从短双删失事件序列中学习霍克斯过程
机器学习
2017-06-09 v2 概率论
机器学习
摘要
许多真实应用需要鲁棒算法来基于一种不完整数据——所谓的短双删失(SDC)事件序列——学习点过程。我们在霍克斯过程框架下，通过利用数据合成的思想研究这个定量异步事件序列分析的关键问题。给定在各种时间间隔观察到的SDC事件序列，我们提出一种采样-拼接数据合成方法——从潜在候选中为每一条SDC事件序列采样前驱与后继并拼接起来以合成长训练序列。我们基于似然的论证讨论了方法的合理性与可行性。在合成与真实数据上的实验表明，所提数据合成方法确实改进了时不变与时变霍克斯过程的学习结果。
引用
@article{arxiv.1702.07013,
title = {Learning Hawkes Processes from Short Doubly-Censored Event Sequences},
author = {Hongteng Xu and Dixin Luo and Hongyuan Zha},
journal= {arXiv preprint arXiv:1702.07013},
year = {2017}
}