuàng)公司至關(guān)重要，特別是在早期階段，這樣回報可能是指數(shù)級的。盡管已經(jīng)進行了各種實證研究和數(shù)據(jù)驅(qū)動的建模工作，但是尚未充分探索包括風(fēng)險投資，初創(chuàng)企業(yè)和初創(chuàng)企業(yè)管理人員在內(nèi)的利益相關(guān)者的復(fù)雜網(wǎng)絡(luò)的預(yù)測能力。我們利用網(wǎng)絡(luò)結(jié)構(gòu)以及節(jié)點的豐富屬性，設(shè)計了增量表示學(xué)習(xí)機制和順序?qū)W習(xí)模型。通常，我們的方法可以在全球風(fēng)險投資的綜合數(shù)據(jù)集上實現(xiàn)最先進的預(yù)測性能，并且可以大大超過人類投資者。特別是，它擅長預(yù)測醫(yī)療保健和IT等行業(yè)的初創(chuàng)企業(yè)成果。同時，我們揭示了性別，教育和網(wǎng)絡(luò)等可觀察因素對創(chuàng)業(yè)成功的影響，這對于從業(yè)者和決策者在篩選具有高增長潛力的企業(yè)時可能是有價值的。

互惠知識共享關(guān)系對創(chuàng)業(yè)成功的影響

原文標(biāo)題： The power of reciprocal knowledge sharing relationships for startup success

地址： http://arxiv.org/abs/2105.11538

作者： T. J. Allen, P. Gloor, A. Fronzetti Colladon, S. L. Woerner, O. Raz

摘要： 目的：本文的目的是研究大型高科技集群研發(fā)網(wǎng)絡(luò)中與地理鄰近性和知識共享互動有關(guān)的生物技術(shù)初創(chuàng)企業(yè)的創(chuàng)新能力。設(shè)計方法論：這項研究將生物技術(shù)初創(chuàng)公司的研究人員的縱向非正式交流網(wǎng)絡(luò)與隨后幾年的公司專利申請進行了比較。一年來，對來自位于波士頓生物技術(shù)集群中的70多家生物技術(shù)公司的高級研發(fā)人員進行了調(diào)查，并收集了與同行，大學(xué)和大型制藥公司互動的交流信息，以及它們的地理位置標(biāo)簽。發(fā)現(xiàn)：位置影響公司之間的交流數(shù)量，但不影響他們的創(chuàng)新成功。相反，重要的是溝通強度和他人的記憶。特別是，有證據(jù)表明，輪換領(lǐng)導(dǎo)能力（在更主動和被動的溝通方式之間轉(zhuǎn)變）是創(chuàng)新績效的預(yù)測指標(biāo)。實際意義：維持社會聯(lián)系可以代替昂貴的房地產(chǎn)投資。更具活力的溝通方式和更多樣化的社會紐帶有利于創(chuàng)新。原創(chuàng)性價值：與早期的研究表明位置，網(wǎng)絡(luò)和公司績效之間存在聯(lián)系相比，本文提供了更加差異化的觀點；包括新穎的溝通方式衡量，使用獨特的數(shù)據(jù)集，以及為希望塑造溝通模式以提高創(chuàng)新能力的公司提供新的見解，而與他們的地理位置無關(guān)。

跨地理區(qū)域和年齡段的自適應(yīng)和優(yōu)化的COVID-19疫苗接種策略

原文標(biāo)題： Adaptive and optimized COVID-19 vaccination strategies across geographical regions and age group

地址： http://arxiv.org/abs/2105.11562

作者： Jeta Molla, Alejandro Ponce de León Chávez, Takayuki Hiraoka, Tapio Ala-Nissila, Mikko Kivel?, Lasse Leskel?

