直播预告：基于生成模型的事件流研究 + NIPS 2017 论文解读 | PhD Talk #20

「PhD Talk」是 PaperWeekly 的学术直播间，旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为，单向地输出知识并不是一个最好的方式，而有效地反馈和交流可能会让知识的传播更加有意义，从而产生更大的价值。

这是第 20 期「PhD Talk」

本期 PhD Talk，来自约翰霍普金斯大学 CLSP 实验室的博士生梅洪源，将为大家带来事件流、point processes 和 Hawkes process 的简要介绍，以及 NIPS 2017 录用论文 The Neural Hawkes Process: A Neurally Self-Modulating Multivariate Point Process 的深度解读。

本文提出了一个通用的连续时间序列模型 — Neural Hawkes Process，用来学习事件流中不同事件之间的影响关系，进而对未来事件的发生时间和类型进行预测。

该模型在传统 Hawkes process 的基础上，用 Recurrent Neural Network 来总结事件流的历史信息，并动态地估计不同时刻不同事件之间复杂的相互影响关系，进而得出未来事件的发生时间和类型的概率分布。

此模型可以用于多种事件流的分析，包括医学诊断，消费者行为，和社交网络活动的预测等，并在多个数据集上表现出了显著的优势。

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

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

■ 作者 | Hongyuan Mei, Jason Eisner

梅洪源

约翰霍普金斯大学博士生

梅洪源，约翰霍普金斯大学 CLSP 实验室博士生，导师为 Jason Eisner 教授。他的研究领域是时间序列模型，强化学习，和自然语言处理。曾在 NIPS，NAACL 和 AAAI 等会议发表过多篇文章。

PhD Talk

 

基于生成模型的事件流研究

约翰霍普金斯大学博士生梅洪源

内容分享√在线Q&A√

活动形式：PPT直播

 

 活动时间 

12 月 20 日（周三）21:00-22:00

45 min 分享 + 15 min Q&A

长按识别二维码，进入直播间

*或使用斗鱼App搜索「1743775」

亚马逊高级应用科学家熊元骏：人类行为理解研究进展

清华大学冯珺：基于强化学习的关系抽取和文本分类

基于双语主题模型的跨语言层次分类体系匹配

东南大学高桓：知识图谱表示学习

带多分类判别器的GAN模型

多源信息表示学习在知识图谱中的应用

关于PaperWeekly

PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域，欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里。