要約
指定された時間枠内で複数の将来イベントを予測することは、金融、小売、ソーシャルネットワーク、医療などの分野において極めて重要である。マークド時系列ポイント過程（MTPP）は、イベントの発生時刻とラベルを同時にモデル化するための原理的かつ整合性のある枠組みを提供する。しかし、現存する大多数の研究は次の1つのイベントの予測に限定されており、長期予測（long-horizon forecasting）は依然として十分に探求されていない。このギャップを埋めるために、我々は長期予測の厳密な評価を目的として初めて設計されたベンチマーク「HoTPP」を提案する。広く用いられている評価指標に内在する欠陥を指摘し、理論的根拠を持つT-mAP指標を提案するとともに、強力な統計的ベースラインを提示し、代表的なモデルの効率的な実装を提供する。実証的評価の結果から、現代的なMTPPアプローチはしばしば単純な統計的ベースラインに劣ることが明らかになった。さらに、予測されるイベント系列の多様性を分析した結果、多数の手法がモード崩壊（mode collapse）を示していることが判明した。最後に、自己回帰構造および強度に基づく損失関数が予測精度に与える影響を検討し、今後の研究における有望な方向性を提示する。HoTPPのソースコード、ハイパーパラメータ、および包括的な評価結果はGitHubで公開されている。