标签
这篇论文将事件序列预测重新表述为条件生成建模问题，提出了一个同时衡量预测准确性和分布真实性的基准，并引入Wasserstein BaryBooster算法，将扩散模型的真实感转化为预测精度。
This paper introduces a screen-and-confirm protocol to certify whether conditioning signals improve temporal point process models of customer return timing, finding that continuous-time decay is nearly sufficient and added conditioning is redundant or harmful.
本文介绍了SigTPP，这是首个基于签名的时间点过程生成模型，该模型采用路径框架和到达间隔嵌入来克服基于似然方法的局限性，并在合成和真实世界数据集上展示了强大的实证性能。
本文介绍了单调交替样条（MAS），一种用于建模时间点过程中累积条件强度函数的新型框架。MAS克服了现有单调神经网络的结构性限制，在合成和真实数据集上实现了更高的准确性和效率。
提出一种半自回归框架，结合潜在块扩散和时间点过程用于生成异步事件序列，减少误差累积同时支持可变长度输出。