摘要
事件动力学建模是许多学科的核心。观察到的社交互动事件中的模式通常可以使用点过程进行建模。这种社会互动事件数据往往表现出自激、异质和零星的趋势,这对传统模型来说是一个挑战。有理由假设存在一个隐藏的状态过程,在不同的状态下驱动不同的事件动力学。本文提出了一种马尔可夫调制霍克斯过程(MMHP)模型,用于学习这种混合的社会交互事件动力学,并开发了相应的推理算法。利用合成数据进行的数值实验表明,MMHP与所提出的估计算法在仿真中一致地恢复了真实的隐藏状态过程,一所大型大学的电子邮件数据和一项动物行为研究的数据表明,该程序捕捉到了不同的事件动态,揭示了真实数据中有趣的社会结构。
资金筹措表
本文部分基于DARPA协议编号D17AC00001赞助的研究。
致谢
信息的内容不一定反映政府的立场或政策,也不应推断官方认可。
引用
下载引文
吴晶。
欧文·G·沃德。
詹姆斯·柯利。
田正。
“Markov-modulated Hawkes过程用于模拟社会互动中零星和突发事件的发生。”
附录申请。斯达。
16
(2)
1171 - 1190,
2022年6月。
https://doi.org/10.1214/21-AOAS1539
信息
收到日期:2019年11月1日;修订日期:2021年2月1日;发布日期:2022年6月
欧几里得项目首次提供:2022年6月13日
数字对象标识符:10.1214/21-AOAS1539
关键词:贝叶斯推断,异构点过程,潜在马尔可夫过程,自激过程,社会互动动力学
权利:版权所有©2022数理统计研究所