본 논문은 실세계 이벤트 시퀀스의 클러스터링 구조를 고려하여 모델의 해석력을 향상시킨 구조 강화 TPP(Temporal Point Process)를 제안합니다. 기존 TPP 모델들은 이벤트 시퀀스의 클러스터링 구조를 무시하여 해석력이 떨어지는 문제점을 가지고 있습니다. 본 연구에서는 최대가능도 추정 프레임워크 내에서 Gromov-Wasserstein(GW) 정규화를 활용하여 시퀀스 수준의 임베딩에 클러스터링 구조를 부과함으로써 구조 강화 TPP를 학습합니다. 비모수적 TPP 커널을 이용하여 시퀀스 임베딩 기반 유사도 행렬을 정규화하고, 대규모 응용을 위해 커널 행렬을 샘플링하여 GW 불일치 항으로 정규화를 구현하여 계산 효율성을 확보합니다. 결과적으로 클러스터링된 시퀀스 임베딩을 생성하고, 예측 정확도를 저하시키지 않으면서 모델 해석력을 크게 향상시킵니다.
