The Ancestor Hawkes Process with an Application to Group Chat Data

Technische Samenvatting: Het Voorouder-Hawkes-proces met een Toepassing op Groepschatgegevens

Probleemstelling
Het standaard multivariate Hawkes-proces is een veelgebruikt model voor puntprocesgegevens die gekenmerkt worden door clustering en uitbarstingen, met toepassingen variërend van seismologie tot financiën. In de klassieke formulering wordt de conditionele intensiteit van gebeurtenissen in een specifieke dimensie gedreven door een achtergrondrate en de cumulatieve invloed van alle vorige gebeurtenissen. Een kritieke beperking van dit standaardmodel is de aanname dat elke gebeurtenis een gelijke invloed uitoefent op de procesintensiteit, uitsluitend gebaseerd op de dimensie waarin deze plaatsvond, ongeacht de "vertakkingsgeschiedenis" van de gebeurtenis.

In veel realistische scenario's, zoals groepschatberichten, is de context van een gebeurtenis aanzienlijk van belang. Specifiek kan een gebeurtenis die een nieuw gesprek start (een "immigranten"-gebeurtenis) een ander effect hebben op toekomstige interacties dan een gebeurtenis die een antwoord is binnen een bestaande thread (een "geactiveerde" gebeurtenis). Het klassieke Hawkes-proces kan geen onderscheid maken tussen deze twee typen gebeurtenissen en behandelt alle berichten van een specifieke afzender als zijnde met identieke invloedssterktes. Dit leidt tot een structureel onvermogen om genuanceerde dynamieken vast te leggen, zoals het verschil in responsbereidheid voor een nieuw onderwerp versus een antwoord op een lopende discussie.

Methodologie
Om deze beperking aan te pakken, stellen de auteurs het Voorouder-Hawkes-proces voor, een nieuwe uitbreiding van het multivariate Hawkes-model dat de latente vertakkingsstructuur van gebeurtenissen direct integreert in de parameterarchitectuur.

• Modeldefinitie: Het model introduceert twee distincte matrices voor invloedssterkte, $K$ en $L$.

  • Matrix $K$ regelt de invloed van immigranten-gebeurtenissen (exogeen gegenereerde gebeurtenissen, $B_i=0$) op andere dimensies.
  • Matrix $L$ regelt de invloed van geactiveerde gebeurtenissen (gebeurtenissen gegenereerd door vorige gebeurtenissen, $B_i > 0$) op andere dimensies.
  • De conditionele intensiteit voor dimensie $m$ op tijdstip $t$ wordt gedefinieerd 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 vertegenwoordigen $g$ en $h$ respectievelijk de invloedskernen voor immigranten- en geactiveerde gebeurtenissen. Het model gaat ervan uit dat immigranten- en geactiveerde gebeurtenissen verschillende kernvormen en -groottes kunnen volgen.

• Stabiliteit: De auteurs stellen vast dat het proces stabiel (subkritisch) is als de spectrale straal van de matrix voor invloeden van geactiveerde naar geactiveerde gebeurtenissen, $L$, kleiner is dan 1 ($\rho(L) < 1$). Dit verschilt van het standaard Hawkes-proces, waarbij de stabiliteit afhangt van de spectrale straal van de enkele invloedsmatrix.

• Schatting: Aangezien de vertakkingsvariabelen ($B_i$, die aangeven of een gebeurtenis een immigrant of een geactiveerde gebeurtenis is) in realiteit niet worden waargenomen, ontwikkelen de auteurs een Bayesiaanse Gibbs-sampler voor inferentie achteraf.

  • De sampler updatet gezamenlijk de modelparameters ($\mu, K, L, \theta_g, \theta_h$) en de latente vertakkingsvariabelen $B$.
  • Een belangrijke technische uitdaging die wordt aangepakt, is dat, in tegenstelling tot bij de klassieke Hawkes-sampler waar vertakkingsvariabelen onafhankelijk kunnen worden bijgewerkt, de Voorouder-Hawkes-variabelen onderling afhankelijk zijn omdat het toewijzen van een gebeurtenis als immigrant of geactiveerd de waarschijnlijkheid van toekomstige gebeurtenissen verandert. De auteurs lossen dit op door vertakkingsvariabelen bij te werken in een sweep in omgekeerde tijd (van $N$ tot 1), conditioneel op de huidige staat van alle andere variabelen.

