直播實錄 | 基於生成模型的事件流研究 + NIPS 2017 論文解讀

本期 PhD Talk，來自約翰霍普金斯大學 CLSP 實驗室的博士生梅洪源，將為大家帶來事件流、point processes 和 Hawkes process 的簡要介紹，以及 NIPS 2017 錄用論文 The Neural Hawkes Process: A Neurally Self-Modulating Multivariate Point Process 的深度解讀。

本文提出了一個通用的連續時間序列模型 — Neural Hawkes Process，用來學習事件流中不同事件之間的影響關係，進而對未來事件的發生時間和型別進行預測。

該模型在傳統 Hawkes process 的基礎上，用 Recurrent Neural Network 來總結事件流的歷史資訊，並動態地估計不同時刻不同事件之間複雜的相互影響關係，進而得出未來事件的發生時間和型別的機率分佈。

此模型可以用於多種事件流的分析，包括醫學診斷，消費者行為，和社交網路活動的預測等，併在多個資料集上表現出了顯著的優勢。

■ 論文 | The Neural Hawkes Process: A Neurally Self-Modulating Multivariate Point Process

■ 連結 | https://www.paperweekly.site/papers/438

■ 作者 | Hongyuan Mei, Jason Eisner

>>>> 獲取完整PPT和影片

關註“PaperWeekly”微信公眾號，回覆“20171220”獲取下載連結。

 我是彩蛋

點選以下標題檢視往期實錄： 

•   亞馬遜高階應用科學家熊元駿：人類行為理解研究進展

• 清華大學馮珺：基於強化學習的關係抽取和文字分類

• 基於雙語主題模型的跨語言層次分類體系匹配

• 東南大學高桓：知識圖譜表示學習

• 帶多分類判別器的GAN模型

• 多源資訊表示學習在知識圖譜中的應用

關於PaperWeekly

PaperWeekly 是一個推薦、解讀、討論、報道人工智慧前沿論文成果的學術平臺。如果你研究或從事 AI 領域，歡迎在公眾號後臺點選「交流群」，小助手將把你帶入 PaperWeekly 的交流群裡。