Intensity-free Integral-based Learning of Marked Temporal Point Processes

要約

マーク付き時間点プロセス (MTPP) では、中心的な問題は、イベント間時間 $t$ および条件付きマーク $m$ の条件付き結合 PDF (確率分布関数) $p^*(m,t)$ をパラメーター化することです。
歴史について。
既存の研究の大部分は、強度関数を事前に定義しています。
その有用性は、表現力と処理効率のバランスをとるために重要である強度関数の適切な形式を指定することによって挑戦されます。
最近、強度関数の事前定義から離れた研究が行われています。1 つは $p^*(t)$ と $p^*(m)$ を別々にモデル化し、もう 1 つは時間点過程 (TPP) に焦点を当てています。
マークを考慮します。
この研究は、多次元連続空間におけるイベントマークがカテゴリカルまたは数値である離散イベントに対する高忠実度 $p^*(m,t)$ を開発することを目的としています。
我々は、条件付き結合 PDF $p^*(m,t)$ をモデル化するソリューション フレームワーク IFIB (\underline{I}ntensity-\underline{f}ree \underline{I}ntegral-\underline{b}ased process) を提案します。
強度関数を使用せずに直接。
これにより、重要な数学的制限を強制するプロセスが大幅に簡素化されます。
IFIB の望ましい特性と、現実世界および合成データセットに対する IFIB の優れた実験結果を示します。
コードは \url{https://github.com/StepinSilence/IFIB} で入手できます。

要約(オリジナル)

In the marked temporal point processes (MTPP), a core problem is to parameterize the conditional joint PDF (probability distribution function) $p^*(m,t)$ for inter-event time $t$ and mark $m$, conditioned on the history. The majority of existing studies predefine intensity functions. Their utility is challenged by specifying the intensity function’s proper form, which is critical to balance expressiveness and processing efficiency. Recently, there are studies moving away from predefining the intensity function — one models $p^*(t)$ and $p^*(m)$ separately, while the other focuses on temporal point processes (TPPs), which do not consider marks. This study aims to develop high-fidelity $p^*(m,t)$ for discrete events where the event marks are either categorical or numeric in a multi-dimensional continuous space. We propose a solution framework IFIB (\underline{I}ntensity-\underline{f}ree \underline{I}ntegral-\underline{b}ased process) that models conditional joint PDF $p^*(m,t)$ directly without intensity functions. It remarkably simplifies the process to compel the essential mathematical restrictions. We show the desired properties of IFIB and the superior experimental results of IFIB on real-world and synthetic datasets. The code is available at \url{https://github.com/StepinSilence/IFIB}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google