大讲堂 ｜ 点过程模型在序列数据挖掘中的应用 雷锋网AI研习社讯：目前，大量数据是以事件序列的形成产生，比如电商用户的购买行为序列，社交网络用户的转发、点赞行为序列，病人的电子病历等，都属于序列数据。点过程模型是对此序列数据进行建模分析的有效工具。本次公开课中，讲者将介绍如何使用点过程模型对此类序列数据...
清华大学电子工程系城市科学与计算研究中心近日在 KDD2023 发表论文《Spatio-temporal Diffusion Point Processes》，提出时空扩散点过程（DSTPP）模型，率先实现了对复杂时空联合分布的灵活精准建模。由于不对概率密度函数的参数形式施加任何限制，这种基于扩散模型的点过程方法解决了当前时空建模的一系列困难问题，在捕捉复杂...
1、预训练一个点过程模型，然后不再更新：但是序列数据通常会有分布漂移的现象，该方法显然无法处理这个问题。2、每隔一段时间，针对固定窗口的数据重新训练一次点过程模型：这个方法会遇到灾难性遗忘的问题。3、在线学习：模型的维护并不容易，而且也会遇到灾难性遗忘的问题。在这样的背景下，我们如何能更有效率、更...
《NeurIPS'23 Paper Digest | PromptTPP: Prompt Pool 与时序点过程模型的持续学习》为期一周的人工智能和机器学习领域顶级会议NeurIPS已于当地时间12月16日圆满结束。蚂蚁集团有2篇论文被本届会议收录，其中《Prompt-augmentedTemporalPointProcessforStreamingEventSequence》由蚂蚁集团研究并撰写，作者包括薛思乔、王言、...
雷锋网AI研习社讯:目前,大量数据是以事件序列的形成产生,比如电商用户的购买行为序列,社交网络用户的转发、点赞行为序列,病人的电子病历等,都属于序列数据。点过程模型是对此序列数据进行建模分析的有效工具。本次公开课中,讲者将介绍如何使用点过程模型对此类序列数据进行建模分析。
对这样的数据建模,我们通常有以下几个方法(图一):预训练一个点过程模型,然后不再更新:最简单粗暴,但是因为它们在被部署后不会再进行学习或更新,从而导致它们在面对新的或者未见过的数据时性能下降,因为这些数据可能与训练集有所不同(这种现象称为分布漂移)。每隔一段时间,针对固定窗口的数据重新训练一次点过程模型...
每隔一段时间,针对固定窗口的数据重新训练一次点过程模型:这个方法会遇到灾难性遗忘的问题(图二),即忘记过去任务的重要信息。 点过程模型的在线学习版本:模型的维护并不容易,而且也会遇到灾难性遗忘的问题。 在这样的背景下,我们如何能更有效率、更有效果的进行模型的持续学习?我们在文章中 Prompt-augmented TPP 尝试...
8、优选的,所述步骤s1中,改进的过程如下: 9、一个由个事件组成的序列,其中表示第个事件在中的时间和位置,在时空区域上设置有个协变量:,其中是第个协变量; 10、深度时空协变量点过程模型dmpp的公式(1)如下: 11、 ; 12、上式中,表示位于区域中的一个点,是一个带有参数的核函数,是一个深度神经网络,输入协...
每隔一段时间,针对固定窗口的数据重新训练一次点过程模型:这个方法会遇到灾难性遗忘的问题(图二),即忘记过去任务的重要信息。 点过程模型的在线学习版本:模型的维护并不容易,而且也会遇到灾难性遗忘的问题。 在这样的背景下,我们如何能更有效率、更有效果的进行模型的持续学习?我们在文章中 Prompt-augmented TPP 尝试...
每隔一段时间,针对固定窗口的数据重新训练一次点过程模型:这个方法会遇到灾难性遗忘的问题(图二),即忘记过去任务的重要信息。 点过程模型的在线学习版本:模型的维护并不容易,而且也会遇到灾难性遗忘的问题。 在这样的背景下,我们如何能更有效率、更有效果的进行模型的持续学习?我们在文章中 Prompt-augmented TPP 尝试...