論文の概要: Evolution of Credit Risk Using a Personalized Pagerank Algorithm for Multilayer Networks

• arxiv url: http://arxiv.org/abs/2005.12418v2
• Date: Mon, 10 Aug 2020 20:18:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-29 05:47:55.073596
• Title: Evolution of Credit Risk Using a Personalized Pagerank Algorithm for Multilayer Networks
• Title（参考訳）: 多層ネットワークのためのパーソナライズされたページランクアルゴリズムを用いた信用リスクの進化
• Authors: Cristi\'an Bravo and Mar\'ia \'Oskarsd\'ottir
• Abstract要約: 複雑な多層ネットワーク間の信用リスクの進化を研究するための新しいアルゴリズムを提案する。 以上の結果から,ネットワークを通じてネットワークを伝播し,進化する上で,デフォルトリスクが困難な現象であることを示す。
• 参考スコア（独自算出の注目度）: 5.33024001730262
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper we present a novel algorithm to study the evolution of credit risk across complex multilayer networks. Pagerank-like algorithms allow for the propagation of an influence variable across single networks, and allow quantifying the risk single entities (nodes) are subject to given the connection they have to other nodes in the network. Multilayer networks, on the other hand, are networks where subset of nodes can be associated to a unique set (layer), and where edges connect elements either intra or inter networks. Our personalized PageRank algorithm for multilayer networks allows for quantifying how credit risk evolves across time and propagates through these networks. By using bipartite networks in each layer, we can quantify the risk of various components, not only the loans. We test our method in an agricultural lending dataset, and our results show how default risk is a challenging phenomenon that propagates and evolves through the network across time.
• Abstract（参考訳）: 本稿では,複雑な多層ネットワーク間の信用リスクの進化を研究するための新しいアルゴリズムを提案する。 Pagerankライクなアルゴリズムは、単一のネットワークにまたがる影響変数の伝搬を可能にし、ネットワーク内の他のノードに持つ接続を前提として、単一のエンティティ(ノード)が持つリスクを定量化する。 一方、多層ネットワークは、ノードのサブセットがユニークな集合(層)に関連付けられるネットワークであり、エッジは、ネットワーク内またはネットワーク間の要素を接続する。 多層ネットワークのためのパーソナライズされたPageRankアルゴリズムは、時間とともに信用リスクがどのように進化し、これらのネットワークを介して伝播するかを定量化する。 各レイヤでバイパーティイトネットワークを使用することで、ローンだけでなく、さまざまなコンポーネントのリスクを定量化できます。 提案手法を農業用貸付データセットで検証し,デフォルトリスクがネットワークを介して伝播し進化する困難な現象であることを示す。

