使用泊松过程级联对事件建模
机器学习
2012-03-19 v1 人工智能
机器学习
摘要
我们提出了一种连续时间事件的概率模型，其中每个事件触发一个后继事件的泊松过程。观测到的事件集合因此被建模为泊松过程的叠加。在该模型下，使用EM算法可以进行高效的推理。此外，EM算法可以实现为分布式算法，使得该模型能够应用于非常大的数据集。我们将这些技术应用于Twitter消息和维基百科修订历史的建模。
引用
@article{arxiv.1203.3516,
title = {Modeling Events with Cascades of Poisson Processes},
author = {Aleksandr Simma and Michael I. Jordan},
journal= {arXiv preprint arXiv:1203.3516},
year = {2012}
}
备注
Appears in Proceedings of the Twenty-Sixth Conference on Uncertainty in Artificial Intelligence (UAI2010)