💻 computer science

Non-Negative Matrix Factorization for Event Data

Cet article introduit EventNMF, un modèle de factorisation de matrices non négatives en temps continu, mathématiquement fondé et efficacement calculable, qui analyse directement les temps d'événace bruts via des processus de Poisson et des B-splines afin de révéler des structures temporelles interprétables sans la perte d'information associée au prétraitement traditionnel par discrétisation ou lissage.

Auteurs originaux : Raphaël Romero

Publié 2026-06-05

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Raphaël Romero

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayez de comprendre le rythme d'une ville en pleine effervescence. Vous disposez d'une liste de millions de minuscules « pings » provenant de différentes personnes : un bus arrivant à 8h03, une boutique de café ouvrant à 8h15, une sirène à 8h42, et ainsi de suite. Ce sont des données d'événements — des moments discrets dans le temps plutôt qu'une ligne lisse et continue.

Pendant longtemps, les scientifiques qui tentaient de trouver des motifs dans ces données devaient jouer au jeu de « relier les points » en dessinant des boîtes autour du temps (comme 8h00–8h15, 8h15–8h30) et en comptant combien de pings tombaient dans chaque boîte. Cela s'appelle le tronçonnage (ou binning).

L'auteur, Raphaël Romero, soutient que cette méthode de « mise en boîte » revient à essayer de comprendre une symphonie en comptant seulement combien de notes ont été jouées dans chaque segment de 10 secondes. On perd la mélodie, le minutage spécifique et le rythme unique de chaque instrument.

Le Problème : Le piège de la « mise en boîte »

En forçant le temps continu dans des boîtes (des intervalles), vous risquez deux choses :

Lisser les détails : Vous pourriez manquer un pic d'activité rapide et important parce qu'il a été moyenné avec le temps calme environnant.
Créer du bruit artificiel : Si vos boîtes sont trop petites, vous obtenez des boîtes vides (du bruit). Si elles sont trop grandes, vous mélangez les motifs distincts. C'est un jeu de devinettes frustrant pour trouver la « bonne » taille de boîte.

La Solution : EventNMF (L'approche par « flux direct »)

Le papier présente un nouvel outil appelé EventNMF. Au lieu de forcer les données dans des boîtes, EventNMF regarde les horodatages bruts et exacts de chaque événement.

Voyez cela de cette façon :

L'ancienne méthode (Tronçonnage) : Vous prenez un seau d'eau (les événements) et vous essayez de la mesurer en la versant dans des tasses de taille fixe. Vous perdez la forme du flux d'eau.
EventNMF : Vous regardez l'eau couler directement du robinet. Vous pouvez voir exactement quand le courant est fort, quand il s'affaiblit et quand il s'arrête, sans jamais avoir besoin d'une tasse.

Comment cela fonctionne : L'analogie de la « recette »

L'idée centrale est que chaque entité (une personne, un neurone, un pâté de maisons) possède sa propre « recette » pour le moment où ses événements se produisent. Mais ces recettes ne sont pas aléatoires ; elles sont composées en mélangeant quelques ingrédients maîtres (facteurs latents).

Les Ingrédients Maîtres (Facteurs Temporels) : Imaginez qu'il existe quelques « saveurs » de base du temps.
- Saveur A : Une rafale brusque au début (comme un coup de pistolet de départ).
- Saveur B : Un bourdonnement constant au milieu (comme une conversation de fond).
- Saveur C : Une lente atténuation à la fin (comme un coucher de soleil).
Le Mélange (Chargements) : Chaque entité mélange ces saveurs en différentes proportions.
- L'Entité 1 pourrait être composée de 90 % de Saveur A et 10 % de Saveur B.
- L'Entité 2 pourrait être composée de 50 % de Saveur B et 50 % de Saveur C.

Le travail d'EventNMF est de déterminer :

Quelles sont les formes des Ingrédients Maîtres ?
Quelle quantité de chaque ingrédient chaque entité a utilisée ?

Pour ce faire, il utilise une « recette » mathématique appelée processus de Poisson, qui est la méthode standard pour modéliser des événements aléatoires se produisant dans le temps. Il utilise des courbes flexibles (appelées B-splines) pour dessiner les formes de ces ingrédients de manière fluide, sans avoir besoin de découper le temps en boîtes.

