[论文解读] Stochastic ranking process with space-time dependent intensities

Tetsuya Hattori, Seiichiro Kusuoka|arXiv (Cornell University)|Apr 21, 2012

Multi-Criteria Decision Making被引用 5

一句话总结

本文研究具有时空依赖跳跃速率的随机排序过程，建模了在线图书销售排名等系统。证明在粒子数趋于无穷的极限下，位置与跳跃速率的经验分布几乎必然收敛到带有蒸发项的无粘性伯吉斯型方程组的解，且标记粒子的运动除跳跃时刻外遵循特征曲线。

ABSTRACT

We consider the stochastic ranking process with space-time dependent jump rates for the particles. The process is a simplified model of the time evolution of the rankings such as sales ranks at online bookstores. We prove that the joint empirical distribution of jump rate and scaled position converges almost surely to a deterministic distribution, and also the tagged particle processes converge almost surely, in the infinite particle limit. The limit distribution is characterized by a system of inviscid Burgers-like integral-partial differential equations with evaporation terms, and the limit process of a tagged particle is a motion along a characteristic curve of the differential equations except at its Poisson times of jumps to the origin.

研究动机与目标

• 建模在线书店等系统中动态排名随时间的演化，其中商品在售出后会跳至顶部。
• 分析当粒子数 N → ∞ 时此类系统的流体动力学极限。
• 表征位置与跳跃速率联合经验分布的极限行为。
• 建立标记粒子过程几乎必然收敛至PDE系统特征曲线运动的结论。
• 推导描述随机排序过程宏观行为的确定性PDE描述（含蒸发项）。

提出的方法

• 使用具有时空依赖强度的独立泊松随机测度形式化随机排序过程。
• 通过定义在 [0,1]×[0,∞) 上的一系列函数 w_i，对粒子位置和跳跃速率进行缩放，确保其有界性和光滑性。
• 通过随机积分方程定义粒子动力学，编码“移动至前端”跳跃及跳跃时的位置变化。
• 应用鞅技巧与格朗沃尔不等式，证明粒子轨迹在 L² 范数下收敛至确定性极限。
• 推导出带有蒸发项的无粘性伯吉斯型积分-偏微分方程组作为流体动力学极限。
• 利用杜布不等式与经验测度的一致收敛性，建立联合分布与标记粒子的几乎必然收敛性。

实验结果

研究问题

• RQ1 在粒子数趋于无穷的极限下，粒子位置与跳跃速率的联合经验分布如何表现？
• RQ2 何种PDE系统描述了具有时空依赖强度的随机排序过程的宏观演化？
• RQ3 在流体动力学极限下，单个标记粒子轨迹的行为如何？
• RQ4 经验测度收敛至确定性极限是否几乎必然发生？
• RQ5 PDE的特征曲线在描述单个粒子运动中起何种作用？

主要发现

• 位置与跳跃速率的联合经验分布几乎必然收敛至无穷粒子极限下的确定性分布。
• 极限分布满足带有蒸发项的无粘性伯吉斯型积分-偏微分方程组。
• 标记粒子过程几乎必然收敛至PDE特征曲线的运动，除泊松跳跃时刻外，此时粒子瞬间重置至位置1。
• 粒子轨迹的收敛性在紧致时间区间上一致成立，且沿子序列几乎必然成立。
• 标记粒子的极限过程除跳跃时刻外为确定性，跳跃时刻则瞬间重置至最高排名。
• 流体动力学极限由一个PDE系统表征，该系统捕捉了排名系统的集体行为，尽管单个粒子执行类似跳跃扩散的运动。