To predict future events, previous research models diffusion patterns of events. Limitation of these research is that they could only model fixed number of event types. For this reason, existing models could not predict new types of events. To solve this problem, we introduce Vectorized Hawkes Process, which extends Hawkes process in continuous vector space. We conduct experiment on synthetic data and two real world datasets. Our model’s predictive power and estimate power of relations between events are demonstrated by the experimental results.
기존의 이벤트 예측에 관한 연구로는 이벤트의 확산패턴을 모델링하는 연구가 진행되었다. 이러한 기존의 연구들은 정해진 수의 이벤트에 대해서만 모델링 할 수 있다는 문제점을 가지고 있으며 새로운 이벤트를 처리하지 못한다는 문제점을 가지고 있다. 이러한 문제점을 해결하기 위해 본 논문에서는 연속된 벡터 공간 으로 확장한 호크스 프로세스를 제안한다. 인조 데이터와 실세계 데이터를 이용해 실험을 진행하였으며, 그 이벤트 예측 성능에 있어서 큰 향상을 보였다.
