Modeling opinion leader's role in the diffusion of innovation
Univ Grenoble-Alpes（格勒诺布尔阿尔卑斯大学）；Grenoble INP（格勒诺布尔国立理工学院）；Grenoble Informatics Lab（格勒诺布尔信息学实验室）；Centre de Recherche en Economie de Grenoble（格勒诺布尔经济学研究中心）
创新的传播是消费市场的一个重要课题。早期的研究集中在创新如何在整个社会层面上传播。为了更接近真实世界的场景，基于代理的模型（ABM）开始关注个人级代理。在我们的工作中，我们将翻译现有的ABM，调查的意见领袖的作用，在扩散过程中的创新，一个新的，更有表现力的平台，基于代理的建模，GAMA。我们将这样做，以表明利用所选择的平台的新功能，应鼓励在社会科学领域的模型在未来的优势，因为它可以有利于模拟结果的解释力。
2021-01-27 cs.AI cs.CY cs.SI
Size invariance sector for an agent-based innovation diffusion model
它表明，在一定条件下，它是可能的方式，导致不依赖于系统的大小的结果，一个复杂系统建模。作为复杂系统的一个例子，考虑了一个创新扩散模型。在这个模型中，一组相互联系的个体（代理人）必须决定是否采用创新。这些代理连接在称为小世界网络（SWN）的网络家族中。结果发现，对于一个子家庭的SWN的饱和时间和采用曲线的形式是不变的，相对于系统的大小的变化。
2017-07-27 cs.CY cs.SI physics.soc-ph
Rewiring the network. What helps an innovation to diffuse?
与创新扩散相关的一个基本问题是社会网络结构如何影响这一过程。关于现实世界影响力网络的经验证据非常有限。另一方面，基于代理的建模文献报告不同的，有时似乎矛盾的结果。在本文中，我们研究了一系列的Watts-Strogatz网络的创新扩散过程，试图阐明这个问题。使用所谓的Sznajd模型作为骨干的观点动力学，我们发现，公布的结果实际上是一致的，并允许预测网络拓扑结构在各种情况下的作用。特别是，创新的扩散在更规则的图上更容易，即具有更高的聚类系数。此外，在不确定性的情况下--与公共卫生计划或生态运动有关的创新尤其如此--一个更加集群化的网络将有助于扩散。另一方面，当社会影响不太重要时（即在完全信息的情况下），较短的路径将有助于创新在社会中传播，因此，在随机图上传播将是最容易的。
2013-10-20 cs.SI physics.soc-ph
A Model for Innovation Diffusion with Intergroup Suppression
我们提出了一个新的创新扩散模型。在这里，人口被分成不同的群体。一个特定群体对某种文化产品的采用可能会受到抑制，这既可能是因为大量本群体成员已经采用了这种产品，也可能是因为另一个群体的成员已经采用了这种产品。集团间的迁移也是允许的。我们确定了两组人口模型的平衡点，并进行了稳定性分析。我们还模拟了离散时间版本的模型。最后，我们提供了2012-2016年8个国家的平板电脑使用数据，并显示“25岁以下”年龄组和“55岁以上”年龄组之间的关系符合模型。
2018-02-25 cs.SI physics.soc-ph
Networks and Identity Drive Geographic Properties of the Diffusion of Linguistic Innovation
University of Michigan（密歇根大学）
