机构名称：
¥ 1.0
6011 DBH受访者驱动的采样（RDS）是一种基于网络的抽样策略，用于研究隐藏人群，无需提供采样框架。在RDS研究的每个时期中，当前的研究参与者浪潮都被激励以通过其社交联系来招募下一波浪潮。RDS的成功和效率可以严重取决于激励措施的属性和基础（潜在的）网络结构。我们提出了一种基于增强学习的自适应RDS设计，以优化某种研究实用程序，例如效率，治疗传播，覆盖范围等。我们的设计基于与RDS过程的分支过程近似，但是，即使没有完全识别网络，我们提出的研究后推论程序也适用于一般网络模型。仿真实验表明，所提出的设计在静态和两步RDS程序方面具有巨大的提高。
对受访者驱动的采样的加强学习
主要关键词
相关文件推荐
