【KDD2020论文阅读总结】预测新产品上市后的基于时间的销售数据(IBM)(基于注意力机制的多模态模型)

https://dl.acm.org/doi/pdf/10.1145/3394486.3403362 【Title】Attention based Multi-Modal New Product Sales Time-series Forecasting【应用】预测新产品上市后的基于时间的销售数据
【领域】Neural networks; RNNs; Encoder-Decoder;【文章要点】1. 使用历史数据进行训练,预测一个新产品上市后的销售情况2. 数据:产品图像数据I+产品属性数据x(如 design attributes such as color, pattern, sleeve style etc. or merchandising attributes such as list price, promotion etc.)3. 问题定义:销售数据:【KDD2020论文阅读总结】预测新产品上市后的基于时间的销售数据(IBM)(基于注意力机制的多模态模型)                      输入数据:【KDD2020论文阅读总结】预测新产品上市后的基于时间的销售数据(IBM)(基于注意力机制的多模态模型)                      需要求取的是:【KDD2020论文阅读总结】预测新产品上市后的基于时间的销售数据(IBM)(基于注意力机制的多模态模型)                      同时,还需要考虑一些外部因素,如周末,节日,重大节日,促销等, 外部的因素表示为【KDD2020论文阅读总结】预测新产品上市后的基于时间的销售数据(IBM)(基于注意力机制的多模态模型)                      综上,求取的是【KDD2020论文阅读总结】预测新产品上市后的基于时间的销售数据(IBM)(基于注意力机制的多模态模型)4. 系统整体示意:【KDD2020论文阅读总结】预测新产品上市后的基于时间的销售数据(IBM)(基于注意力机制的多模态模型)5. 传统方法:使用KNN。即将新产品与历史产品做比对,得到最为相似的K个旧产品,使用旧产品的历史数据集成并做响应的预测    1) Attribute KNN. 使用商品属性的距离,求取紧邻,使用距离作为权重的参考,将k个商品的历史销售数据集成。θ为距离相关的数据【KDD2020论文阅读总结】预测新产品上市后的基于时间的销售数据(IBM)(基于注意力机制的多模态模型)    2) Embedding KNN. 等不能直接量化的特征embedding,embedding后再求K个紧邻,随后同上。Φ为求embedding【KDD2020论文阅读总结】预测新产品上市后的基于时间的销售数据(IBM)(基于注意力机制的多模态模型)6. 基于Encoder-Decoder的时间序列模型。探索了多个模型    1)Sequence learning with encoded image input (Image RNN)         Encoder模块为给定的输入图像计算一个紧凑的嵌入,并将其与时间特征合并,然后再把encoder生成的数据输入到RNN decoder          【KDD2020论文阅读总结】预测新产品上市后的基于时间的销售数据(IBM)(基于注意力机制的多模态模型)    2) Sequence learning with encoded multi-modal inputs.(Multi-modal RNN)           与1)不同的是,将属性标签做了embedding,一起加进去网络中                      【KDD2020论文阅读总结】预测新产品上市后的基于时间的销售数据(IBM)(基于注意力机制的多模态模型)    3) Explainable sequence learning with attended multi-modal inputs.(Cross-Attention RNN)            加入可解释性的部分?使用Cross-Attention【KDD2020论文阅读总结】预测新产品上市后的基于时间的销售数据(IBM)(基于注意力机制的多模态模型)
            【KDD2020论文阅读总结】预测新产品上市后的基于时间的销售数据(IBM)(基于注意力机制的多模态模型)6. 实验结果【KDD2020论文阅读总结】预测新产品上市后的基于时间的销售数据(IBM)(基于注意力机制的多模态模型)【KDD2020论文阅读总结】预测新产品上市后的基于时间的销售数据(IBM)(基于注意力机制的多模态模型)【KDD2020论文阅读总结】预测新产品上市后的基于时间的销售数据(IBM)(基于注意力机制的多模态模型)【KDD2020论文阅读总结】预测新产品上市后的基于时间的销售数据(IBM)(基于注意力机制的多模态模型)
7. 可解释性的结果【KDD2020论文阅读总结】预测新产品上市后的基于时间的销售数据(IBM)(基于注意力机制的多模态模型)












上一篇:从Encoder到Decoder实现Seq2Seq模型


下一篇:语音识别算法阅读之transformer-transducer(facebook)