Point Process Modelling for Directed Interaction Networks
有向交互网络的点过程建模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：摘要明确研究有向交互网络、历史依赖协变量及动态网络效应，直接对应网络方法。
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
有向交互网络的点过程建模
- 研究问题
- 对于随时间发生的发送者与接收者交互，哪些静态共同特征和动态网络行为能够预测交互发生及接收者选择？
- 方法与思路
- 作者以多元点过程建模有向交互，采用含历史依赖协变量的 Cox 乘法强度模型，以偏似然估计并显式处理多接收者交互。
- 材料陈述的贡献
- 摘要称在适当正则条件下证明估计量的一致性和渐近正态性，给出高效拟合程序，并应用于企业邮件网络的接收者选择分析。
- 阅读关注点
- 应核对历史协变量的构造、风险集与多接收者事件处理、正则条件及计算方法，并区分交互预测关联与因果网络效应。
- 阅读边界
- 仅据所给 Crossref 摘要；摘要未给具体正则条件、系数或预测表现，企业邮件中的关联不能据此解释为因果效应。
原文摘要
Summary Network data often take the form of repeated interactions between senders and receivers tabulated over time. A primary question to ask of such data is which traits and behaviours are predictive of interaction. To answer this question, a model is introduced for treating directed interactions as a multivariate point process: a Cox multiplicative intensity model using covariates that depend on the history of the process. Consistency and asymptotic normality are proved for the resulting partial-likelihood-based estimators under suitable regularity conditions, and an efficient fitting procedure is described. Multicast interactions—those involving a single sender but multiple receivers—are treated explicitly. The resulting inferential framework is then employed to model message sending behaviour in a corporate e-mail network. The analysis gives a precise quantification of which static shared traits and dynamic network effects are predictive of message recipient selection.