今晚直播 | 基於生成模型的事件流研究 + NIPS 2017 論文解讀

「PhD Talk」是 PaperWeekly 的學術直播間，旨在幫助更多的青年學者宣傳其最新科研成果。我們一直認為，單向地輸出知識並不是一個最好的方式，而有效地反饋和交流可能會讓知識的傳播更加有意義，從而產生更大的價值。

這是第 20 期「PhD Talk」

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

梅洪源

約翰霍普金斯大學博士生

梅洪源，約翰霍普金斯大學 CLSP 實驗室博士生，導師為 Jason Eisner 教授。他的研究領域是時間序列模型，強化學習，和自然語言處理。曾在 NIPS，NAACL 和 AAAI 等會議發表過多篇文章。

PhD Talk

 

基於生成模型的事件流研究

約翰霍普金斯大學博士生梅洪源

內容分享√線上Q&A;√

活動形式：PPT直播

 

 活動時間 

12 月 20 日（週三）21:00-22:00

45 min 分享 + 15 min Q&A;

長按識別二維碼，進入直播間

*或使用鬥魚App搜尋「1743775」

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。