論文の概要: Multi-future Merchant Transaction Prediction

• arxiv url: http://arxiv.org/abs/2007.05303v1
• Date: Fri, 10 Jul 2020 11:07:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-11 20:47:26.627885
• Title: Multi-future Merchant Transaction Prediction
• Title（参考訳）: マルチフュージョン商取引予測
• Authors: Chin-Chia Michael Yeh, Zhongfang Zhuang, Wei Zhang, Liang Wang
• Abstract要約: 商人の将来を予測する能力は、不正検出とレコメンデーションシステムに不可欠である。 本稿では,畳み込みニューラルネットワークと,時系列パターンを学習するための簡単なエンコーダ・デコーダ構造を用いた新しいモデルを提案する。
• 参考スコア（独自算出の注目度）: 11.479583812869645
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The multivariate time series generated from merchant transaction history can provide critical insights for payment processing companies. The capability of predicting merchants' future is crucial for fraud detection and recommendation systems. Conventionally, this problem is formulated to predict one multivariate time series under the multi-horizon setting. However, real-world applications often require more than one future trend prediction considering the uncertainties, where more than one multivariate time series needs to be predicted. This problem is called multi-future prediction. In this work, we combine the two research directions and propose to study this new problem: multi-future, multi-horizon and multivariate time series prediction. This problem is crucial as it has broad use cases in the financial industry to reduce the risk while improving user experience by providing alternative futures. This problem is also challenging as now we not only need to capture the patterns and insights from the past but also train a model that has a strong inference capability to project multiple possible outcomes. To solve this problem, we propose a new model using convolutional neural networks and a simple yet effective encoder-decoder structure to learn the time series pattern from multiple perspectives. We use experiments on real-world merchant transaction data to demonstrate the effectiveness of our proposed model. We also provide extensive discussions on different model design choices in our experimental section.
• Abstract（参考訳）: 商取引履歴から生成される多変量時系列は、決済処理会社にとって重要な洞察を与えることができる。 商人の将来を予測する能力は、不正検出とレコメンデーションシステムに不可欠である。 従来、この問題はマルチホリゾン設定下で1つの多変量時系列を予測するために定式化されている。 しかし、実世界のアプリケーションでは、不確実性を考慮した将来のトレンド予測が複数回必要であり、複数の多変量時系列を予測する必要がある。 この問題は多未来予測と呼ばれる。 本研究では,この2つの研究方向を組み合わせることで,マルチ未来,マルチホリゾン,多変量時系列予測という新たな課題を考察する。 この問題は、金融業界において、代替先を提供することでユーザエクスペリエンスを改善しつつリスクを低減するための幅広いユースケースがあるため、極めて重要である。 過去のパターンや洞察を捉えるだけでなく、複数の可能な成果を投影する強力な推論能力を持つモデルをトレーニングする必要があるため、この問題もまた困難です。 この問題を解決するために,畳み込みニューラルネットワークと,複数の視点から時系列パターンを学習する簡単なエンコーダ・デコーダ構造を用いた新しいモデルを提案する。 実世界の商取引データを用いた実験を行い,提案モデルの有効性を実証した。 また、実験セクションで異なるモデル設計の選択について広範な議論を行う。

関連論文リスト

• On the Resurgence of Recurrent Models for Long Sequences -- Survey and Research Opportunities in the Transformer Era [59.279784235147254]
  この調査は、Recurrenceの統一の傘の下に構築されたこれらのトレンドの概要を提供することを目的としている。 長いシーケンスを処理するという考え方を捨てる際に顕著になる新しい研究機会を強調している。
  論文  参考訳（メタデータ） (2024-02-12T23:55:55Z)
• An End-to-End Time Series Model for Simultaneous Imputation and Forecast [14.756607742477252]
  我々は,推論関係を学習し,複数段階の予測を行うために,エンドツーエンドの時系列モデルを開発する。 我々のフレームワークは2つのニューラルネットワークを共同でトレーニングし、1つは特徴量相関を学習し、もう1つは時間的行動のモデリングを学習する。
  論文  参考訳（メタデータ） (2023-06-01T15:08:22Z)
• Multi-scale Attention Flow for Probabilistic Time Series Forecasting [68.20798558048678]
  マルチスケールアテンション正規化フロー(MANF)と呼ばれる非自己回帰型ディープラーニングモデルを提案する。 我々のモデルは累積誤差の影響を回避し、時間の複雑さを増大させない。 本モデルは,多くの多変量データセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2022-05-16T07:53:42Z)
• Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
  伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。 最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。 予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
  論文  参考訳（メタデータ） (2022-03-07T18:59:54Z)
• Multi-head Temporal Attention-Augmented Bilinear Network for Financial time series prediction [77.57991021445959]
  本稿では,時間的注意と多面的注意の考え方に基づいて,ニューラルネットワークの能力を拡張するニューラルネットワーク層を提案する。 本手法の有効性を,大規模書籍市場データを用いて検証した。
  論文  参考訳（メタデータ） (2022-01-14T14:02:19Z)
• Bilinear Input Normalization for Neural Networks in Financial Forecasting [101.89872650510074]
  本稿では,高頻度金融時系列を扱うディープニューラルネットワークのための新しいデータ駆動正規化手法を提案する。 提案手法は,財務時系列のバイモーダル特性を考慮したものである。 我々の実験は最先端のニューラルネットワークと高周波データを用いて行われ、他の正規化技術よりも大幅に改善された。
  論文  参考訳（メタデータ） (2021-09-01T07:52:03Z)
• Temporal Latent Auto-Encoder: A Method for Probabilistic Multivariate Time Series Forecasting [4.131842516813833]
  時間系列の非線形ファクタリゼーションを可能にする新しい時間的潜時オートエンコーダ法を提案する。 確率的潜時空間モデルにより、入力系列の複雑な分布はデコーダを介してモデル化される。 我々のモデルは、多くの一般的な多変量データセット上で最先端のパフォーマンスを達成し、いくつかの標準メトリクスに対して最大50%のゲインを得られることがある。
  論文  参考訳（メタデータ） (2021-01-25T22:29:40Z)
• Future Frame Prediction of a Video Sequence [5.660207256468971]
  将来の出来事を予測し、予測し、推論する能力は知性の本質である。 将来の出来事を予測し、予測し、推論する能力は知性の本質である。
  論文  参考訳（メタデータ） (2020-08-31T15:31:02Z)
• Multi-stream RNN for Merchant Transaction Prediction [15.02052710417352]
  これらの要求に合わせたマルチステップ商取引予測のためのマルチストリームRNNモデルを提案する。 実験の結果,提案手法は既存の最先端手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-07-25T01:20:48Z)
• Ambiguity in Sequential Data: Predicting Uncertain Futures with Recurrent Models [110.82452096672182]
  逐次データによる曖昧な予測を扱うために,Multiple hypothesis Prediction(MHP)モデルの拡張を提案する。 また、不確実性を考慮するのに適した曖昧な問題に対する新しい尺度も導入する。
  論文  参考訳（メタデータ） (2020-03-10T09:15:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。