采用文化创新（例如，音乐、信仰、语言）往往在地理上是相关的，采用者大多居住在相对较少的、经过充分研究的、具有社会意义的地区。这些文化区域通常被假设为（i）身份表现推动文化创新的采用，或（ii）在网络基础扩散中的同质性的结果。在这项研究中，我们表明，人口特征和网络拓扑结构都需要模拟创新的扩散，因为它们在产生其空间属性中发挥互补作用。我们开发了一个基于代理的文化采用模型，并验证我们的模型中的地理传播模式对创新的话，我们从10%的Twitter样本中识别的一个新的数据集。使用我们的模型，我们能够直接将网络+身份的组合扩散模型与模拟的仅网络和仅身份的反事实进行比较-使我们能够测试网络和身份的单独和组合角色。虽然社会科学家经常将网络或身份作为建模文化变化的核心社会结构，但我们发现，扩散的关键地理特性实际上取决于这两个因素，因为每个因素都会影响不同的扩散机制。具体而言，网络主要通过弱联系扩散驱动城市县之间的传播，而身份通过强联系扩散在农村县之间的传播中发挥了不成比例的作用。城市和农村地区之间的传播是创新在全国范围内传播的一个关键组成部分，需要网络和身份。我们的工作表明，模型必须整合这两个因素，以理解和再现创新的采用。
2022-02-10 cs.CL cs.CY cs.SI
Influence of Luddism on innovation diffusion
我们推广的创新扩散的经典巴斯模型，包括一类新的代理-卢德分子-反对创新的传播。我们的模型还包含了支持者、支持者和采纳者。当一个无知者和一个敏感者相遇时，前者以一定的速度转化为敏感者，而敏感者则以恒定的速度自发地接受创新。为了回应采用的\emph{rate}，无知者可能会成为卢德分子，永远拒绝创新。最后的国家通常由卢德派、反对者和收养者组成，而不是完全收养。这个系统的演变进行了研究分析和随机模拟。我们确定采用者的平稳分布，到达最终状态所需的时间，以及网络拓扑结构对创新传播的影响。我们的模型表现出一个重要的二分法：当采用率低，创新传播缓慢，但广泛;相反，当采用率高，创新传播迅速，但采用的程度受到严重限制卢德分子。
2015-11-24 cond-mat.stat-mech cs.SI nlin.AO
The impact of anticonformity on the diffusion of innovation -- insights from the q-voter model
Wrocław University of Science and Technology（弗罗茨瓦夫科技大学）
本文通过扩展q-投票模型引入反从众行为，研究其对创新扩散的影响，发现反从众能加速早期采用并促进成功扩散，具有实际应用价值。
2025-11-28 cs.SI physics.soc-ph
Exploring associations between micro-level models of innovation diffusion and emerging macro-level adoption patterns
一个微观层次的代理为基础的创新扩散模型的开发，明确结合（a）个人的感知的优势或相对效用来自采用，和（b）社会影响，从个人的社会网络的成员。微观模型被用来模拟宏观层面的扩散模式出现从不同的配置的微观模型参数。微观层面的模拟结果与广泛使用的Bass宏观层面模型（Bass，1969）预测的采用模式非常吻合。对于域的一部分，微观模拟的结果与文献中报道的聚合级采用模式一致。诱导Bass宏观层面的参数，并在微观参数的变化作出反应：（1）增加与创新者的数量和创新者被引入的速度;（2）增加与重新布线的概率在小世界网络中，作为特征路径长度的减少;（3）在创新的整体感知效用的增加引起相应的增加诱导和值。了解微观与宏观的联系可以为设计和评估对微观变量或与之相关的过程的营销干预提供信息，以促进未来产品或技术的采用。
2013-01-02 cs.SI physics.soc-ph
Adoption as a Social Marker: Innovation Diffusion with Outgroup Aversion
社会身份是复杂社会中驱动行为的关键因素之一。社会认同的信号是众所周知的，影响个人的行为，在采用创新。然而，身份信号对创新扩散的人口水平的影响在很大程度上是未知的。在这里，我们使用分析和基于代理的建模来考虑一个有益的创新在结构化人群中的传播，其中存在两个群体谁是反对被误认为对方。我们调查采用的动态，并考虑人口结构因素，如人口倾斜和通信规模对人口水平的结果的作用。我们发现，外群厌恶会导致采用被推迟或抑制在一个组，人口范围内的收养不足是常见的。比较这两种模式，我们发现，差异采用可能会出现由于结构性约束的信息流，即使在没有内在的组间差异的采用率。此外，我们发现，在本地和全球范围内采用的极化模式取决于人口组织的细节和通信的规模。这项研究与广泛有益但与身份相关的产品和行为特别相关，例如绿色技术，采用的总体水平决定了整个社会的积极利益。
