基于Gromov-Wasserstein正则化的结构增强时序点过程学习

本研究解决了现有时序点过程模型在事件序列建模与预测中忽视聚类结构的问题。采用Gromov-Wasserstein正则化的方法，增强了时序点过程的结构特征，从而提高了模型的可解释性，同时保持了预测准确性，显著提升了聚类和预测性能。