Modeling Events and Interactions through Temporal Processes — A Survey

要約

現実世界のシナリオでは、多くの現象が連続時間内に発生するイベントのコレクションを生成します。
ポイント プロセスは、これらの一連のイベントをモデル化するための自然な数学的フレームワークを提供します。
この調査では、時間プロセスを通じてイベント シーケンスをモデル化するための確率モデルを調査します。
イベント モデリングの概念を修正し、このトピックに関する文献を特徴付ける数学的基礎を提供します。
3 つのファミリの観点から既存のアプローチを分類するオントロジーを定義します: シンプル、マーク、および時空間ポイント プロセス。
ファミリごとに、深層学習に基づく既存のアプローチを体系的に見直します。
最後に、提案された手法を使用して予測とモデリングの側面に対処できるシナリオを分析します。

要約(オリジナル)

In real-world scenario, many phenomena produce a collection of events that occur in continuous time. Point Processes provide a natural mathematical framework for modeling these sequences of events. In this survey, we investigate probabilistic models for modeling event sequences through temporal processes. We revise the notion of event modeling and provide the mathematical foundations that characterize the literature on the topic. We define an ontology to categorize the existing approaches in terms of three families: simple, marked, and spatio-temporal point processes. For each family, we systematically review the existing approaches based based on deep learning. Finally, we analyze the scenarios where the proposed techniques can be used for addressing prediction and modeling aspects.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google