2016-07-21 cs.SI physics.soc-ph
Diffusion of innovations in Axelrod's model
阿克塞尔罗德的文化传播模型包含两个关键因素，这两个因素是对创新传播过程建模所必需的，即社会影响（即，个体在相互作用时变得更相似）和同质性（即，个体优先与相似的其他个体互动）。这些社会影响的强度由两个参数控制：$F$，表征文化的特征数量，以及$q$，每个特征可以呈现的状态的共同数量。在这里，我们假设创新是一个新的状态的文化特征的一个单一的个人-创新者-和研究如何通过网络中的个人之间的创新传播。对于一维和二维的无限正则格点，我们发现初始时成功的新息随时间$t$线性传播，但在长时间极限下，新息在一维以扩散方式（$\sim t^{1/2}$）传播，在二维以亚扩散方式（$\sim t/\ln t$）传播.对于有限格，采用者数目的增长曲线是典型的$t$的凹函数。对于具有有限个节点$N$的随机图，我们认为经典的S形增长曲线是图的平均连通度$K$和每个特征的多样性$q$之间的折衷结果。需要一个大的$q$来降低创新最初传播的速度，从而界定早期采用者阶段，而需要一个大的$K$来确保起飞阶段的开始，在起飞阶段，采用者的数量与$t$呈超线性增长。在一个无限随机图中，我们发现一个成功的创新的采用者的数量与$t^γ$的规模与$γ=1$的$K> 2$和$1/2 < γ< 1$的$K=2$。我们认为，指数$γ$可能是一个有用的指标，以表征在不同的情况下，成功的创新扩散的过程。
2015-09-07 cond-mat.stat-mech cs.SI physics.soc-ph
The epistemic dimension of algorithmic fairness: assessing its impact in innovation diffusion and fair policy making
本文通过扩展线性阈值模型（LTM）形式化社会环境的认识论属性，研究可信度偏差对创新扩散的影响，揭示认识论维度在算法公平性决策中的关键作用。
2025-06-03 cs.CY cs.SI
An agent based multi-optional model for the diffusion of innovations
本文在推广统计力学的伊辛模型（Potts模型）的基础上，提出了一个多产品在共同市场中竞争的扩散模型。使用基于代理的实现，我们分析了两个问题：（i）三个选项的情况下，即采用产品A，产品B，或不采用和（ii）四个选项的情况下，即采用产品A，产品B，两者，或没有。在第一种情况下，我们分析了两种产品之一的推出策略，该策略推迟了推出，目的是与改进竞争。然后在市场饱和时估计每种产品达到的市场份额。最后，模拟进行了不同程度的社会网络拓扑结构，不确定性和人口同质性。
2013-09-27 cs.SI physics.soc-ph stat.AP
Multi-parameter models of innovation diffusion on complex networks
一个模型，适用于一系列的创新扩散应用程序具有强大的对等组件，开发和研究，以及其调查和分析的方法。一个特别的应用是个别家庭决定是否在家中安装能源效率措施。该模型将这些个体表示为网络上的节点，每个节点都有一个变量，代表他们当前采用创新的状态。采用的动机由三个术语组成，代表个人偏好、每个人网络邻居状态的平均值和系统平均值，系统平均值是当前社会趋势的衡量标准。如果这些因素的加权线性组合超过某个阈值，则节点的采用状态发生变化。已经进行了数值模拟，计算的平均摄取后，足够数量的时间步长在许多实现在一系列的模型参数值，在各种网络拓扑结构，包括随机（埃尔多斯-雷尼），小世界（瓦特-斯特罗加茨）和（纽曼）高度集群，基于社区的网络。一个分析和概率的方法已被开发来解释所观察到的行为，这解释了数值计算的结果。
