突发性尺度：一种刻画随机事件序列的高度简约模型
机器学习
2016-02-23 v1 社会与信息网络
摘要
准确且简约地刻画Web中出现的随机事件序列（RSEs，如电子邮件对话或Twitter标签）的问题并非易事。文献中的报告揭示了关于应如何建模RSEs的两种看似冲突的观点。一方面，泊松过程，其连续事件以相对规律的时间相继发生且不应相关。另一方面，自激过程，能够生成相关事件的突发爆发和静止期。许多有时冲突的RSE建模方法的存在，是我们个人和日常活动的聚合动力学的不可预测性的结果，其有时显示简单模式，但有时导致不规则的上升和下降趋势。在本文中，我们提出一种高度简约的方式来刻画一般RSEs，即突发性尺度（BuSca）模型。BuSca将每个RSE视为两个独立过程的混合：一个泊松过程和一个自激过程。在此我们描述一种快速方法提取BuSca的两个参数，它们共同给出突发性尺度，表示RSE中有多少归因于突发和病毒式效应。我们在八个多样且大型的数据集上验证了我们的方法，这些数据集包含Twitter、Yelp、电子邮件对话、Digg和在线论坛中出现的真实随机事件序列。结果表明，即使仅使用两个参数，BuSca也能准确描述这些不同系统中看到的RSEs，这可惠及许多应用。
引用
@article{arxiv.1602.06431,
title = {Burstiness Scale: a highly parsimonious model for characterizing random series of events},
author = {Rodrigo A S Alves and Renato Assunção and Pedro O S Vaz de Melo},
journal= {arXiv preprint arXiv:1602.06431},
year = {2016}
}