The Ancestor Hawkes Process with an Application to Group Chat Data

ملخص تقني: عملية هوكسك للأجداد (The Ancestor Hawkes Process) مع تطبيق على بيانات الدردشة الجماعية

بيان المشكلة
تُعد عملية هوكس متعددة المتغيرات القياسية نموذجاً مستخدماً على نطاق واسع لبيانات العمليات النقطية التي تتميز بالتكتل والاندفاعات، ولها تطبيقات تتراوح من علم الزلازل إلى التمويل. في الصيغة الكلاسيكية، يتم توجيه الكثافة الشرطية للأحداث في بُعد معين بواسطة معدل خلفية وتأثير تراكمي لجميع الأحداث الماضية. ويتمثل أحد القيود الحرجة لهذا النموذج القياسي في افتراضه أن كل حدث يمارس تأثيراً متساوياً على كثافة العملية بناءً فقط على البُعد الذي وقع فيه، بغض النظر عن تاريخ "التفرع" (branching) الخاص بالحدث.

في العديد من السيناريوهات الواقعية، مثل رسائل الدردشة الجماعية، يهم سياق الحدث بشكل كبير. وتحديداً، فإن الحدث الذي يبدأ محادثة جديدة (حدث "مهاجر" - immigrant) قد يكون له تأثير مختلف على التفاعلات المستقبلية مقارنة بحدث هو عبارة عن رد ضمن سلسلة قائمة بالفعل (حدث "مُحفَّز" - triggered). لا تستطيع عملية هوكس الكلاسيكية التمييز بين هذين النوعين من الأحداث، حيث تعامل جميع الرسائل من مرسل معين على أنها ذات مقادير تأثير متطابقة. يؤدي هذا إلى عدم قدرة بنيوية على التقاط الديناميكيات الدقيقة، مثل الفرق في نزعة الاستجابة لموضوع جديد مقابل الرد على نقاش مستمر.

المنهجية
لمعالجة هذا القصور، يقترح المؤلفون عملية هوكسك للأجداد (Ancestor Hawkes process)، وهي امتداد مبتكر لنموذج هوكس متعدد المتغيرات يدمج بنية التفرع الكامنة في عملية الأحداث مباشرة في بنية المعلمات.

• تعريف النموذج: يقدم النموذج مصفوفتي تأثير متمايزتين، $K$ و $L$.

  • المصفوفة $K$ تحكم تأثير الأحداث المهاجرة (الأحداث المتولدة خارجياً، $B_i=0$) على الأبعاد الأخرى.
  • المصفوفة $L$ تحكم تأثير الأحداث المُحفَّزة (الأحداث المتولدة عن أحداث سابقة، $B_i > 0$) على الأبعاد الأخرى.
  • تُعرف الكثافة الشرطية للبعد $m$ عند الزمن $t$ كما يلي:
    $$\lambda_m(t) = \mu_m(t) + \sum_{i: t_i < t, B_i=0} K_{d_i \to m} g_{d_i \to m}(t - t_i) + \sum_{i: t_i < t, B_i > 0} L_{d_i \to m} h_{d_i \to m}(t - t_i)$$
  • حيث تمثل $g$ و $h$ نواة التأثير للأحداث المهاجرة والمُحفَّزة، على التوالي. ويفترض النموذج أن الأحداث المهاجرة والمُحفَّزة قد تتبع أشكال نواة ومقادير مختلفة.

• الاستقرار: يثبت المؤلفون أن العملية مستقرة (تحت الحرجة) إذا كان نصف قطر الطيف لمصفوفة التأثير من "المُحفَّز إلى المُحفَّز" $L$ أقل من 1 ($\rho(L) < 1$). وهذا يختلف عن عملية هوكس القياسية، حيث يعتمد الاستقرار على نصف قطر مصفوفة التأثير الوحيدة.

• التقدير: بما أن متغيرات التفرع ($B_i$، التي تشير إلى ما إذا كان الحدث مهاجراً أم مُحفَّزاً) غير ملاحظة في البيانات الواقعية، فقد طور المؤلفون مُنتقل جيبس بايزي (Bayesian Gibbs sampler) للاستدلال اللاحق.

  • يقوم المُنتقل بتحديث معلمات النموذج ($\mu, K, L, \theta_g, \theta_h$) ومتغيرات التفرع الكامنة $B$ بشكل مشترك.
  • يتناول المُنتقل تحدياً تقنياً رئيسياً وهو أنه، على عكس مُنتقل هوكس الكلاسيكي حيث يمكن تحديث متغيرات التفرع بشكل مستقل، فإن متغيرات هوكسك للأجداد تعتمد على بعضها البعض لأن تعيين حدث كـ "مهاجر" أو "مُحفَّز" يغير من احتمالية وقوع الأحداث المستقبلية. وقد حل المؤلفون ذلك عن طريق تحديث متغيرات التفرع عبر مسح زمني عكسي (من $N$ نزولاً إلى 1)، مع اشتراط الحالة الراهنة لجميع المتغيرات الأخرى.

