[论文解读] Graphical models for marked point processes based on local independence

Vanessa Didelez|Oct 31, 2007

Hermeneutics and Narrative Identity被引用 8

一句话总结

本文提出了一类基于局部独立性的标记点过程图形模型，其中事件强度在给定特定先前事件的条件下，与过去事件条件独立。主要贡献是提出了 $δ$-分离，一种新型图分离准则，可在具有反馈的动态连续时间系统中实现有效的条件独立性查询和似然分解。

ABSTRACT

A new class of graphical models capturing the dependence structure of events that occur in time is proposed. The graphs represent so-called local independences, meaning that the intensities of certain types of events are independent of some (but not necessarily all) events in the past. This dynamic concept of independence is asymmetric, similar to Granger non-causality, so that the corresponding local independence graphs differ considerably from classical graphical models. Hence a new notion of graph separation, called delta-separation, is introduced and implications for the underlying model as well as for likelihood inference are explored. Benefits regarding facilitation of reasoning about and understanding of dynamic dependencies as well as computational simplifications are discussed.

研究动机与目标

• 建模事件历史数据中的动态依赖关系，其中未来事件强度取决于特定过去的事件，而非全部事件。
• 在连续时间下，为多变量标记点过程形式化一种新的条件独立性概念——局部独立性。
• 开发一种图形表示方法，捕捉类似于格兰杰非因果性的非对称、时变依赖关系。
• 提出 $δ$-分离作为图分离准则，确保在边际化过程中保持条件独立性。
• 在多变量事件历史模型中实现似然分解和计算简化。

提出的方法

• 使用计数过程 $N_k(t)$ 的标记点过程来建模连续时间内的事件类型。
• 将局部独立性定义为：在给定先前事件特定子集的条件下，某一事件强度与过去事件条件独立。
• 构建一个有向无环图（DAG），其中节点表示事件类型，边表示局部依赖结构。
• 引入 $δ$-分离作为图分离规则，用于识别在存在反馈和时间有序依赖情况下的条件独立性。
• 应用右分解和左分解规则以推导图结构的性质。
• 基于每个节点在祖先图中的闭包，推导出似然分解。

实验结果

研究问题

• RQ1 在具有连续时间和反馈的多变量标记点过程中，如何形式化局部独立性？
• RQ2 在具有动态时间顺序依赖的系统中，需要何种图分离准则才能正确表示条件独立性？
• RQ3 $δ$-分离与标准图公理和图形模型中的条件独立性有何关系？
• RQ4 能否基于局部独立性图结构对标记点过程的似然进行分解？
• RQ5 $δ$-分离对事件历史分析中的模型简化和推理有何影响？

主要发现

• 本文证明了 $δ$-分离能正确识别在存在反馈和时间有序依赖情况下的局部独立性图中的条件独立关系。
• 由于其非对称和动态的特性，局部独立性图与经典图形模型有本质区别，类似于格兰杰非因果性。
• 通过利用每个节点在祖先图中的闭包，将似然表示为条件强度的乘积，从而实现似然分解。
• 该分解意味着道德化祖先图具有全局马尔可夫性质，验证了 $δ$-分离在推理中的有效性。
• 所提出的框架可在复杂多变量事件历史数据中实现计算高效的推理和模型简化。
• 该方法在对未观测过程进行边际化时，仍能通过 $δ$-分离保持条件独立性结构。