计算机应用研究

作者：芦佳明,李晨龙,魏毅强,

单位：太原理工大学数学学院,山西晋中030600；

关键词：事件序列,时序点过程,Wasserstein距离,多头自注意力,

基金：国家自然科学基金资助项目(61901294)；山西省应用基础研究计划资助项目(201901D211105)；；

目前学界普遍通过循环神经网络（RNN）建模强度函数来刻画时序点过程，然而此类模型不能捕捉到事件序列之间的长程依赖关系，并且强度函数具体的参数形式会限制模型的泛化能力。针对上述问题，提出一种无强度函数的注意力机制的时序点过程生成模型。该模型使用Wasserstein距离构建损失函数，便于衡量模型分布与真实分布之间的偏差，利用自注意力机制描述历史事件对当前事件的影响程度，使得模型具有可解释性且泛化能力更强。对比实验表明，在缺失强度函数先验信息的情况下，该方法比RNN类的生成模型和极大似然模型在QQ图斜率的偏差和经验强度偏差这两个指标总体上分别减少35.125%和24.200%，证实了所提模型的有效性。

来源：2022年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第2期