2012-07-20 cs.MA cs.SI nlin.AO
The role of geography in the complex diffusion of innovations
在现代社会中，城乡差距正在扩大，这要求社会影响模型的地理扩展。更好地了解创新在不同地点和通过社会联系的传播，可以为我们提供关于信息传播、技术进步和经济发展的新见解。在这项工作中，我们分析了iWiW，在匈牙利的在线社交网络（OSN）的空间采用动态，并发现经验的特点，空间采用社交网络。在2002年至2012年的整个生命周期中，iWiW与300万用户建立了3亿条友谊关系。我们发现，作为城镇人口的函数，收养者的数量遵循一个缩放定律，揭示了一个强烈集中的早期采用在大城镇和集中度较低的后期采用。我们还发现了一个加强的距离衰减的传播的生命周期表明高比例的远程扩散在早期阶段，但在后期阶段的本地扩散的优势。的传播过程中建模的低音扩散框架，使我们能够比较微分方程版本与基于代理的版本的模型运行在经验网络。虽然这两种模型都能捕捉到采用的宏观趋势，但它们在描述城市规模和距离衰减的观察趋势方面能力有限。然而，我们发现，将采用阈值，定义为社会关系的一部分，采用技术之前，个人采用，提高了网络模型适合城市规模的早期采用者。通过对阈值分布的控制，可以消除局部网络结构对预测局部采用峰值的影响。最后，我们表明，地理特征，如距离创新起源和城镇规模的影响预测采用峰值在当地规模。
2020-08-27 cs.CY cs.SI physics.soc-ph
Pair Approximation Meets Reality: Diffusion of Innovation in Organizational Networks within the biased-independence q-Voter Model
Wrocław University of Science and Technology（弗罗茨瓦夫科技大学）
本研究提出有偏独立q-投票者模型推广现有舆论动力学模型，推导其配对近似方法并首次在实证组织网络验证，发现社会影响等因素引发不连续相变，且配对近似计算高效且模拟吻合度高。
2025-10-28 cs.SI physics.soc-ph
Impact of the Interaction Network on the Dynamics of Word-of-Mouth with Information Seeking
口碑是指在创新（新的做法，想法或产品）传播过程中发生的人际传播的动态。根据实地研究，口碑是由信息寻求和积极主动的沟通：个人首先意识到创新的存在，然后开始积极寻求评估创新所需的专业知识;当他们拥有专业知识时，他们可能会开始积极地推广它。创新的成功传播需要个人既有意识又有专业知识，这样他们才能评估创新并正确使用它。最近提出了一个计算模型“USA/IPK”来研究信息寻求对口碑动态的作用和影响。我们在这里提出了一个分析网络的互动对这个模型的动力学的影响。我们比较了不同算法产生的网络上的模型的动力学与原始动力学。结果表明，该模型的动力学在测试网络中是相似的，除了具有相似密度和大小的网络之间的扩散效率不同之外。
2020-02-07 cs.CC cs.MA cs.SI
The Road to Success: Assessing the Fate of Linguistic Innovations in Online Communities
Institute for Logic, Language and Computation（逻辑、语言与计算研究所）；University of Amsterdam（阿姆斯特丹大学）
我们调查的诞生和扩散的词汇创新在一个大型数据集的在线社交社区。我们建立在社会语言学的理论，并专注于一个新的术语的传播和使用它的个人的社会角色之间的关系，揭示创新者和采用者的特点。最后，我们执行一个预测任务，使我们能够预测创新是否会在社区内成功传播。
2018-06-15 cs.CL cs.SI
A Biologically Inspired Model of Distributed Online Communication Supporting Efficient Search and Diffusion of Innovation