摘要： 我們評估分配針對COVID-19的疫苗的各種啟發(fā)式策略的效率，并將它們與使用最佳控制理論發(fā)現(xiàn)的策略進行比較。我們的方法基于一個數(shù)學(xué)模型，該模型跟蹤疾病在不同年齡組之間以及在不同地理區(qū)域之間的傳播，并且我們引入了一種將特定年齡的聯(lián)系數(shù)據(jù)與地理移動數(shù)據(jù)相結(jié)合的方法。作為案例研究，我們使用來自主要電信運營商的移動性數(shù)據(jù)來模擬芬蘭大陸人口的流行情況。我們的方法可以確定應(yīng)該首先確定哪些地理區(qū)域和年齡段，以最大程度地減少死亡人數(shù)。在我們測試的場景中，我們發(fā)現(xiàn)，按人口統(tǒng)計學(xué)和年齡遞減的順序分配疫苗并不是將死亡和疾病負(fù)擔(dān)降至最低的最佳方法。取而代之的是，通過采用強調(diào)高發(fā)地區(qū)并在多個年齡段并行分配疫苗的策略，可以挽救更多的生命。應(yīng)給予高發(fā)地區(qū)的重視程度取決于人口的總體傳播率。該觀察結(jié)果突顯了當(dāng)有效繁殖數(shù)量由于一般接觸方式的變化和新病毒變種的進入而變化時，更新疫苗接種策略的重要性。

具有非對稱認(rèn)知偏差的輿論演化動力學(xué)

原文標(biāo)題： Dynamics of Public Opinion Evolution with Asymmetric Cognitive Bias

地址： http://arxiv.org/abs/2105.11569

作者： Yanbing Mao, Naira Hovakimyan, Tarek Abdelzaher

摘要： 在本文中，我們提出了一種結(jié)合了不對稱認(rèn)知偏見的公眾意見模型：確認(rèn)偏見和消極偏見。然后，我們研究刻畫不對稱確認(rèn)偏差和負(fù)偏差的通用建模指導(dǎo)。數(shù)值例子說明了不對稱認(rèn)知偏差模型的正確性。

Twitter上有毒對話的結(jié)構(gòu)

原文標(biāo)題： The Structure of Toxic Conversations on Twitter

地址： http://arxiv.org/abs/2105.11596

作者： Martin Saveski, Brandon Roy, Deb Roy

摘要： 社交媒體平臺承諾可以在線進行豐富而充滿活力的對話；但是，他們的潛力常常受到反社會行為的阻礙。在本文中，我們研究了Twitter對話中結(jié)構(gòu)與毒性之間的關(guān)系。我們收集了由主要新聞媒體發(fā)布或提及超過一年的推文以及在四個月內(nèi)參加2018年美國中期選舉的候選人提示的118萬對話（5850萬條推文，440萬用戶）。我們在個人，二元組和小組級別分析對話。在個人層面上，我們發(fā)現(xiàn)毒性分布在許多中低度毒性使用者中。在dyad級別，我們觀察到有毒回復(fù)更可能來自沒有任何社交關(guān)系或與發(fā)帖人沒有很多共同朋友的用戶。在小組級別，我們發(fā)現(xiàn)有害的對話往往具有更大，更廣和更深的回復(fù)樹，但稀疏跟隨圖。為了測試會話結(jié)構(gòu)的預(yù)測能力，我們考慮了兩個預(yù)測任務(wù)。在第一個預(yù)測任務(wù)中，我們證明了結(jié)構(gòu)特征可用于預(yù)測對話是否會在前十次答復(fù)中變得有毒。在第二個預(yù)測任務(wù)中，我們表明對話的結(jié)構(gòu)特征還可以預(yù)測特定用戶發(fā)布的下一個答復(fù)是否有毒。我們觀察到，對話的結(jié)構(gòu)和語言特征在兩個預(yù)測任務(wù)中都是互補的。我們的發(fā)現(xiàn)為更健康的社交媒體平臺的設(shè)計提供了信息，并證明了基于對話結(jié)構(gòu)特征的模型可用于檢測毒性的早期跡象，并有可能引導(dǎo)對話向毒性較小的方向發(fā)展。

HIN-RNN：無手工特征的欺詐群檢測的圖表示學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)

原文標(biāo)題： HIN-RNN: A Graph Representation Learning Neural Network for Fraudster Group Detection With No Handcrafted Features

