seasonality | BriefGPT - AI 论文速递

关键词seasonality

搜索结果 - 8

利用特征变换进行交通市场费率预测
通过基于特征变换和线性回归分析的新颖技术，我们开发了一种预测市场价格的模型，该模型在准确性和可解释性方面远远优于商业模型，并能更精确地识别季节性和制度转变，即使在 Covid-19 时期和乌克兰战争突发期也能得到良好的预测结果。
PDF6 months ago
旅游业中的正向和逆向拍卖问题
目前的旅游目的地普遍存在经济和社会影响较大的旺季和淡季现象，为了解决这一问题，本研究开发了两个拍卖系统，在低受欢迎度地区或淡季时段，酒店经营者可以通过正向拍卖模式拍卖客房；同时，客户也可以发起竞标过程，酒店经营者可以向客户提供客房报价，这构
PDF8 months ago
MM基于季节性的电子商务自动补全的自然语言查询再排序
提出了一种基于神经网络的自动补全排名模型的自然语言处理算法，将季节性作为信号加入到自动补全排名模型中，以提高补全的相关性和业务指标。
PDFa year ago
利用卫星探测病毒：通过图神经网络模拟 West Nile 病毒的传播
提出一种利用深度神经网络（DNNs）和图神经网络（GNN）预测西尼罗河病毒（WNV）流行的方法，实验结果表明该方法与地面真实观测相结合能更好地预测 WNV 的流行，并且考虑到了时间和地理位置特征。
PDF2 years ago
通过隐含复合核将先验知识纳入神经网络
本文提出了一种内隐复合核（ICK）框架，该框架融合了深度学习和高斯过程（GP）的建模能力，通过结合由神经网络隐式定义的核和第二个选定的核函数来建模已知特性（如季节性）。采用样本优化方法近似全 GP 后验分布，ICK 在合成和真实数据集上展现
PDF2 years ago
循环神经网络用于时序预测：现状和未来方向
本文通过详实的实证研究和开源软件框架介绍了现有基于循环神经网络的预测模型，提出了针对这些模型使用的最佳实践和指导方针。研究发现，当数据集的时间序列具有同质季节模式时，RNN 能够直接模拟季节性；否则，建议事先对数据进行季节性去趋势处理。通过
PDF5 years ago
MM通过可扩展的张量分解从隐含数据中实现上下文感知的推荐
该论文提出了一种上下文感知的通用隐式反馈推荐算法，使用基于张量分解的学习方法，同时结合了季节性和购买顺序等上下文信息，显著优于无上下文和基准模型，并与因式机（在召回和 MAP 方面击败了 12 个案例中的 7 个）相当，具有良好的可扩展性。
PDF11 years ago
KDD基于快速 ALS 的张量分解在隐式反馈的上下文感知推荐中的应用
本文提出了一种称为 iTALS 的通用上下文感知隐式反馈推荐算法，它应用了一种快速的 ALS 基张量分解学习方法，同时保持计算效率，实验结果显示，通过将上下文感知信息与我们的分解框架集成到最先进的隐式推荐算法中，推荐的质量得到了显着提高。
PDF12 years ago