【摘要】：本文研究基于點(diǎn)過(guò)程的行為過(guò)程建模。在大數(shù)據(jù)時(shí)代下,累積了大量行為數(shù)據(jù),比如醫(yī)療就診記錄,電子商務(wù)購(gòu)買數(shù)據(jù),社交行為數(shù)據(jù)。對(duì)這些數(shù)據(jù)的挖掘和利用,具有重要價(jià)值,具體應(yīng)用包括商業(yè)并購(gòu)預(yù)測(cè),論文流行度建模,疾病的預(yù)警和演進(jìn),行為模擬。首先對(duì)于真實(shí)應(yīng)用,我們?cè)O(shè)計(jì)了參數(shù)化的點(diǎn)過(guò)程,并設(shè)計(jì)了新穎高效的求解算法。參數(shù)化點(diǎn)過(guò)程方法主要是模型驅(qū)動(dòng)的過(guò)程建模方法,通過(guò)反復(fù)驗(yàn)證建立過(guò)程的抽象及簡(jiǎn)化表示,其局限性在于:模型選擇需要較高的專家經(jīng)驗(yàn)和領(lǐng)域知識(shí),使得建模方法過(guò)于細(xì)分、通用性欠缺,不易適應(yīng)信息社會(huì)的開(kāi)放環(huán)境和不斷涌現(xiàn)的新現(xiàn)象,不利于工程應(yīng)用。人類生產(chǎn)生活中產(chǎn)生并積累的過(guò)程大數(shù)據(jù),使得數(shù)據(jù)驅(qū)動(dòng)的過(guò)程分析成為可能。將深度學(xué)習(xí)引入到過(guò)程分析,實(shí)現(xiàn)過(guò)程的端對(duì)端學(xué)習(xí),降低應(yīng)用門檻,提高使用效率,針對(duì)這個(gè)問(wèn)題,我們提出了深度點(diǎn)過(guò)程的概念,能從異質(zhì)數(shù)據(jù)中學(xué)習(xí)行為方式。我們分別針對(duì)時(shí)間敏感的事件預(yù)測(cè),提出了基于最大自然法的深度點(diǎn)過(guò)程建模方法,該模型具有通用性和可解釋性。另外對(duì)于基于系統(tǒng)觀測(cè)或部分觀測(cè)模擬未來(lái)行為的問(wèn)題,我們分別提出了基于對(duì)抗學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的學(xué)習(xí)框架,能夠有效解決誤差累積,模缺失等問(wèn)題。我們的模型在仿真數(shù)據(jù)和真實(shí)數(shù)據(jù)集均取得了較優(yōu)的效果。創(chuàng)新點(diǎn)R1刺提出了基于最大似然法的深度點(diǎn)過(guò)程模型,能夠有效地對(duì)異質(zhì)數(shù)據(jù)進(jìn)行行為建模,并具有模型可解釋性。我們首先設(shè)計(jì)了新穎的參數(shù)化點(diǎn)過(guò)程建模方法和求解算法,解決真實(shí)應(yīng)用問(wèn)題。參數(shù)化的模型無(wú)法適用于不同的數(shù)據(jù),針對(duì)特定的問(wèn)題要提出不同的模型。針對(duì)上面的限制,我們提出了深度點(diǎn)過(guò)程模型,具有很高的普適性和模型可解釋性,并在仿真和真實(shí)數(shù)據(jù)集上得到了很好的驗(yàn)證。創(chuàng)新點(diǎn)R2:針對(duì)基于系統(tǒng)觀測(cè)或部分觀測(cè)模擬系統(tǒng)未來(lái)行為的問(wèn)題,我們提出了基于對(duì)抗學(xué)習(xí)的深度點(diǎn)過(guò)程建模框架。本模型對(duì)真實(shí)行為和仿真的行為的概率分布進(jìn)行對(duì)比,最小化兩者的概率分布差異。在考慮行為概率分布時(shí),能夠考慮行為序列的整體相似度,而不是最大似然法中單步的相似度,從而能夠很好的解決誤差傳播。同時(shí),針對(duì)黑盒系統(tǒng),通常無(wú)法提前知道考察系統(tǒng)的行為模式,所以不能顯式的參數(shù)化建模。所以我們的模型基于深度點(diǎn)過(guò)程,能夠以數(shù)據(jù)驅(qū)動(dòng)的方式學(xué)習(xí)系統(tǒng)的行為模式。創(chuàng)新點(diǎn)刳:針對(duì)基于系統(tǒng)觀測(cè)或部分觀測(cè)模擬系統(tǒng)未來(lái)行為的問(wèn)題,我們從一個(gè)新的視角,提出了基于強(qiáng)化學(xué)習(xí)的深度點(diǎn)過(guò)程建�？蚣�。行為的每一步都有一個(gè)反饋,而最終要考慮是整體行為的累積反饋。這樣既能夠?qū)γ坎竭M(jìn)行評(píng)價(jià),又能從整體上評(píng)估行為序列。我們還推導(dǎo)出了高效的學(xué)習(xí)算法,使得模型的求解速度相對(duì)于對(duì)抗學(xué)習(xí)有了很大提升。
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP181
，

本文編號(hào)：2637755