Non-Negative Matrix Factorization for Event Data

Resumen Técnico: Factorización de Matrices No Negativas para Datos de Eventos (EventNMF)

Planteamiento del Problema
Los datos de eventos en tiempo continuo, donde las entidades emiten eventos instantáneos a lo largo del tiempo (por ejemplo, espigas neuronales, eventos sísmicos, interacciones sociales), son ubicuos en diversos dominios. Si bien la Factorización de Matrices No Negativas (NMF) es una herramienta estándar para descubrir estructuras interpretables en tales datos, las aplicaciones existentes suelen requerir el preprocesamiento de los tiempos de los eventos mediante la creación de contenedores (binning) o suavizado para generar señales temporales. Esta discretización introduce desventajas significativas: corre el riesgo de borrar las heterogeneidades a nivel de entidad y las características temporales finas, altera las propiedades estadísticas del proceso de puntos subyacente e introduce un compromiso difícil de controlar entre sesgo y varianza respecto a la selección del ancho del contenedor o del ancho de banda del núcleo (kernel).

Metodología: EventNMF
El artículo presenta EventNMF, un modelo de factorización no negativa en tiempo continuo que opera directamente sobre los tiempos de los eventos sin necesidad de crear contenedores. La metodología central se basa en los siguientes componentes:

• Modelo Generativo: Cada entidad $i$ se modela como un proceso de Poisson inhomogéneo con una función de intensidad $\lambda_i(t)$. Se asume que la intensidad admite una factorización de bajo rango:
  $$\lambda_i(t) = \sum_{r=1}^R u_{ir} f_r(t)$$
  donde $u_{ir} \geq 0$ son cargas no negativas específicas de la entidad, y $f_r(t) \geq 0$ son factores temporales latentes compartidos.
• Base Paramétrica: Para que el modelo sea paramétrico, cada factor latente $f_r(t)$ se expande sobre una base de B-splines no negativa fija $\{\phi_b\}_{b=1}^B$:
  $$f_r(t) = \sum_{b=1}^B \gamma_{rb} \phi_b(t)$$
  donde $\gamma_{rb} \geq 0$. Esto permite al modelo aproximar una amplia gama de formas de intensidad manteniendo la no negatividad.
• Función Objetivo: Los parámetros (la matriz de carga $U$ y la matriz de coeficientes $\Gamma$) se estiman minimizando la log-verosimilitud negativa de las medidas de conteo observadas bajo el supuesto del proceso de Poisson. La función de pérdida para la entidad $i$ es:
  $$l_i(U, \Gamma) = u_i^\top \Gamma I(\Phi) - \sum_{\tau \in E_i} \log(u_i^\top \Gamma \Phi(\tau))$$
  donde $I(\Phi)$ es el vector de integrales de las funciones base y $E_i$ es el conjunto de tiempos de eventos para la entidad $i$.
• Optimización: Los autores derivan actualizaciones multiplicativas eficientes para $U$ y $\Gamma$ que garantizan la no negatividad durante todo el proceso de optimización. La complejidad computacional por iteración es $O(RBE)$, lineal en el número de eventos, lo que hace que el método sea escalable.
• Conexión Teórica: El artículo demuestra que cuando el grado de la B-spline es cero, EventNMF se reduce exactamente a la NMF de Poisson estándar aplicada a conteos en contenedores. Por lo tanto, EventNMF generaliza los enfoques de contenedores existentes al dominio continuo.

Contribuciones Clave

1. Modelado Directo en Tiempo Continuo: EventNMF elimina la necesidad de crear contenedores o realizar suavizados, operando directamente sobre los tiempos de los eventos brutos para preservar las características temporales finas y las propiedades estadísticas.
2. Marco Unificado: Conecta la reducción de dimensionalidad (NMF) con la estimación de la intensidad de procesos de puntos dentro de un único marco utilizando verosimilitudes de Poisson.
3. Algoritmo Eficiente: La derivación de actualizaciones multiplicativas proporciona un procedimiento de estimación simple, matemáticamente fundamentado y computacionalmente eficiente.
4. Validación Empírica: El método se valida con datos sintéticos y tres aplicaciones del mundo real:
   • Sismología: Análisis de datos sísmicos de California-Nevada (2014–2024), separando con éxito patrones sísmicos distintos (por ejemplo, el sismo principal de Ridgecrest de 2019 frente a la actividad persistente de Geysers) en factores temporales y espaciales interpretables.
   • Neurociencia: Análisis de un solo ensayo del conjunto de datos Allen Visual Coding Neuropixels, recuperando motivos de respuesta distintivos a nivel de población (transitorios de inicio, ritmos sostenidos, supresión) y mapeándolos a áreas cerebrales específicas.
   • Redes Sociales: Análisis de contactos cara a cara en una escuela primaria, recuperación no supervisada de patrones de interacción específicos de la clase, y diferenciación entre interacciones de tiempo de lección (constantes) e interacciones de periodos libres (con picos).

Resultados y Rendimiento

• Experimentos Sintéticos: En datos sintéticos con factores latentes conocidos, EventNMF supera a las líneas base de NMF con contenedores (NARFD) y a los métodos de PCA funcional (PPCA). El estudio destaca un compromiso entre sesgo y varianza: los grados de spline más altos capturan mejor los procesos latentes suaves que los enfoques de grado 0 (con contenedores), mientras que un exceso de funciones base puede conducir al sobreajuste. Se encontró que la configuración óptima se sitúa en el grado de spline $p=3$.
• Robustez de la Dispersión: El método demuestra robustez en regímenes dispersos; tener más entidades mejora significativamente la recuperación cuando los eventos por entidad son bajos (<1), mientras que el rendimiento se estabiliza en regímenes densos.
• Comparación: A diferencia de PPCA, que produce componentes con signo y tiene dificultades con las cumulativas monótonas, EventNMF proporciona cargas no negativas y plantillas de tasa que se alinean con la naturaleza física de las tasas de eventos. A diferencia de NARFD, EventNMF evita la sensibilidad a los parámetros del ancho del contenedor.

Significancia y Reivindicaciones
El artículo afirma que EventNMF proporciona una alternativa "matemáticamente fundamentada, fácil de implementar y computacionalmente eficiente" a los métodos actuales de vanguardia para datos de eventos. Su principal significancia radica en eliminar el cuello de botella del preprocesamiento mediante la creación de contenedores, permitiendo así el descubrimiento de patrones temporales interpretables que de otro modo podrían suavizarse o perderse. Los autores posicionan este trabajo como un puente entre el análisis de datos funcionales y el modelado de procesos de puntos.

Los autores mantienen la modestia respecto a las direcciones futuras, señalando que, si bien el método actual maneja procesos de Poisson de manera efectiva, la extensión del marco a procesos autoexcitados (como los procesos de Hawkes multivariados acoplados) sigue siendo un desafío teórico y empírico abierto. También sugieren que la escalabilidad a conjuntos de datos con miles de millones de eventos podría mejorarse aún más mediante el submuestreo aleatorio.