Belangrijkste Bijdragen en Resultaten

1. Theoretische Uitbreiding: Het artikel formaliseert het Voorouder-Hawkes-proces, met onderscheid tussen exogene starts en door antwoorden gedreven invloed. Het biedt stabiliteitsvoorwaarden en een rigoureus Bayesiaans raamwerk voor inferentie.
2. Simulatiestudies:
   • Constante Achtergrondrates: In simulaties met bekende grondwaarheid bleek het klassieke Hawkes-model vertekende schattingen te produceren, waarbij het effectief de distincte invloedssterktes van immigranten- en geactiveerde gebeurtenissen middelde (verwarring van $K$ en $L$). Daarentegen slaagde het Voorouder-Hawkes-model erin de ware, gescheiden matrices $K$ en $L$ te herstellen, zelfs wanneer de invloedskernen identiek waren.
   • Tijdsvariërende Achtergrondrates: Een tweede simulatie die de realistische toepassing nabootste (9 dimensies, seizoensgebonden achtergrondrates) bevestigde dat de inferentieprocedure de genererende invloedsmatrices nauwkeurig kan herstellen met een hoge correlatie (0,989 voor $K$ en 0,995 voor $L$).
3. Realistische Toepassing (Groepschatgegevens):
   • Het model werd toegepast op een dataset van 10.705 berichten uit een groepschat van 9 personen over een periode van 3,5 jaar. Alleen de identiteit van de afzender en tijdstempels werden gebruikt; de inhoud van de berichten werd niet geanalyseerd, wat de privacy waarborgt.
   • Vondsten: Het Voorouder-Hawkes-model onthulde distincte responsvoorkeuren. Bijvoorbeeld, een immigranten-bericht (dat een onderwerp start) van een specifieke gebruiker leidde tot aanzienlijk meer reacties van de groep dan een geactiveerd bericht (een antwoord) van dezelfde gebruiker.
   • Vergelijking: Het klassieke Hawkes-model slaagde er niet in dit onderscheid vast te leggen, waarbij de posterior-schattingen lagen tussen de $K$- en $L$-verdelingen van het Voorouder-model.
   • Voorspellende Prestaties: Posterior predictieve checks met behulp van samenvattende statistieken (gemiddelde inter-eventtijd in de bovenste staart, lag-1 autocorrelatie en Ripley's K-statistiek) toonden aan dat het Voorouder-Hawkes-proces een significant betere fit bood aan de waargenomen clusterstructuur dan het klassieke model.

Betekenis en Claims
De auteurs claimen dat het Voorouder-Hawkes-proces een noodzakelijke verfijning biedt voor het modelleren van multivariate gebeurtenisstroom waarbij de "oorsprong" van een gebeurtenis (exogeen versus endogeen) fundamenteel zijn impact op toekomstige activiteit verandert.

• Privacybewuste Analyse: Een aanzienlijke praktische bijdrage is het vermogen om latente interactiestructuren en individuele responsvoorkeuren af te leiden met uitsluitend metadata (afzender en tijd), zonder toegang tot gevoelige berichtinhoud. Dit maakt de aanpak geschikt voor privacybewuste toepassingen in socialemediabronanalyse.
• Vastleggen van Latente Dynamiek: Het artikel betoogt dat het onderscheid tussen "spontane starts" en "antwoorden" een echte eigenschap is van conversatiedynamiek die standaardmodellen missen. Door deze mechanismen te scheiden, biedt het model een nauwkeurigere representatie van groepsinteractiestructuren, zoals het identificeren van wie gesprekken start versus wie voornamelijk reageert.
• Algemene Toepasbaarheid: Hoewel gedemonstreerd op groepschatgegevens, merken de auteurs de relevantie van het model op voor andere multivariate stromen, zoals wachtrijen in contactcenters, organisatorische e-mails zonder antwoordmetadata, en herdelingscascades, waarbij het scheiden van exogene last van door antwoorden gedreven koppeling waardevol is.

Het artikel concludeert bescheiden, met erkenning dat hoewel het model deze nuances effectief vastlegt, toekomstig werk extra covariaten (zoals expliciete antwoordmetadata of berichttypen) kan incorporeren en snellere schattingsprocedures kan ontwikkelen voor grootschalige multivariate settings.