The Ancestor Hawkes Process with an Application to Group Chat Data

Technische Zusammenfassung: Der Ancestor-Hawkes-Prozess mit einer Anwendung auf Gruppendaten

Problemstellung
Der klassische multivariate Hawkes-Prozess ist ein weit verbreitetes Modell für Punktprozessdaten, die durch Clusterbildung und Ausbrüche gekennzeichnet sind, mit Anwendungen von der Seismologie bis zur Finanzwelt. In der klassischen Formulierung wird die bedingte Intensität von Ereignissen in einer spezifischen Dimension durch eine Hintergrundrate und den kumulativen Einfluss aller vergangenen Ereignisse gesteuert. Eine kritische Einschränkung dieses Standardmodells besteht in seiner Annahme, dass jedes Ereignis basierend ausschließlich auf der Dimension, in der es auftrat, einen gleichen Einfluss auf die Prozessintensität ausübt, unabhängig von der „Verzweigungs"-Geschichte des Ereignisses.

In vielen realen Szenarien, wie etwa beim Gruppennachrichtenversand, ist der Kontext eines Ereignisses von erheblicher Bedeutung. Insbesondere kann ein Ereignis, das eine neue Konversation initiiert (ein „Immigrant"-Ereignis), einen anderen Einfluss auf zukünftige Interaktionen haben als ein Ereignis, das eine Antwort innerhalb eines bestehenden Threads darstellt (ein „ausgelöstes" Ereignis). Der klassische Hawkes-Prozess kann nicht zwischen diesen beiden Ereignistypen unterscheiden und behandelt alle Nachrichten eines bestimmten Absenders als gleich starke Einflussgrößen. Dies führt zu einer strukturellen Unfähigkeit, nuancierte Dynamiken zu erfassen, wie etwa den Unterschied in der Antwortbereitschaft auf ein neues Thema gegenüber einer Antwort auf eine laufende Diskussion.

Methodik
Um diese Einschränkung zu adressieren, schlagen die Autoren den Ancestor-Hawkes-Prozess vor, eine neuartige Erweiterung des multivariaten Hawkes-Modells, die die latente Verzweigungsstruktur von Ereignissen direkt in die Parameterarchitektur integriert.

• Modelldefinition: Das Modell führt zwei unterschiedliche Matrizen für die Einflussstärke ein, $K$ und $L$.

  • Die Matrix $K$ regelt den Einfluss von Immigrant-Ereignissen (exogen generierte Ereignisse, $B_i=0$) auf andere Dimensionen.
  • Die Matrix $L$ regelt den Einfluss von ausgelösten Ereignissen (Ereignisse, die durch vorherige Ereignisse generiert wurden, $B_i > 0$) auf andere Dimensionen.
  • Die bedingte Intensität für Dimension $m$ zum Zeitpunkt $t$ ist definiert als:
    $$\lambda_m(t) = \mu_m(t) + \sum_{i: t_i < t, B_i=0} K_{d_i \to m} g_{d_i \to m}(t - t_i) + \sum_{i: t_i < t, B_i > 0} L_{d_i \to m} h_{d_i \to m}(t - t_i)$$
  • Hier repräsentieren $g$ und $h$ die Einflusskerne für Immigrant- bzw. ausgelöste Ereignisse. Das Modell geht davon aus, dass Immigrant- und ausgelöste Ereignisse unterschiedliche Kernformen und -stärken aufweisen können.

• Stabilität: Die Autoren zeigen, dass der Prozess stabil (subkritisch) ist, wenn der Spektralradius der Matrix für den Einfluss von ausgelösten auf ausgelöste Ereignisse, $L$, kleiner als 1 ist ($\rho(L) < 1$). Dies unterscheidet sich vom klassischen Hawkes-Prozess, bei dem die Stabilität vom Spektralradius der einzelnen Einflussmatrix abhängt.

• Schätzung: Da die Verzweigungsvariablen ($B_i$, die angeben, ob ein Ereignis ein Immigrant oder ausgelöst ist) in realen Daten nicht beobachtet werden, entwickeln die Autoren einen Bayesschen Gibbs-Sampler für die Posterior-Inferenz.

  • Der Sampler aktualisiert die Modellparameter ($\mu, K, L, \theta_g, \theta_h$) und die latenten Verzweigungsvariablen $B$ gemeinsam.
  • Eine zentrale technische Herausforderung, die adressiert wird, besteht darin, dass im Gegensatz zum klassischen Hawkes-Sampler, bei dem Verzweigungsvariablen unabhängig aktualisiert werden können, die Ancestor-Hawkes-Variablen wechselseitig voneinander abhängen, da die Zuweisung eines Ereignisses als Immigrant oder ausgelöst die Wahrscheinlichkeit zukünftiger Ereignisse verändert. Die Autoren lösen dies, indem sie die Verzweigungsvariablen in einem Rückwärtssweep (von $N$ bis 1) aktualisieren, unter Bedingung des aktuellen Zustands aller anderen Variablen.

