論文の概要: Linking Across Data Granularity: Fitting Multivariate Hawkes Processes
to Partially Interval-Censored Data
- arxiv url: http://arxiv.org/abs/2111.02062v1
- Date: Wed, 3 Nov 2021 08:25:35 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-04 14:17:46.120296
- Title: Linking Across Data Granularity: Fitting Multivariate Hawkes Processes
to Partially Interval-Censored Data
- Title(参考訳): データの粒度をまたぐリンク:多変量ホークプロセスと部分的間隔補正データ
- Authors: Pio Calderon, Alexander Soen, Marian-Andrei Rizoiu
- Abstract要約: 部分平均行動ポアソン(PMBP)プロセスは、多変量ホークスプロセスと間隔式データに適合するために利用することができる。
我々は,HawkesプロセスとMBPプロセスがPMBPプロセスの特別な場合であることを示す。
本研究では,PMBPプロセスの適用性について,人工および実世界のデータセットを用いた実証実験により検証した。
- 参考スコア(独自算出の注目度): 74.28782604099877
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This work introduces a novel multivariate temporal point process, the Partial
Mean Behavior Poisson (PMBP) process, which can be leveraged to fit the
multivariate Hawkes process to partially interval-censored data consisting of a
mix of event timestamps on a subset of dimensions and interval-censored event
counts on the complementary dimensions. First, we define the PMBP process via
its conditional intensity and derive the regularity conditions for
subcriticality. We show that both the Hawkes process and the MBP process
(Rizoiu et al. (2021)) are special cases of the PMBP process. Second, we
provide numerical schemes that enable calculating the conditional intensity and
sampling event histories of the PMBP process. Third, we demonstrate the
applicability of the PMBP process by empirical testing using synthetic and
real-world datasets: We test the capability of the PMBP process to recover
multivariate Hawkes parameters given sample event histories of the Hawkes
process. Next, we evaluate the PMBP process on the Youtube popularity
prediction task and show that it outperforms the current state-of-the-art
Hawkes Intensity process (Rizoiu et al. (2017b)). Lastly, on a curated dataset
of COVID19 daily case counts and COVID19-related news articles for a sample of
countries, we show that clustering on the PMBP-fitted parameters enables a
categorization of countries with respect to the country-level interaction of
cases and news reporting.
- Abstract(参考訳): 本研究は,多変量ホークス過程を,次元のサブセット上のイベントタイムスタンプの混合と相補的次元の区間補正イベントカウントからなる部分的区間検閲データに適合させるために利用できる,新しい多変量時間点過程である部分平均行動ポアソン(pmbp)プロセスを導入する。
まず, PMBP過程を条件強度で定義し, サブクリティカル性の規則性条件を導出する。
我々は,Hawkes法とMBP法の両方(Rizoiu et al. (2021))がPMBP法の特別な場合であることを示す。
第2に,pmbpプロセスの条件強度とサンプリングイベント履歴の計算を可能にする数値スキームを提案する。
第3に,合成および実世界のデータセットを用いて実証実験を行い,PMBPプロセスの適用性を実証する: ホークスプロセスのサンプルイベント履歴から,多変量ホークスパラメータを復元するPMBPプロセスの有効性を検証する。
次に、Youtubeの人気予測タスクにおけるPMBPプロセスの評価を行い、現在最先端のホークス強度プロセス(Rizoiu et al. (2017b))より優れていることを示す。
最後に、各国の事例数とCOVID19関連ニュース記事のキュレートしたデータセットを用いて、PMBPに適合したパラメータのクラスタリングにより、ケースとニュースレポートの国レベルの相互作用に関して、各国の分類が可能となることを示す。
関連論文リスト
- Interacting Diffusion Processes for Event Sequence Forecasting [22.905775236041645]
拡散生成モデルを組み込んだ新しい手法を提案する。
このモデルはシーケンス・ツー・シーケンスの予測を容易にし、過去のイベント・シーケンスに基づいた複数ステップの予測を可能にする。
提案手法は,TPPの長期予測において,最先端のベースラインよりも優れていることを示す。
論文 参考訳(メタデータ) (2023-10-26T22:17:25Z) - Deep Representation Learning for Prediction of Temporal Event Sets in
the Continuous Time Domain [9.71405768795797]
時間的ポイントプロセスは、イベントの予測や予測において重要な役割を果たす。
この問題を解決するために,TPPをベースとしたスケーラブルで効率的な手法を提案する。
論文 参考訳(メタデータ) (2023-09-29T06:46:31Z) - Continuous-time convolutions model of event sequences [53.36665135225617]
イベントシーケンスデータの巨大なサンプルは、eコマース、ヘルスケア、ファイナンスなど、さまざまなドメインで発生します。
利用可能なデータの量とクライアント毎のイベントシーケンスの長さは典型的には大きいため、長期的なモデリングが必要である。
時間内の事象の一様発生に適した連続畳み込みニューラルネットワークに基づくCOTIC法を提案する。
論文 参考訳(メタデータ) (2023-02-13T10:34:51Z) - Modeling Continuous Time Sequences with Intermittent Observations using
Marked Temporal Point Processes [25.074394338483575]
人間の活動を通じて生成された大量のデータは、連続した時間のイベントのシーケンスとして表現することができる。
これらの連続的なイベントシーケンスに対するディープラーニングモデルは、非自明なタスクである。
本研究では,イベントシーケンスが欠落している場合にMTPPを学習するための新しい教師なしモデルと推論手法を提案する。
論文 参考訳(メタデータ) (2022-06-23T18:23:20Z) - Interval-censored Hawkes processes [82.87738318505582]
本研究では,Hawkesプロセスのパラメータを間隔制限設定で推定するモデルを提案する。
我々は、ホークス族に対する非均質近似が、間隔検閲された設定において牽引可能な可能性を認めている方法を示す。
論文 参考訳(メタデータ) (2021-04-16T07:29:04Z) - Spatio-Temporal Action Detection with Multi-Object Interaction [127.85524354900494]
本稿では,多目的インタラクションを用いたS時間動作検出問題について検討する。
マルチオブジェクトインタラクションを含むアクションチューブに空間的アノテーションを付加した新しいデータセットを提案する。
本研究では,空間的・時間的回帰を同時に行うエンド・ツー・エンドの時間的行動検出モデルを提案する。
論文 参考訳(メタデータ) (2020-04-01T00:54:56Z) - A Multi-Channel Neural Graphical Event Model with Negative Evidence [76.51278722190607]
イベントデータセットは、タイムライン上で不規則に発生するさまざまなタイプのイベントのシーケンスである。
基礎となる強度関数を推定するために,非パラメトリックディープニューラルネットワーク手法を提案する。
論文 参考訳(メタデータ) (2020-02-21T23:10:50Z) - Transformer Hawkes Process [79.16290557505211]
本稿では,長期的依存関係を捕捉する自己認識機構を利用したTransformer Hawkes Process (THP) モデルを提案する。
THPは、有意なマージンによる可能性と事象予測の精度の両方の観点から、既存のモデルより優れている。
本稿では、THPが関係情報を組み込む際に、複数の点過程を学習する際の予測性能の改善を実現する具体例を示す。
論文 参考訳(メタデータ) (2020-02-21T13:48:13Z)
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。