一种融合连续时间演化与离散事件标记的神经点过程方法

本发明公开了一种融合连续时间演化与离散事件标记的神经点过程方法，属于机器学习与时序分析技术领域。具体来讲，本发明采用并行双通道耦合架构，在离散通道中利用自注意力机制对历史事件标记序列进行建模，在连续通道中基于神经常微分方程刻画事件间的潜在状态演化轨迹，并通过交叉注意力模块实现两通道间的双向显式交互，从而在统一表示中同时保留事件标记语义与时间动态特征。该融合表示用于驱动神经霍克斯过程的条件强度函数，并结合迭代细化采样器生成未来事件的时间与标记。本发明显著提升了联合预测未来事件发生时间和类型的准确性，实现了时间动态与事件标记信息的协同优化建模。