Hawkes Processes

Time-Sensitive Recommendation From Recurrent User Activities (http://papers.nips.cc/paper/5979-time-sensitive-recommendation-from-recurrent-user-activities.pdf) NIPS'15 Первая статья про это, которую нашел. Неплохо пишут и делают похожие с нами вещи. Но дальше начинаются какие-то изощрения с оптимизацией, в них не вдавался пока. Вообще у этих парней много публикаций на эту тему.

Neural Survival Recommender (https://dl.acm.org/citation.cfm?id=3018719, sci-hub.se/10.1145/3018661.3018719) WSDM'17 LSTM применяют для этой задачи, нам не очень важно это. Для обзора надо будет глянуть пару статей про сети (дальше будут еще), но не увлекаясь

Just in Time Recommendations: Modeling the Dynamics of Boredom in Activity Streams (https://dl.acm.org/citation.cfm?id=2685306, sci-hub.se/10.1145/2684822.2685306) WSDM'15 На Hidden Semi-Markov Model, поэтому иначе там все

Beyond Clicks: Dwell Time for Personalization (http://www.hongliangjie.com/publications/recsys2014.pdf) RecSys'14 Вроде без сильной математики поприменяли для всякого, не очень интересно с точки зрения модели

Learning Social Infectivity in Sparse Low-rank Networks Using Multi-dimensional Hawkes Processes (http://proceedings.mlr.press/v31/zhou13a.pdf) AISTATS'13 Статья тех же парней из Джорджии, но постарше

Multi-Task Multi-Dimensional Hawkes Processes for Modeling Event Sequences (https://www.ijcai.org/Proceedings/15/Papers/518.pdf) IJCAI'15 С теми парнями работа, тоже о том, в тонкостях не разбирался

Multivariate Hawkes Processes for Large-scale Inference (https://arxiv.org/pdf/1602.08418.pdf) AAAI'17 Тут о том, что надо, но они как-то немного иначе делают, у них куча матриц. Кажется, будто они матрицами заменили экспоненту или что-то такое, потому что в остальном все также. Но видимо в этом и идея, надо бы почитать подробнее

Online Learning for Multivariate Hawkes Processes (http://papers.nips.cc/paper/7079-online-learning-for-multivariate-hawkes-processes.pdf) NIPS'17 Вроде о том. Ниже есть расширенная версия этого же. Достаточно новая, меньше года прошло

Recurrent Marked Temporal Point Processes: Embedding Event History to Vector (https://www.kdd.org/kdd2016/papers/files/rpp1081-duA.pdf) KDD'16 Статья от тех парней из Джорджии. Наверное стоит узнать, какие они смогли развить свою идею и проследить за публикациями

Yahoo! Music Recommendations: Modeling Music Ratings with Temporal Dynamics and Item Taxonomy (http://www.noamko.org/papers/DKK11.pdf) RecSys'11d Не смотрел

Nonparametric Hawkes Processes: Online Estimation and Generalization Bounds (https://arxiv.org/pdf/1801.08273.pdf) NIPS'17 Все о том же (она еще и огромная) См. Online Learning for Multivariate Hawkes Processes, потому что это её расширенная вершсия

Consistency and Computation of Regularized MLEs for Multivariate Hawkes Processes (https://arxiv.org/pdf/1810.02955.pdf) Кажется, о другом, но очень новая, можно по ссылкам походить мб

Spectra of Some Self-Exciting and Mutually Exciting Point Processes (https://www.researchgate.net/publication/271686371_Spectra_of_Some_Self-Exciting_and_Mutually_Exciting_Point_Processes, sci-hub.se/10.2307/2334319) Статья 1971 года, где были описаны процессы такие. Не читал

Learning Triggering Kernels for Multi-dimensional Hawkes Processes (http://proceedings.mlr.press/v28/zhou13.pdf) ICML'13 Те же ребята, но чет сложно

Тула для работы с процессами https://github.com/HongtengXu/Hawkes-Process-Toolkit от тех парней Есть какие-то ссылки, некоторые посмотрел, вроде ничего нового

А тут на PyTorch репа для работы с процессами от того же парня https://github.com/HongtengXu/PoPPy, это уже может быть интереснее

Датасет, который юзают http://snap.stanford.edu/memetracker/ Ну и last.fm

Какая-то математика про hawkes processes https://arxiv.org/pdf/1707.04928.pdf, но чет очень много, пусть просто так тут полежит

Recommendation for Repeat Consumption from User Implicit Feedback (http://sci-hub.se/https://ieeexplore.ieee.org/abstract/document/7518642) Рекомендации делают, не через hawkes, но похожие идеи про эмбеддинги есть

Returning is Believing: Optimizing Long-term User Engagement in Recommender Systems (https://dl.acm.org/citation.cfm?id=3133025) Не о том, но пусть будет, так как название вроде правильное и достаточно новое (CIKM'17)

Modeling Interdependent and Periodic Real-World Action Sequences (https://dl.acm.org/citation.cfm?doid=3178876.3186161) WWW'18 Не читал особо, но они предсказывают события другого рода (движения человека типа поел, помахал руками), поэтому кажется у них немного другие предположения о распределениях и о модели. А так прикольно. Хотя вообще похожее делают с точки зрения постановки задачи.

A Recurrent Neural Network Survival Model: Predicting Web User Return Time (https://arxiv.org/pdf/1807.04098.pdf) Предсказание на нейронках, для обзора может прегодится, а так не читал. Новая, но с неизвестной мне конфы

Isotonic Hawkes Processes (http://proceedings.mlr.press/v48/wangg16.pdf) От тех же парней 2016 года. Не очень в тему, но вдруг надо. Там просто нелинейную функцию рассматривают для вычисления лямбды.

The Neural Hawkes Process: A Neurally Self-Modulating Multivariate Point Process (http://papers.nips.cc/paper/7252-the-neural-hawkes-process-a-neurally-self-modulating-multivariate-point-process.pdf) NIPS'17 На LSTM делают это. Без тех парней, но, кажется, с их помощью

Coevolutionary Latent Feature Processes for Continuous-Time User-Item Interactions (http://papers.nips.cc/paper/6480-coevolutionary-latent-feature-processes-for-continuous-time-user-item-interactions.pdf) Те парни, но кажется о другом. NIPS'

Predicting User Activity Level In Point Processes With Mass Transport Equation (http://papers.nips.cc/paper/6762-predicting-user-activity-level-in-point-processes-with-mass-transport-equation.pdf) Те парни о чем-то непонятном

Local Low-Rank Hawkes Processes for Temporal User-Item Interactions (https://jshang2.github.io/pubs/local-low-rank.pdf) Похоже на ту статью парней из Джорджии, но от других чуваков