地址： http://arxiv.org/abs/2105.11602

作者： Saeedreza Shehnepoor, Roberto Togneri, Wei Liu, Mohammed Bennamoun

摘要： 社會評論是現(xiàn)代消費者決策不可或缺的資源。為了獲得經(jīng)濟利益，公司最好向群體中的欺詐者進行降級或促銷產(chǎn)品和服務(wù)，因為消費者更容易受到群體中大量類似評論的誤導(dǎo)。欺詐者群體檢測的最新方法采用了群體行為的手工特征，而沒有考慮群體中審閱者之間的評論之間的語義關(guān)系。在本文中，我們提出了第一種神經(jīng)方法，即HIN-RNN，這是一種無需手工功能即可用于欺詐者群體檢測的異構(gòu)信息網(wǎng)絡(luò)（HIN）兼容RNN。 HIN-RNN提供了一個統(tǒng)一的體系結(jié)構(gòu)，用于每個評論者的學(xué)習(xí)學(xué)習(xí)，初始向量是同一評論者撰寫的所有評論文本的詞嵌入總和，由否定評論的比例串聯(lián)在一起。給定一個代表審閱者的共同審閱網(wǎng)絡(luò)，該審閱者以相同的評分審閱了相同的項目，并且審閱者的向量表示形式通過HIN-RNN培訓(xùn)獲得了一個協(xié)作矩陣。在Yelp（分別在召回率和F1值方面分別為22％和12％）和Amazon（分別為4％和2％）上的Yelp（分別為22％和12％）方面，該提議的方法被證實具有明顯的改進效果?；貞涰椇虵1值）數(shù)據(jù)集。

二元決策動力學(xué)中的相變和級聯(lián)崩潰

原文標(biāo)題： Phase transition and cascading collapse in binary decision-making dynamics

地址： http://arxiv.org/abs/2105.11616

作者： Xuyang Chen, Xin Wang, Longzhao Liu, Shaoting Tang, Zhiming Zheng

摘要： 二元決策過程在社會生活中無處不在，在許多現(xiàn)實世界中，從公共衛(wèi)生到政治運動，都具有至關(guān)重要的意義。盡管已經(jīng)廣泛研究了獨立于離散選擇行為的連續(xù)意見演變，但很少有作品揭示如何通過這兩個過程的耦合動力學(xué)來確定群體二元決策結(jié)果。為此，我們提出了一種基于主體的模型，通過社會網(wǎng)絡(luò)上的競爭性意見動態(tài)研究個體二元決策過程的集體行為?？紤]了三個關(guān)鍵因素：描述人口認(rèn)知范圍的有限置信度，表征意見更新速度的固執(zhí)程度和代表兩種選擇的不對稱能力或吸引力的意見強度。我們發(fā)現(xiàn)，有限的置信度在確定競爭性演化結(jié)果中起著重要作用。隨著有限信心的增強，人口觀點經(jīng)歷了兩極化到共識，從而導(dǎo)致在二元決策下從共存狀態(tài)過渡到贏者通吃的所有狀態(tài)。特別令人感興趣的是，我們展示了有限置信度和不對稱觀點力量的綜合作用如何逆轉(zhuǎn)競爭動態(tài)中的初始支持優(yōu)勢。值得注意的是，我們的模型定性地再現(xiàn)了殘酷競爭中的重要動力模式，即真實數(shù)據(jù)觀察到的級聯(lián)崩潰。最后，有趣的是，我們發(fā)現(xiàn)個體的認(rèn)知異質(zhì)性可以在二元決策過程中帶來隨機性和不可預(yù)測性，從而導(dǎo)致不確定性振蕩的出現(xiàn)。我們的研究結(jié)果揭示了如何通過擬議要素的復(fù)雜相互作用來解釋二元決策的多種行為模式，從而為競爭動力學(xué)提供重要見解。

COVID-19傳輸?shù)臄?shù)學(xué)模型

原文標(biāo)題： A Mathematical Model of COVID-19 Transmission

地址： http://arxiv.org/abs/2105.11626

作者： R. Jayatilakaa, R. Patela, M. Brara, Y. Tanga, N. M. Jisrawi, F. Chishtie, J. Drozd, S. R. Valluri

摘要： 通過流行病學(xué)，應(yīng)用數(shù)學(xué)和統(tǒng)計學(xué)等學(xué)科研究疾病的傳播。傳播的數(shù)學(xué)模擬模型對解決公共和個人健康挑戰(zhàn)具有影響。 SIR模型使用一種隔離方法，包括通過三個因素進行傳播的動態(tài)和非線性行為：易感，感染和移出（恢復(fù)和死亡）的個體。使用Lambert W函數(shù)，我們提出了一個框架來研究SIR模型的解決方案。這證明了COVID-19傳播數(shù)據(jù)在模擬真實世界疾病傳播中的應(yīng)用。比較了包括SIR，SIRm和SEIR模型在內(nèi)的各種疾病模型的預(yù)測疾病傳播能力。物理疏遠(yuǎn)影響和個人防護設(shè)備的使用將與COVID-19傳播相關(guān)地進行討論。

