大講堂 | 點(diǎn)過(guò)程模型在序列數(shù)據(jù)挖掘中的應(yīng)用

本文作者： AI研習(xí)社

2018-10-17 18:20

導(dǎo)語(yǔ)：本次公開(kāi)課中，講者將介紹如何使用點(diǎn)過(guò)程模型對(duì)此類(lèi)序列數(shù)據(jù)進(jìn)行建模分析。

雷鋒網(wǎng)AI研習(xí)社訊：目前，大量數(shù)據(jù)是以事件序列的形成產(chǎn)生，比如電商用戶的購(gòu)買(mǎi)行為序列，社交網(wǎng)絡(luò)用戶的轉(zhuǎn)發(fā)、點(diǎn)贊行為序列，病人的電子病歷等，都屬于序列數(shù)據(jù)。點(diǎn)過(guò)程模型是對(duì)此序列數(shù)據(jù)進(jìn)行建模分析的有效工具。本次公開(kāi)課中，講者將介紹如何使用點(diǎn)過(guò)程模型對(duì)此類(lèi)序列數(shù)據(jù)進(jìn)行建模分析。

分享主題

點(diǎn)過(guò)程模型在序列數(shù)據(jù)挖掘中的應(yīng)用

分享嘉賓

吳偉昌，上海交通大學(xué)電子系在讀博士，導(dǎo)師是查宏遠(yuǎn)教授，主要研究方向?yàn)樾蛄袛?shù)據(jù)挖掘，點(diǎn)過(guò)程建模等。其研究工作曾在 KDD、TKDE等發(fā)表。

分享提綱

1、參數(shù)化點(diǎn)過(guò)程模型及其應(yīng)用。

2、Factorial Marked Temporal Point Process [KDD 2018]：因子標(biāo)記點(diǎn)過(guò)程學(xué)習(xí)。（Decoupled Learning for Factorial Marked Temporal Point Processes）

3、深度神經(jīng)網(wǎng)絡(luò)與點(diǎn)過(guò)程模型的結(jié)合及其應(yīng)用。

分享時(shí)間

（北京時(shí)間） 10 月 18 日（星期四） 20:00

直播鏈接

http://www.mooc.ai/open/course/572

大講堂 | 點(diǎn)過(guò)程模型在序列數(shù)據(jù)挖掘中的應(yīng)用