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、時間的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。
私たちはイベント モデリングの概念を修正し、このテーマに関する文献を特徴づける数学的基礎を提供します。
既存のアプローチを 3 つのファミリー (単純なプロセス、マークされたプロセス、および時空間点プロセス) の観点から分類するためのオントロジーを定義します。
家族ごとに、ディープラーニングに基づいて既存のアプローチを体系的に見直します。
最後に、提案された手法が予測とモデリングの側面に対処するために使用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