基于保守網(wǎng)絡(luò)的有影響力股票動態(tài)分析

原文標(biāo)題： Dynamic analysis of influential stocks based on conserved networks

地址： http://arxiv.org/abs/2105.11630

作者： Xin-Jian Xu, Qin Min, Xiao-Ying Song, Li-Jie Zhang

摘要： 表征股票市場的時間演變是一個基本且具有挑戰(zhàn)性的問題。迄今為止，有關(guān)分析市場動態(tài)的文獻都集中在具有較小預(yù)測力的宏觀指標(biāo)上。本文從微觀的角度解決了這個問題。給定調(diào)查期，首先通過移動窗口法和股票相關(guān)性顯著性檢驗構(gòu)建了一系列股票網(wǎng)絡(luò)。然后，生成幾個保守的網(wǎng)絡(luò)以提取不同狀態(tài)下的市場的不同骨干。最后，從每個保守的網(wǎng)絡(luò)中確定有影響力的股票和相應(yīng)的部門，在此基礎(chǔ)上進行縱向分析以描述市場的發(fā)展。從2006年1月到2010年4月，對屬于標(biāo)準(zhǔn)普爾500指數(shù)股票的股票應(yīng)用上述程序，從演化的角度恢復(fù)了2008年的金融危機。

具有三元閉合的配置模型

原文標(biāo)題： A Configuration Model with Triadic Closure

地址： http://arxiv.org/abs/2105.11688

作者： Ruhui Chang, Duan-Shin Lee, Cheng-Shang Chang

摘要： 在本文中，我們提出了具有隨機三合會閉包的配置模型。該模型具有五個基本屬性：傳遞性大，冪律度分布，短路徑長度，非零皮爾遜度相關(guān)性以及社區(qū)結(jié)構(gòu)的存在。我們通過分析得出所提出模型的Pearson程度相關(guān)性和聚類系數(shù)。通過仿真，我們還在模型上測試了三種著名的社區(qū)檢測算法，以及LFR模型和ABCD模型的其他兩個基準(zhǔn)模型。

通過拓?fù)渥儞Q進行自監(jiān)督圖表示學(xué)習(xí)

原文標(biāo)題： Self-Supervised Graph Representation Learning via Topology Transformations

地址： http://arxiv.org/abs/2105.11689

作者： Xiang Gao, Wei Hu, Guo-Jun Qi

摘要： 我們提出了拓?fù)渥儞Q等變表示學(xué)習(xí)，這是一種用于圖數(shù)據(jù)節(jié)點表示的自監(jiān)督學(xué)習(xí)的通用范例，以實現(xiàn)圖卷積神經(jīng)網(wǎng)絡(luò)（GCNN）的廣泛適用性。通過最大化拓?fù)滢D(zhuǎn)換和轉(zhuǎn)換前后的節(jié)點表示之間的相互信息，我們從信息論的角度對建議的模型進行形式化。我們得出這樣的結(jié)論：最大化這種互信息可以放寬，以最小化所應(yīng)用的拓?fù)渥儞Q及其從節(jié)點表示的估計之間的交叉熵。特別是，我們試圖從原始圖中采樣節(jié)點對的子集，并翻轉(zhuǎn)每對節(jié)點之間的邊連通性以轉(zhuǎn)換圖拓?fù)洹Ｈ缓?，我們通過從原始圖和變換后的圖的特征表示中重構(gòu)拓?fù)渥儞Q，來對表示編碼器進行自訓(xùn)練，以學(xué)習(xí)節(jié)點表示。在實驗中，我們將提出的模型應(yīng)用于下游節(jié)點和圖分類任務(wù)，結(jié)果表明，提出的方法優(yōu)于最新的無監(jiān)督方法。

看看里面。通過分析企業(yè)內(nèi)部網(wǎng)社會網(wǎng)絡(luò)和使用單詞共現(xiàn)網(wǎng)絡(luò)來預(yù)測股票價格

原文標(biāo)題： Look inside. Predicting stock prices by analysing an enterprise intranet social network and using word co-occurrence networks

