析因标记时间点过程的去耦学习
机器学习
2018-01-23 v1 人工智能
机器学习
摘要
本文引入析因标记时间点火过程模型并给出高效学习方法。在常规(多维)标记时间点火过程模型中,事件通常由单个离散变量(即标记)编码。本文中,我们描述析因标记点过程,其中带时间戳的事件被分解为多个标记。相应地,建模两两标记间影响的传染矩阵的大小相对于离散标记空间的数量呈幂次阶。我们提出一种带两个学习过程的去耦学习方法:i) 基于两种技术直接求解模型:交替方向乘子法和快速迭代收缩阈值算法;ii) 引入一种重构,将原始问题转化为 Logistic Regression 模型以实现更高效的学习。此外,加入稀疏组正则化器以识别关键轮廓特征与事件标签。在真实世界数据集上的实证结果证明了我们去耦与重构方法的效率。源代码可在线获取。
引用
@article{arxiv.1801.06805,
title = {Decoupled Learning for Factorial Marked Temporal Point Processes},
author = {Weichang Wu and Junchi Yan and Xiaokang Yang and Hongyuan Zha},
journal= {arXiv preprint arXiv:1801.06805},
year = {2018}
}
备注
9 pages, 8 figures, submitted to TNNLS, 21 Jan, 2018