Ce que le papier a révélé (Les Résultats)

L'auteur a testé cette méthode de trois manières différentes :

Données fictives (Synthétiques) : Ils ont créé un monde fictif avec des motifs connus. EventNMF a trouvé les motifs parfaitement, tandis que les anciennes méthodes de « tronçonnage » peinaient, à moins que les boîtes ne soient dimensionnées exactement correctement. EventNCF fonctionnait bien même lorsque les données étaient très éparses (peu d'événements).
Tremblements de terre : Ils ont analysé des données de séismes en Californie et au Nevada. L'outil a trouvé deux « saveurs » distinctes de secousses :
- L'une était un pic massif et brusque en juillet 2019 (le séisme de Ridgecrest) suivi d'une atténuation rapide (répliques).
- L'autre était un grondement lent et constant de faible intensité près de la zone de « The Geysers », qui se produisait constamment sur dix ans.
- Il a réussi à séparer ces deux comportements très différents sans les mélanger.
Neurones cérébraux : Ils ont observé l'activité cérébrale d'une souris pendant qu'elle regardait un stimulus visuel. L'outil a trouvé quatre « rythmes » distincts de décharge neuronale : un démarrage brusque, un battement régulier, une réaction retardée et une suppression (calme). Il pouvait distinguer quelle partie du cerveau réalisait quel rythme.
Contacts scolaires : Ils ont analysé les moments où des élèves d'une école primaire entraient en contact les uns avec les autres. L'outil a automatiquement identifié les horaires de cours. Il a trouvé des motifs de « temps de leçon » (interactions constantes au sein d'une classe) et des motifs de « temps libre » (pics soudains lorsque les enfants de différentes classes se mélangent à l'heure du déjeuner). Il a même remarqué que les enseignants se déplaçaient entre les classes, de sorte qu'ils ne correspondaient pas à un seul motif de « classe ».

Pourquoi cela importe

Le papier affirme qu'EventNMF est :

Mathématiquement rigoureux : Il ne dépend pas de boîtes arbitraires.
Rapide : Il peut traiter des milliers d'entités et des millions d'événements en quelques secondes sur un ordinateur normal.
Flexible : Il fonctionne pour les tremblements de terre, les ondes cérébrales et les interactions sociales.

En résumé, EventNMF nous permet d'écouter directement la « musique » du temps, plutôt que d'essayer de compter les notes à l'intérieur d'une boîte.

Résumé Technique : Factorisation de Matrice Non Négative pour les Données d'Événements (EventNMF)

Énoncé du Problème
Les données d'événements en temps continu, où des entités émettent des événements instantanés au fil du temps (par exemple, des pics neuronaux, des événements sismiques, des interactions sociales), sont omniprésentes dans de nombreux domaines. Bien que la Factorisation de Matrice Non Négative (NMF) soit un outil standard pour découvrir une structure interprétable dans ces données, les applications existantes nécessitent généralement un prétraitement des temps d'événements bruts via un découpage en intervalles (binning) ou un lissage pour générer des signaux temporels. Cette discrétisation introduit des inconvénients significatifs : elle risque d'effacer les hétérogénéités au niveau de l'entité et les caractéristiques temporelles fines, modifie les propriétés statistiques du processus de points sous-jacent, et introduit un compromis biais-variance difficile à contrôler concernant la sélection de la largeur des intervalles ou de la largeur de la fenêtre du noyau.

Méthodologie : EventNMF
Le document présente EventNMF, un modèle de factorisation non négative en temps continu qui opère directement sur les temps d'événements sans recours au découpage en intervalles. La méthodologie centrale repose sur les composants suivants :

Modèle Génératif : Chaque entité $i$ est modélisée comme un processus de Poisson inhomogène possédant une fonction d'intensité $\lambda_i(t)$ . L'intensité est supposée admettre une factorisation de rang faible :
$\lambda_i(t) = \sum_{r=1}^R u_{ir} f_r(t)$
où $u_{ir} \geq 0$ sont des chargements (loadings) non négatifs spécifiques à l'entité, et $f_r(t) \geq 0$ sont des facteurs temporels latents partagés.
Base Paramétrique : Pour rendre le modèle paramétrique, chaque facteur latent $f_r(t)$ est développé sur une base de B-splines non négatives fixe $\{\phi_b\}_{b=1}^B$ :
$f_r(t) = \sum_{b=1}^B \gamma_{rb} \phi_b(t)$
où $\gamma_{rb} \geq 0$ . Cela permet au modèle d'approcher une large gamme de formes d'intensité tout en maintenant la non-négativité.
Fonction d'Objectif : Les paramètres (matrice de chargement $U$ et matrice de coefficients $\Gamma$ ) sont estimés en minimisant la log-vraisemblance négative des mesures de comptage observées sous l'hypothèse du processus de Poisson. La fonction de perte pour l'entité $i$ est :
$l_i(U, \Gamma) = u_i^\top \Gamma I(\Phi) - \sum_{\tau \in E_i} \log(u_i^\top \Gamma \Phi(\tau))$
où $I(\Phi)$ est le vecteur des intégrales des fonctions de base et $E_i$ est l'ensemble des temps d'événements pour l'entité $i$ .
Optimisation : Les auteurs dérivent des mises à jour multiplicatives efficaces pour $U$ et $\Gamma$ qui garantissent la non-négativité tout au long du processus d'optimisation. La complexité computationnelle par itération est de $O(RBE)$, linéaire par rapport au nombre d'événements, ce qui rend la méthode évolutive.
Connexion Théorique : Le document démontre que lorsque le degré de la B-spline est de zéro, EventNMF se réduit exactement à la NMF de Poisson standard appliquée aux comptes par intervalles (binned counts). Ainsi, EventNMF généralise les approches par intervalles existantes au domaine continu.

