개인의 취향 다운로드

Adobe Creative Cloud 계정에는 어디서나 모든 장치 나 컴퓨터에서 파일을 사용할 수 있는 온라인 저장소가 함께 제공됩니다. 개인 수준에서, 사람들의 환경 설정은 성별에 따라 다릅니다., 나이 와 인지 능력. 예를 들어, 여성은 남성보다 더 참을성이 없고, 위험에 덜 관대하며, 더 친근합니다. 인지 능력과 나이는 모든 위험, 시간 및 친사회적 선호도와 관련이 있습니다. 그러나 이러한 관계는 어느 정도 국가별입니다. 위험 회피와 성별과의 관계는 대부분의 국가에서 동일한 방향으로 있지만, 인내심에 대한 연령 프로필은 국가의 개발 수준에 따라 달라집니다. 국가 내에서, 참을성 있는 개별은 저장하고 더 높은 교육 달성이 있기 위하여 확률이 높고, 더 위험에 관대한 개별은 자영업과 연기가 나기 위하여 확률이 높습니다. 사회적 선호도는 기부, 자원 봉사 시간 및 낯선 사람, 친구 및 친척에게 도움을 제공하는 것과 같은 친사회적 행동과 결과를 예측합니다. 이 설문 조사를 통해 국가 간 이질성을 측정하고 다음과 같은 매우 중요한 질문에 답할 수 있었습니다.

총 기본 설정 프로필의 차이는 경제 개발, 자선 활동 또는 폭력적인 충돌과 같은 결과의 국가 간 변화와 상관 관계가 있습니까? 국가 별 기본 설정 프로필이 지역, 문화, 언어 또는 종교의 차이와 관련이 있습니까? 국가 내 편차를 기준으로 선호도의 국가 간 변동은 얼마나 큰가요? 금융, 노동 시장 또는 친사회적 선택의 개인 수준 이질성은 전 세계의 선호도에 따라 어떻게 달라지습니까? 새로운 동기화 설정 기능을 사용하면 일반적인 기본 설정, 키보드 단축키, 사전 설정 및 라이브러리를 Creative Cloud에 동기화할 수 있습니다. 예를 들어 두 대 이상의 컴퓨터를 사용하는 경우 설정 동기화 기능을 사용하면 컴퓨터 간에 설정을 동기화된 상태로 유지할 수 있습니다. 개인 기본 설정 방법이라고 부르는 제안 된 방법은 이러한 이기종 환경 설정을 고려하여 가장자리의 형성과 용해를 예측하는 데 사용합니다. 우리는 사람의 이웃에 있는 속성 값의 분포를 살펴보고 전체 네트워크의 속성 값 분포와 비교하여 이 차이를 사용하여 특정 속성 값에 대한 선호도를 측정합니다. . 또한 이러한 환경 설정과 기계 학습 접근 방식을 결합하여 가장자리의 형성 또는 용해를 예측합니다. 개별 수준 데이터 집합에는 이 데이터를 Gallup World Poll 2012와 연결할 수 있는 개인 식별자가 포함되어 있습니다. 후자는 개별 동변량 및 추가 측정값을 포함합니다. 우리는 다른 특성에 대한 노드 환경 설정이 인지 및 행동 네트워크 모두에서 가장자리의 형성과 용해를 얼마나 잘 예측하는지 알아보고자 합니다.

우리는 또한 어떤 속성이 가장자리의 형성과 해체에서 가장 중요한 역할을 하는지 알고 싶습니다. 먼저 노드의 이웃을 기반으로 모든 특성 값에 대한 모든 노드의 기본 설정을 측정하는 기술을 소개합니다. 그런 다음 한 쌍의 노드의 이러한 기본 설정을 기계 학습을 사용하여 가장자리의 형성 또는 용해를 예측하는 데 사용되는 기능으로 변환하는 방법을 제안합니다. 그런 다음 이러한 예측을 만드는 데 사용되는 다양한 기계 학습 기술을 고려합니다. 마지막으로, 예측을 하는 과정에서 모든 특성의 상대적 중요성을 얻는 방법에 대해 자세히 설명합니다. 링크 용해 예측의 성능을 평가하기 위해 이 분류 작업은 링크 형성 예측과 달리 균형이 잡히기 때문에 정확도 및 리콜과 함께 정밀도를 측정합니다.