地址： http://arxiv.org/abs/2105.11780

作者： A. Fronzetti Colladon, G. Scettri

摘要： 這項研究調(diào)查了員工的溝通情況，提供了新穎的指標(biāo)，可以幫助預(yù)測公司的股價。我們研究了一家意大利大型公司的Intranet論壇，探討了約8,000名員工的互動和語言使用情況。我們建立了一個將一般話語中的單詞鏈接起來的網(wǎng)絡(luò)。在這個網(wǎng)絡(luò)中，我們專注于代表公司品牌的節(jié)點的位置。我們發(fā)現(xiàn)，較低的情緒，較高的公司品牌中間度，更密集的單詞共現(xiàn)網(wǎng)絡(luò)以及員工的中央度分?jǐn)?shù)分布更均勻（較低的團隊中間度）都是股票價格上漲的重要預(yù)測因素。我們的發(fā)現(xiàn)提供了新的指標(biāo)，這些指標(biāo)可能對學(xué)者，公司經(jīng)理和專業(yè)投資者有用，并且可以集成到現(xiàn)有的預(yù)測模型中以提高其準(zhǔn)確性。最后，通過擴展詞共現(xiàn)網(wǎng)絡(luò)的應(yīng)用領(lǐng)域，我們?yōu)樵~共現(xiàn)網(wǎng)絡(luò)的研究做出了貢獻。

模糊數(shù)字路由選擇信息可防止延遲引起的擁塞

原文標(biāo)題： Obscuring digital route choice information prevents delay-induced congestion

地址： http://arxiv.org/abs/2105.11790

作者： Verena Krall, Max F. Burg, Friedrich Pagenkopf, Henrik Wolf, Marc Timme, Malte Schr?der

摘要： 盡管路由應(yīng)用程序越來越多地影響個人移動性的選擇，但它們對總體流量動態(tài)的影響仍然未知。智能通信技術(shù)為選擇一條路線而不是其他選擇提供了準(zhǔn)確的交通數(shù)據(jù)，但是固有的延遲破壞了此類信息的潛在用途。在這里，我們介紹并分析一個簡單的集體交通動態(tài)模型，該模型是由依賴于過時交通信息的路線選擇產(chǎn)生的。我們發(fā)現(xiàn)對于足夠小的信息延遲，流量可以穩(wěn)定地免受干擾。但是，超過分叉點的延遲會引起振幅逐漸增大的自組織流動振蕩-出現(xiàn)擁塞。提供在足夠長的時間內(nèi)平均的延遲信息，或更有趣的是，減少遵守路線建議的車輛數(shù)量可以防止這種延遲引起的擁堵。我們在最小的雙向道路模型中揭示了這些現(xiàn)象的基本機制，并在道路網(wǎng)絡(luò)系統(tǒng)的基于主體的微觀仿真中證明了它們的普遍性。我們的發(fā)現(xiàn)提供了一種從概念上理解由廣泛使用的非即時路由信息引起的系統(tǒng)范圍流量動態(tài)的方法，并提出了如何避免產(chǎn)生最終的意外流量狀態(tài)的建議。

人群中COVID-19檢測的統(tǒng)計模型：抽樣偏差和檢測誤差的影響

原文標(biāo)題： A statistical model of COVID-19 testing in populations: effects of sampling bias and testing errors

地址： http://arxiv.org/abs/2105.11961

作者： Lucas B?ttcher, Maria R. D’Orsogna, Tom Chou

摘要： 我們開發(fā)了用于測試人群中疾病流行率的統(tǒng)計模型。該模型假設(shè)二進制測試結(jié)果為正或負(fù)，但允許樣本選擇存在偏差，并且I型（假陽性）和II型（假陰性）測試誤差都存在。我們的模型還包含多種測試類型，并且能夠區(qū)分測試后的重新測試和排除。我們的定量框架使我們能夠?qū)y試結(jié)果直接解釋為誤差和偏差的函數(shù)。通過將我們的測試模型應(yīng)用于特定轄區(qū)的COVID-19測試數(shù)據(jù)和實際病例數(shù)據(jù)，我們能夠估算并提供對大流行至關(guān)重要的指標(biāo)（例如疾病患病率和死亡率）的不確定性量化。

incel詞典：解讀全球女性厭惡社區(qū)的新興密碼

原文標(biāo)題： The incel lexicon: Deciphering the emergent cryptolect of a global misogynistic community