Contributions Clés

Modélisation Directe en Temps Continu : EventNMF élimine la nécessité du découpage en intervalles ou du lissage, opérant directement sur les temps d'événements bruts pour préserver les caractéristiques temporelles fines et les propriétés statistiques.
Cadre Unifié : Il connecte la réduction de dimensionnalité (NMF) avec l'estimation de l'intensité des processus de points au sein d'un cadre unique utilisant des vraisemblances de Poisson.
Algorithme Efficace : La dérivation des mises à jour multiplicatives fournit une procédure d'estimation simple, mathématiquement fondée et efficace sur le plan computationnel.
Validation Empirique : La méthode est validée sur des données synthétiques et trois applications réelles :
- Sismologie : Analyse des données de séismes Californie-Nevada (2014–2024), séparant avec succès des motifs sismiques distincts (par exemple, la secousse principale de Ridgecrest en 2019 versus l'activité persistante de Geysers) en facteurs temporels et spatiaux interprétables.
- Neurosciences : Analyse de tir unique (single-trial) de l'ensemble de données Allen Visual Coding Neuropixels, récupérant des motifs de réponse distincts au niveau de la population (transitoires de début, rythmes soutenus, suppression) et les cartographiant vers des zones cérébrales spécifiques.
- Réseaux Sociaux : Analyse des contacts face à face dans une école primaire, récupération non supervisée de schémas d'interaction propres à chaque classe, et différenciation entre les interactions pendant les cours (stables) et les périodes de récréation (pics).

Résultats et Performances

Expériences Synthétiques : Sur des données synthétiques avec des facteurs latents connus, EventNMF surpasse les modèles de base de NMF par intervalles (NARFD) et les méthodes de PCA fonctionnelle (PPCA). L'étude souligne un compromis biais-variance : des degrés de splines plus élevés capturent mieux les processus latents lisses que les approches de degré 0 (par intervalles), tandis qu'un excès de fonctions de base peut conduire au surapprentissage (overfitting). La configuration optimale a été identifiée avec un degré de spline $p=3$ .
Robustesse à la Parcimonie : La méthode démontre une robustesse dans les régimes parcimonieux ; avoir plus d'entités améliore significativement la récupération lorsque le nombre d'événements par entité est faible (<1), tandis que les performances se stabilisent dans les régimes denses.
Comparaison : Contrairement à la PPCA, qui produit des composantes signées et peine avec les cumulatives monotones, EventNMF fournit des chargements non négatifs et des modèles de taux qui s'alignent sur la nature physique des taux d'événements. Contrairement à NARFD, EventNMF évite la sensibilité aux paramètres de largeur d'intervalle.

Signification et Revendications
Le papier affirme qu'EventNMF constitue une alternative « mathématiquement fondée, facile à implémenter et efficace sur le plan computationnel » aux méthodes actuelles de pointe pour les données d'événements. Sa principale importance réside dans la suppression du goulot d'étranglement du prétraitement par découpage, permettant ainsi la découverte de motifs temporels interprétables qui pourraient autrement être lissés ou perdus. Les auteurs positionnent ce travail comme un pont entre l'analyse de données fonctionnelles et la modélisation de processus de points.

Les auteurs restent modestes quant aux directions futures, notant que bien que la méthode actuelle traite efficacement les processus de Poisson, l'extension du cadre aux processus auto-excitateurs (tels que les processus de Hawkes multivariés couplés) demeure un défi théorique et empirique ouvert. Ils suggèrent également que la scalabilité vers des jeux de données comprenant des milliards d'événements pourrait être améliorée via le sous-échantillonnage aléatoire.