Hauptbeiträge und Ergebnisse

1. Theoretische Erweiterung: Die Arbeit formalisiert den Ancestor-Hawkes-Prozess und unterscheidet zwischen exogenen Starts und antreibungsbedingtem Einfluss. Sie liefert Stabilitätsbedingungen und ein rigoroses Rahmenwerk für die Bayessche Inferenz.
2. Simulationsstudien:
   • Konstante Hintergrundraten: In Simulationen mit bekanntem Grundwahrheitswert erwies sich das klassische Hawkes-Modell als verzerrt in seinen Schätzungen, indem es effektiv die unterschiedlichen Einflussstärken von Immigrant- und ausgelösten Ereignissen mittelte (Verschmierung von $K$ und $L$). Im Gegensatz dazu gelang es dem Ancestor-Hawkes-Modell, die wahren separaten Matrizen $K$ und $L$ erfolgreich wiederherzustellen, selbst wenn die Einflusskerne identisch waren.
   • Zeitvariierende Hintergrundraten: Eine zweite Simulation, die die reale Anwendung nachahmte (9 Dimensionen, saisonale Hintergrundraten), bestätigte, dass das Inferenzverfahren die erzeugenden Einflussmatrizen mit hoher Korrelation (0,989 für $K$ und 0,995 für $L$) genau wiederherstellen kann.
3. Anwendung auf reale Daten (Gruppendaten):
   • Das Modell wurde auf einen Datensatz von 10.705 Nachrichten aus einem 9-Personen-Gruppentchat über 3,5 Jahre angewendet. Es wurden nur die Absenderidentität und die Zeitstempel verwendet; der Nachrichteninhalt wurde nicht analysiert, um die Privatsphäre zu wahren.
   • Ergebnisse: Der Ancestor-Hawkes-Modell deckte unterschiedliche Antwortpräferenzen auf. Beispielsweise löste eine Immigrant-Nachricht (die ein Thema initiiert) von einem bestimmten Benutzer signifikant mehr Antworten aus der Gruppe aus als eine ausgelöste Nachricht (eine Antwort) desselben Benutzers.
   • Vergleich: Das klassische Hawkes-Modell konnte diese Unterscheidung nicht erfassen; seine Posterior-Schätzwerte lagen zwischen den $K$- und $L$-Verteilungen des Ancestor-Modells.
   • Vorhersageleistung: Posterior-prädiktive Überprüfungen unter Verwendung von Zusammenfassungsstatistiken (mittlere obere-Tail-Zeit zwischen Ereignissen, Lag-1-Autokorrelation und Ripley's K-Statistik) zeigten, dass das Ancestor-Hawkes-Modell eine signifikant bessere Anpassung an die beobachtete Clusterstruktur lieferte als das klassische Modell.

Bedeutung und Behauptungen
Die Autoren behaupten, dass der Ancestor-Hawkes-Prozess eine notwendige Verfeinerung für die Modellierung multivariater Ereignisströme bietet, bei denen der „Ursprung" eines Ereignisses (exogen vs. endogen) seinen Einfluss auf zukünftige Aktivitäten fundamental verändert.

• Privatsphäre-bewusste Analyse: Ein signifikanter praktischer Beitrag ist die Fähigkeit, latente Interaktionsstrukturen und individuelle Antwortpräferenzen allein unter Verwendung von Metadaten (Absender und Zeit) abzuleiten, ohne auf sensible Nachrichteninhalte zugreifen zu müssen. Dies macht den Ansatz für privatsphäre-bewusste Anwendungen in der Social-Media-Analytik geeignet.
• Erfassung latenter Dynamiken: Die Arbeit argumentiert, dass die Unterscheidung zwischen „spontanen Starts" und „Antworten" ein genuines Merkmal konversationeller Dynamiken ist, das Standardmodelle übersehen. Durch die Trennung dieser Mechanismen liefert das Modell eine genauere Darstellung von Gruppeninteraktionsstrukturen, wie etwa die Identifizierung, wer Konversationen initiiert versus wer hauptsächlich antwortet.
• Allgemeine Anwendbarkeit: Obwohl an Gruppendaten demonstriert, verweisen die Autoren auf die Relevanz des Modells für andere multivariate Ströme, wie etwa Warteschlangen in Kontaktzentren, Organisations-E-Mails ohne Antwort-Metadaten und Weiterleitungs-Kaskaden, bei denen die Trennung exogener Last von antwortgetriebener Kopplung von Wert ist.

Die Arbeit schließt bescheiden, indem sie anerkennt, dass das Modell diese Nuancen zwar effektiv erfasst, zukünftige Arbeiten jedoch zusätzliche Kovariablen (wie explizite Antwort-Metadaten oder Nachrichtentypen) einbeziehen und schnellere Schätzverfahren für multivariate Settings größeren Maßstabs entwickeln könnten.