如何预测几个序列的突发持续时间

Question

我从微博上收集了一系列时间序列数据。它包含了一年以上某些专题下的员额数目。我们可以发现，有时会有一些关于特定主题的讨论。有趣的是，有些人很快就死掉了，而另一些人却在日程上维持了相当长的时间，然后慢慢地死去。如何用时间序列数据对衰变进行预测和建模。此外，我还获得了一些外生数据的数据，包括链接、图片、转发和社区原始数据的时间序列数据。我能从这些变量中预测衰变的持续时间吗？

Answer 1

我想，一个很好的起点是约翰·克莱恩伯格( John )的开创性工作：https://www.cs.cornell.edu/home/kleinber/bhs.pdf是的，这篇论文已经过时了，但不管怎样，它仍然很有影响力，很简单。此外，挖掘文章，引用这篇论文，可能会很有帮助。顺便说一句，这些家伙解决的任务非常相似(他们甚至还使用微博日志)：http://www.csce.uark.edu/~xintaowu/publ/pakdd15.pdf！