関連論文リスト

• Defining Neural Network Architecture through Polytope Structures of Dataset [53.512432492636236]
  本稿では, ニューラルネットワーク幅の上下境界を定義し, 問題となるデータセットのポリトープ構造から情報を得る。 本研究では,データセットのポリトープ構造を学習したニューラルネットワークから推定できる逆条件を探索するアルゴリズムを開発した。 MNIST、Fashion-MNIST、CIFAR10といった一般的なデータセットは、顔の少ない2つ以上のポリトップを用いて効率的にカプセル化できることが確立されている。
  論文  参考訳（メタデータ） (2024-02-04T08:57:42Z)
• Multi-view Multi-label Anomaly Network Traffic Classification based on MLP-Mixer Neural Network [55.21501819988941]
  畳み込みニューラルネットワーク(CNN)に基づく既存のネットワークトラフィック分類は、グローバルな情報関連を無視しながら、トラフィックデータの局所的なパターンを強調することが多い。 本稿では,エンドツーエンドのネットワークトラフィック分類手法を提案する。
  論文  参考訳（メタデータ） (2022-10-30T01:52:05Z)
• Rank Diminishing in Deep Neural Networks [71.03777954670323]
  ニューラルネットワークのランクは、層をまたがる情報を測定する。 これは機械学習の幅広い領域にまたがる重要な構造条件の例である。 しかし、ニューラルネットワークでは、低ランク構造を生み出す固有のメカニズムはあいまいで不明瞭である。
  論文  参考訳（メタデータ） (2022-06-13T12:03:32Z)
• Predicting Hidden Links and Missing Nodes in Scale-Free Networks with Artificial Neural Networks [1.0152838128195467]
  我々は,大規模ネットワークにおける隠れリンクや欠落ノードを予測するための手法を,アルゴリズムの形で提案した。 我々は,Bella Bollobasの有向スケールフリーなランダムグラフ生成アルゴリズムをランダムネットワークの生成元として使用し,大規模なスケールフリーなネットワークのデータを生成する。
  論文  参考訳（メタデータ） (2021-09-25T10:23:28Z)
• Optimized Quantum Networks [68.8204255655161]
  量子ネットワークは、ネットワーク要求の前に様々な種類の絡み合いを生成することができる。 これを応用して、所望の機能に合わせた絡み合いベースの量子ネットワークを設計する。
  論文  参考訳（メタデータ） (2021-07-21T18:00:07Z)
• Learning low-rank latent mesoscale structures in networks [1.1470070927586016]
  ネットワークにおける低ランクメソスケール構造を記述するための新しい手法を提案する。 いくつかの合成ネットワークモデルと経験的友情、協調、タンパク質-タンパク質相互作用(PPI)ネットワークを使用します。 破損したネットワークから直接学習する潜在モチーフのみを用いて、破損したネットワークを認知する方法を示す。
  論文  参考訳（メタデータ） (2021-02-13T18:54:49Z)
• Multilayer Network Analysis for Improved Credit Risk Prediction [5.33024001730262]
  ネットワーク内の任意の借り手のデフォルト露出の強度を定量化できる多層パーソナライズされたPageRankアルゴリズムを開発した。 その結果、デフォルトリスクは、個人が多くのデフォルトデバイスに接続されている場合に最も高いが、このリスクは、個人の近傍のサイズによって軽減される。
  論文  参考訳（メタデータ） (2020-10-19T14:39:53Z)
• ESPN: Extremely Sparse Pruned Networks [50.436905934791035]
  簡単な反復マスク探索法により,非常に深いネットワークの最先端の圧縮を実現することができることを示す。 本アルゴリズムは,シングルショット・ネットワーク・プルーニング法とロッテ・ティケット方式のハイブリッド・アプローチを示す。
  論文  参考訳（メタデータ） (2020-06-28T23:09:27Z)
• A new multilayer network construction via Tensor learning [0.0]
  多層ネットワークは、異なる複雑なシステムの依存情報を抽出し、提供するのに適していることが判明した。 本研究では,データから直接多層ネットワークを構築するために,タッカーテンソル自動回帰に基づく新しい手法を提案する。 定常分数差の財務データに対する本手法の適用について述べる。
  論文  参考訳（メタデータ） (2020-04-11T11:06:33Z)
• Detecting Communities in Heterogeneous Multi-Relational Networks:A Message Passing based Approach [89.19237792558687]
  コミュニティは、ソーシャルネットワーク、生物学的ネットワーク、コンピュータおよび情報ネットワークを含むネットワークの共通の特徴である。 我々は,全同種ネットワークのコミュニティを同時に検出する効率的なメッセージパッシングに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-04-06T17:36:24Z)
• Modeling Dynamic Heterogeneous Network for Link Prediction using Hierarchical Attention with Temporal RNN [16.362525151483084]
  我々はDyHATRと呼ばれる新しい動的ヘテロジニアスネットワーク埋め込み法を提案する。 階層的な注意を使って異質な情報を学習し、進化パターンを捉えるために時間的注意を伴う繰り返しニューラルネットワークを組み込む。 リンク予測のための4つの実世界のデータセットに対して,本手法をベンチマークした。
  論文  参考訳（メタデータ） (2020-04-01T17:16:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。