المساهمات الرئيسية والنتائج

1. التمديد النظري: يصيغ البحث عملية هوكسك للأجداد، ويميز بين البدايات الخارجية والتأثير المدفوع بالردود. كما يوفر شروط الاستقرار وإطار استدلال بايزي صارم.
2. الدراسات المحاكية:
   • معدلات الخلفية الثابتة: في عمليات المحاكاة مع حقيقة أرضية معروفة، أظهر نموذج هوكس الكلاسيكي انحيازاً في التقديرات، حيث قام فعلياً بمتوسط مقادير التأثير المتميزة للأحداث المهاجرة والمُحفَّزة (مما أدى إلى طمس $K$ و $L$). في المقابل، نجح نموذج هوكسك للأجداد في استعادة مصفوفتي $K$ و $L$ المنفصلتين الحقيقيتين، حتى عندما كانت نواة التأثير متطابقة.
   • معدلات الخلفية المتغيرة زمنياً: أكدت محاكاة ثانية تحاكي التطبيق الواقعي (9 أبعاد، معدلات خلفية موسمية) أن إجراء الاستدلال يمكنه استعادة مصفوفات التأثير المولدة بدقة عالية (0.989 لـ $K$ و 0.995 لـ $L$).
3. التطبيق الواقعي (بيانات الدردشة الجماعية):
   • طُبق النموذج على مجموعة بيانات تضم 10,705 رسالة من دردشة جماعية مكونة من 9 أشخاص على مدار 3.5 سنوات. استُخدمت فقط هوية المرسل والطوابع الزمنية، ولم يتم تحليل محتوى الرسائل، مما ضمن الخصوصية.
   • النتائج: كشف نموذج هوكسك للأجداد عن تفضيلات استجابة متميزة. على سبيل المثال، أثار رسالة مهاجرة (تبدأ موضوعاً) من مستخدم معين استجابات أكثر بكثير من المجموعة مقارنة برسالة مُحفَّزة (رد) من نفس المستخدم.
   • المقارنة: فشل نموذج هوكس الكلاسيكي في التقاط هذا التمييز، حيث وقعت تقديراته اللاحقة بين توزيعات $K$ و $L$ الخاصة بنموذج هوكسك للأجداد.
   • الأداء التنبؤي: أظهرت فحوصات التنبؤ اللاحق باستخدام الإحصاءات الملخصة (متوسط وقت الفاصل الزمني في الذيل العلوي، والارتباط الذاتي من الدرجة الأولى، وإحصائية ريبلي K) أن نموذج هوكسك للأجدாவ قدم ملاءمة أفضل بكثير لبنية التكتل الملحوظة مقارنة بالنموذج الكلاسيكي.

الأهمية والادعاءات
يزعم المؤلفون أن عملية هوكسك للأجداد تقدم صقلاً ضرورياً لنمذجة تدفقات الأحداث متعددة المتغيرات حيث يغير "أصل" الحدث (خارجي أم داخلي) بشكل جوهري تأثيره على النشاط المستقبلي.

• التحليل المراعي للخصوصية: تعد القدرة على استنتاج هياكل التفاعل الكامنة وتفضيلات الاستجابة الفردية باستخدام البيانات الوصفية فقط (المرسل والوقت)، دون الوصول إلى محتوى الرسائل الحساس، مساهمة عملية هامة. وهذا يجعل النهج مناسباً للتطبيقات التي تراعي الخصوصية في تحليلات وسائل التواصل الاجتماعي.
• التقاط الديناميكيات الكامنة: يجادل البحث بأن التمييز بين "البدايات العفوية" و"الردود" هو سمة حقيقية لديناميكيات المحادثة يغفلها النماذج القياسية. ومن خلال فصل هذه الآليات، يوفر النموذج تمثيلاً أكثر دقة لهياكل التفاعل الجماعي، مثل تحديد من يبدأ المحادثات مقابل من يستجيب بشكل أساسي.
• قابلية التطبيق العام: بينما تم استعراض النموذج على بيانات الدردشة الجماعية، يشير المؤلفون إلى صلة النموذج بتدفقات متعددة المتغيرات أخرى، مثل طوابير مراكز الاتصال، ورسائل البريد الإلكتروني التنظيمية بدون بيانات الرد، وتدفقات إعادة المشاركة (re-share cascades)، حيث يكون فصل الحمل الخارجي عن الاقتران المدفوع بالرد أمراً ذا قيمة.

يختتم البحث بتواضع، مشيراً إلى أنه بينما يلتقط هذا النموذج هذه الفروق الدقيقة بفعالية، فإن العمل المستقبلي يمكن أن يدمج متغيرات إضافية (مثل بيانات الرد الصريحة أو أنواع الرسائل) ويطور إجراءات تقدير أسرع للبيئات متعددة المتغيرات واسعة النطاق.