我们居住的世界不仅很小，而且支持高效的分散搜索-使用本地信息的个人可以与另一个完全未知的个人建立通信线路。在这里，我们增加了一个分层的社会网络模型与社区之间和社区内的通信。我们认为，组织成社区将减少整体分散的搜索时间。我们从生物免疫系统中获得灵感，该系统以混合模块化策略组织对病原体的搜索。我们的策略在在线社交网络中搜索稀有信息量方面具有相关性。我们的工作也对设计高效的在线网络产生了影响，这些网络可能会对人类协作网络、科学协作网络和用于有针对性的搜捕的网络产生影响。现实世界的系统，如在线社交网络，具有长距离链路的高相关延迟，因为它们是建立在物理网络之上的。这样的系统已被证明是致密的。因此，由于空间和维持连接的要求，这种网络将具有通信成本。我们已经将这种非空间成本纳入通信。我们引入了一个社区的大小的概念，增加了系统的大小，这表明减少了在网络中搜索信息的时间。我们的最终策略平衡了搜索时间和参与成本，并显示出减少在分散的搜索在在线社交网络中找到信息的时间。我们的战略还平衡了长距离的强关系和弱关系，并可能最终导致更富有成效和创新的人际沟通和企业网络。我们希望这项工作将为旨在建立可持续的全球规模人类互动网络的战略奠定基础，并导致一个更加网络化，多样化和繁荣的社会。
2016-01-29 cs.SI
Complex contagion process in spreading of online innovation
创新扩散可以被解释为一种受媒体和社会互动影响的社会传播现象。虽然这些机制已被确定的定量理论，其作用和相对重要性并没有完全理解，因为经验验证迄今为止一直受到阻碍，缺乏适当的数据。在这里，我们分析了一个数据集，记录了世界上最大的互联网协议语音服务的传播动态，以实证支持社会传染模型背后的假设。我们发现，自发的服务采用率是恒定的，通过社会影响力的概率是线性比例的分数采用邻居，服务终止率是时不变的，独立的同行的行为。通过实现检测到的扩散机制到一个动态的基于代理的模型，我们能够模拟在世界各地的几个国家的服务的采用动态。这种方法使我们能够对服务采用进行中期预测，并揭示创新传播动态与一个国家社会经济发展之间的依赖关系。
2014-10-23 cs.SI nlin.AO physics.comp-ph
Ising-like agent-based technology diffusion model: adoption patterns vs. seeding strategies
著名的伊辛模型在统计物理学中使用的社会动力学的背景下，模拟采用的技术创新。该模型明确地结合了（a）个人对创新优势的看法和（b）决策者社会网络成员的社会影响。微观层面的采用动态嵌入到一个基于代理的模型，允许探索宏观层面的模式，技术扩散整个系统具有不同的配置（早期采用者的数量和分布，社会网络拓扑结构）。在目前的工作中，我们进行了许多数值模拟。我们发现，当个人的看法之间的差距的选项是高的，采用速度增加，如果早期采用者的分散增长。另一个测试是通过随机连接到一个共同的意见参考（枢纽）来改变网络拓扑结构，这导致了采用速度的增加。最后，我们对常规和小世界网络的选项之间的竞争进行了模拟。
2013-01-02 cs.SI physics.soc-ph q-fin.TR
Knowledge epidemics and population dynamics models for describing idea diffusion
思想的传播往往与知识的创造和传播以及社会的技术发展密切相关。正因为如此，知识的创造，交流及其随后转化为创新，以改善福利和经济增长的历史观点简要描述。接下来，三种方法进行了讨论，通过（i）确定性，（ii）随机性，（iii）统计方法的思想在科学和技术领域的传播建模。这些都说明了通过其相应的人口动态和流行病模型相对于思想，知识和创新的传播。确定性动力学模型被认为是适当的分析时，波动的影响是微不足道的大型和小型的社会，科学和技术系统的演变。随机模型是适当的，当系统的利益是小的，但当波动变得显着的演变。最后，基于洛特卡（Lotka）、布拉德福德（Bradford）、尤尔（Yule）、齐普夫-曼德尔布罗特（Zipf-Mandelbrot）等人的定律和分布的统计方法和模型，为分析发展与思想传播过程密切相关的系统的演化提供了许多有用的信息。
