用于从稀疏二元事件计数推断多边关系的贝叶斯泊松张量分解

我们提出一种贝叶斯张量分解模型，用于从动态成对交互模式中推断潜在群体结构。数十年来，政治科学家收集并分析了“国家 $i$ 在时间 $t$ 对国家 $j$ 采取了行动 $a$”形式的记录——称为二元事件（dyadic events）——以形成和检验国际关系理论。我们将这些事件数据表示为计数张量，并发展贝叶斯泊松张量分解来推断其显著模式的低维、可解释表示。我们证明，我们模型的预测性能优于标准非负张量分解方法。我们还提供了我们的变分更新与其最大似然对应项的比较。在此过程中，我们确定了比贝叶斯泊松矩阵分解中通常使用的更好的形成潜因子点估计的方法。最后，我们展示我们的模型作为政治科学家的探索性分析工具。我们表明，推断的潜因子矩阵捕获了可解释的多边关系，这些关系既符合又增进我们对国际事务的认知。