Graphical Models for Marked Point Processes Based on Local Independence
基于局部独立性的标记点过程图模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究一般标记点过程的动态图模型，未涉及宏观序列或经济网络干扰，仅凭图和时间依赖不足以细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
基于局部独立性的标记点过程图模型
- 研究问题
- 如何用图表示不同类型事件随时间发生时的动态依赖，特别是某类事件强度不依赖部分历史事件的非对称关系？
- 方法与思路
- 作者以事件强度的局部独立性构建图模型，引入 δ-分离，并探讨这一分离概念对模型结构和似然推断的含义。
- 材料陈述的贡献
- 摘要称，该模型类及新的图分离概念有助于理解动态依赖，并讨论其在推理和计算简化方面的潜在作用。
- 阅读关注点
- 应核对局部独立所依赖的信息历史、δ-分离的定义及其模型含义，并辨清与 Granger 非因果性的类比和似然简化条件。
- 阅读边界
- 仅据所给 Crossref 摘要；具体分离规则、模型条件与计算收益未说明，局部独立或非因果性类比不能直接建立干预因果解释。
原文摘要
Summary A new class of graphical models capturing the dependence structure of events that occur in time is proposed. The graphs represent so-called local independences, meaning that the intensities of certain types of events are independent of some (but not necessarilly all) events in the past. This dynamic concept of independence is asymmetric, similar to Granger non-causality, so the corresponding local independence graphs differ considerably from classical graphical models. Hence a new notion of graph separation, which is called δ-separation, is introduced and implications for the underlying model as well as for likelihood inference are explored. Benefits regarding facilitation of reasoning about and understanding of dynamic dependences as well as computational simplifications are discussed.