2012-01-03 cs.SI physics.soc-ph
Competitive dynamics of lexical innovations in multi-layer networks
我们研究的词汇创新引入到语言使用者的社区。词汇创新，即，新术语的出现在人们的词汇中，在语言的演变过程中起着重要的作用。如今，信息通过各种网络传播，其中包括在线和离线社交网络和万维网。包括不同性质的网络的整个系统可以被表示为多层网络。在这种背景下，词汇创新扩散以一种独特的方式发生。特别是，词汇创新可以经历三个不同的过程：它的原始意义被接受;它的意义可以被改变或误解（例如，当没有适当解释时），因此在群体中可以出现多于一个的含义;最后，在外来词的情况下，它可以被翻译成群体语言（即，定义新的词汇创新或使用同义词）或部分人口所说的方言。因此，词汇创新不能简单地被认为是信息。我们开发了一个模型，用于分析这种情况下使用的多层网络，包括一个社交网络和媒体网络。后者代表一个社会的所有信息系统的集合，例如，电视、万维网和广播。此外，我们确定这两个网络的节点之间的时间有向边。特别地，在每个时间步，媒体网络的节点可以连接到社交网络的随机选择的节点，反之亦然。这样，信息就在整个系统中传播，人们可以与他们的邻居分享词汇创新，或者在他们作为记者工作的情况下，通过使用媒体节点。最后，我们使用“语言符号”的概念来模拟词汇创新，显示其在这些动态研究的基础作用。已经进行了许多数值模拟。
2014-08-14 cs.SI physics.soc-ph
Graph clustering in industrial networks
本研究调查了Hidalgo et al（2007）根据国际贸易数据得出的基于图表的产业关联表示的聚类，并确认了大约10个产业集群的存在，这些产业集群与创新和技术扩散的预期历史模式相当一致。这支持了技术发展发生在连续的创新浪潮中的观点。在这项工作中开发的聚类方法遵循Lambiotte和Barahona（2009）的概念思想，他们建议使用随机游走来评估网络社区的层次结构，其中层次结构的不同级别对应于不同的扩散时间。然而，我们，实现这些想法不同的物理相匹配的问题正在考虑中，并引入了层次聚类过程，结合方便的元素诉诸。文中还给出了聚类的一个等价的谱解释，并进行了讨论.
2019-04-03 cs.SI nlin.AO physics.soc-ph
GraphSL: An Open-Source Library for Graph Source Localization Approaches and Benchmark Datasets
Emory University（埃默里大学）
本文介绍了GraphSL，一个用于研究图源定位问题的开源库，支持图扩散模型模拟与前沿源定位方法的基准评估。
2024-07-28 cs.LG cs.SI
Graph Classification via Heat Diffusion on Simplicial Complexes
本文研究了点标图中的图分类问题。我们的主要目标是分类的图形比较他们的高阶结构由于热扩散的单形。我们首先表示顶点标记图作为单纯形加权超图。然后，我们定义的扩散弗雷歇函数在他们的单纯形编码高阶网络拓扑结构，并最终达到我们的目标，通过结合机器学习算法的函数值。我们在真实世界生物信息学网络上的实验表明，在单纯形上使用扩散Fr{é}chet函数在图分类中是很有前途的，并且比基线方法更有效。据我们所知，本文是第一篇文献中使用的热扩散高维单纯形的图挖掘问题。我们相信，我们的方法可以扩展到不同的图挖掘领域，而不仅仅是图分类问题。
2020-06-26 cs.SI math.AT
Diffusion in Networks and the Unexpected Virtue of Burstiness