地址： http://arxiv.org/abs/2105.12006

作者： Kelly Gothard, David Rushing Dewhurst, Joshua R. Minot, Jane Lydia Adams, Christopher M. Danforth, Peter Sheridan Dodds

摘要： 從非自愿的獨身者身份的性別中立框架發(fā)展而來，“ incels”的概念已成為指一個在線社區(qū)，這些男人對自己，婦女和整個社會都抱有同情心，因為他們認(rèn)為自己找不到自己的同伴。并保持性關(guān)系。通過在全球在線留言板Reddit上探討語言語言的使用，我們將語言社區(qū)在網(wǎng)絡(luò)上對女性厭惡和現(xiàn)實暴力行為的表達與周圍環(huán)境聯(lián)系起來。在以主題為主題的Reddit頻道中整理了大約300萬條評論后，我們分析了屬于新興incel詞典的短語的詞匯表的數(shù)據(jù)驅(qū)動排名排序的時間動態(tài)。我們的研究揭示了服務(wù)于群體身份的廣泛編碼的厭惡女性主義詞匯的產(chǎn)生和規(guī)范化。

大數(shù)據(jù)和大價值：公司需要重新思考的時候

原文標(biāo)題： Big data and big values: When companies need to rethink themselves

地址： http://arxiv.org/abs/2105.12048

作者： M. A. Barchiesi, A. Fronzetti Colladon

摘要： 為了應(yīng)對業(yè)務(wù)環(huán)境的復(fù)雜性并在觸發(fā)應(yīng)急策略時檢測優(yōu)先級，我們提出了一種新的方法論方法，該方法結(jié)合了文本挖掘，社會網(wǎng)絡(luò)和大數(shù)據(jù)分析，并評估了利益相關(guān)者對公司核心價值的態(tài)度。在案例研究中應(yīng)用了這種方法，在該案例中，我們考慮了Twitter關(guān)于意大利核心價值觀的論述。我們收集了超過94,000條與《財富》雜志全球最受贊賞公司排名（2013-2017）中列出的公司的核心價值相關(guān)的推文。對于意大利方案，我們發(fā)現(xiàn)了三個主要的核心價值取向（客戶，員工和卓越），這是任何業(yè)務(wù)戰(zhàn)略的基礎(chǔ)；三個潛在的價值取向（經(jīng)濟，金融增長，公民身份和社會責(zé)任），需要定期進行注意力。我們的貢獻主要是方法論，并擴展了對文本挖掘和復(fù)雜業(yè)務(wù)環(huán)境中應(yīng)用的在線大數(shù)據(jù)分析的研究。

溝通效率導(dǎo)致詞匯學(xué)習(xí)偏見的出現(xiàn)和下降

原文標(biāo)題： The advent and fall of a vocabulary learning bias from communicative efficiency

地址： http://arxiv.org/abs/2105.11519

作者： David Carrera-Casado, Ramon Ferrer-i-Cancho

摘要： 眾所周知，當(dāng)足夠小的幼兒遇到一個新單詞時，他們傾向于將其附加到詞典中尚無單詞的含義上。在先前的研究中，從信息論的角度來看，該策略是最佳的。但是，所采用的信息論模型既不能解釋弱點兒童或多語種詞匯學(xué)習(xí)偏見的減弱，也不能重現(xiàn)Zipf的意思-頻率定律，即單詞的意思數(shù)量與其頻率之間的非線性關(guān)系。在這里，我們考慮將模型推廣用于重現(xiàn)該定律的方法。對新模型的分析揭示了相空間中偏見消失的區(qū)域，這與年齡較大的兒童或多語種偏見的減弱或消失是一致的。在深度學(xué)習(xí)時代，該模型是透明的低維度工具，可用于未來的實驗研究，并說明了最初旨在闡明Zipf秩頻率定律起源的理論框架的預(yù)測能力。

聲明：Arxiv文章摘要版權(quán)歸論文原作者所有，機器翻譯后由本人進行校正整理，未經(jīng)同意請勿隨意轉(zhuǎn)載。本系列在公眾號“網(wǎng)絡(luò)科學(xué)研究速遞”（netsci）和個人博客進行同步更新。