一个想法、信息、感染或创新是否能在整个社会中扩散，不仅取决于互动网络的结构，还取决于这些互动的时间。最近的研究表明，在一个网络中，人们只在“突发”中活跃，活跃一段时间，然后沉默一段时间，扩散可能会失败，但如果人们以更随机的泊松方式活跃，扩散可能会在同一个网络中成功。这些研究通常考虑节点根据相同的随机定时过程处于活动状态的模型，然后询问哪个定时是最佳的。事实上，人们的活动模式差异很大--有些人是突发性的，有些人不是。在这里，我们表明，如果人们在他们的活动模式不同，突发行为并不总是损害扩散，事实上，有一些（但不是全部）的人口是突发显着有助于扩散。我们证明，最大化扩散需要异构的活动模式在代理，和代理的活动时间的整体最大化模式不涉及任何泊松行为。
2017-12-18 cs.SI physics.soc-ph
An age structured demographic theory of technological change
技术转型的核心是复杂的社会和工业动态过程。可持续性转型的定量研究需要建模工作，这就需要技术替代理论。许多，如果不是大多数，未来技术途径的当代建模方法忽略了转型理论的大多数方面，例如异质投资者选择的维度，动态扩散率和转型的轮廓。然而，有大量的文献证明了跃迁如何遵循S形扩散曲线或Lotka-Volterra方程组。这一框架是事后使用的，因为只有在已经发生过渡的情况下才能可靠地获得时间尺度，从而排除了将其用于研究保护性利基中的新生创新等待其扩散的有利条件的感兴趣的案例。然而，原则上，可以从工业动态、技术周转率和技术特点的知识中推导出转型的比例参数。在这种情况下，本文提出了一个理论框架，用于评估参数化的S形扩散曲线的技术转型的模拟模型中使用的历史数据拟合的参与，利用标准的人口统计学理论应用于技术在单位层面。经典的洛特卡-沃尔泰拉竞争系统源于人口学理论的第一原理，其时间尺度可以用技术生命周期和产业动态来解释。该理论被放置在技术转型的多层次的角度来看，创新和扩散的新的社会技术制度的背景下，以及离散选择理论，引入代理多样性的主要理论框架。
2014-11-26 cs.SI math.DS physics.soc-ph
Generative Diffusion Models on Graphs: Methods and Applications
The Hong Kong Polytechnic University（香港理工大学）；Michigan State University（密歇根州立大学）
本文是图生成式扩散模型的综述，梳理SMLD、DDPM、SGM三类代表性算法，总结其在分子与蛋白质建模等领域的应用，探讨未来研究方向，并搭建了相关资源的GitHub项目网站。
2023-08-25 cs.AI cs.LG cs.SI
Efficient and Degree-Guided Graph Generation via Discrete Diffusion Modeling
Tufts University（塔夫茨大学）
本文提出EDGE，一种基于离散扩散的高效大图生成模型，通过逐步删边实现稀疏化并显式建模节点度数，在生成数千节点大图时兼顾效率与质量。
2023-05-31 cs.AI cs.LG cs.SI
Semi-supervised classification on graphs using explicit diffusion dynamics
EPSRC Centre for Mathematics of Precision Healthcare at Imperial（帝国理工学院工程与物理科学研究委员会精准医疗数学中心）
基于特征向量的分类任务可以通过在深度学习中包含一个总结样本之间成对关系的图来显著改进。直观地说，图充当了引导和偏向类标签推理的管道。在这里，我们研究的分类方法，认为一个明确的图扩散的起源图。我们表明，附加图扩散的特征为基础的学习作为一个\textit{a posteriori}细化达到国家的最先进的分类精度。这种方法，我们称之为图扩散重分类（GDR），使用扩散图动力学的过冲事件来重新分类单个节点。该方法使用节点的影响，这是不同的每个节点的内在措施，并允许评估的关系和重要性的功能和图形的分类。我们还提出了diff-GCN，一个简单的扩展图卷积神经网络（GCN）架构，利用显式扩散动力学，并允许自然使用的有向图。为了展示我们的方法，我们使用了具有相关引用数据的文档基准数据集。
2019-09-24 cs.IR cs.LG cs.SI
