論文の概要: Multi-stream RNN for Merchant Transaction Prediction
- arxiv url: http://arxiv.org/abs/2008.01670v1
- Date: Sat, 25 Jul 2020 01:20:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-07 01:01:20.101070
- Title: Multi-stream RNN for Merchant Transaction Prediction
- Title(参考訳): マーチャントトランザクション予測のためのマルチストリームRNN
- Authors: Zhongfang Zhuang, Chin-Chia Michael Yeh, Liang Wang, Wei Zhang,
Junpeng Wang
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 15.02052710417352
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently, digital payment systems have significantly changed people's
lifestyles. New challenges have surfaced in monitoring and guaranteeing the
integrity of payment processing systems. One important task is to predict the
future transaction statistics of each merchant. These predictions can thus be
used to steer other tasks, ranging from fraud detection to recommendation. This
problem is challenging as we need to predict not only multivariate time series
but also multi-steps into the future. In this work, we propose a multi-stream
RNN model for multi-step merchant transaction predictions tailored to these
requirements. The proposed multi-stream RNN summarizes transaction data in
different granularity and makes predictions for multiple steps in the future.
Our extensive experimental results have demonstrated that the proposed model is
capable of outperforming existing state-of-the-art methods.
- Abstract(参考訳): 近年,デジタル決済システムは人々の生活様式を大きく変えている。
支払い処理システムの整合性の監視と保証において、新たな課題が浮上した。
重要な課題は、各商人の将来の取引統計を予測することである。
これらの予測は、不正検出からレコメンデーションまで、他のタスクを操縦するために使用できる。
この問題は、多変量時系列だけでなく、将来への多段階の予測が必要であるため、難しい。
本稿では,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。
提案するマルチストリームRNNはトランザクションデータを異なる粒度で要約し,将来,複数のステップの予測を行う。
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。
関連論文リスト
- Towards a Foundation Purchasing Model: Pretrained Generative
Autoregression on Transaction Sequences [0.0]
本稿では,金融取引の文脈的埋め込みを得るための生成事前学習手法を提案する。
さらに,510億の取引を含む180の発行銀行のデータコーパスを用いて,埋め込みモデルの大規模事前学習を行う。
論文 参考訳(メタデータ) (2024-01-03T09:32:48Z) - Diffusion Variational Autoencoder for Tackling Stochasticity in
Multi-Step Regression Stock Price Prediction [54.21695754082441]
長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。
多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。
深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。
本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
論文 参考訳(メタデータ) (2023-08-18T16:21:15Z) - You Mostly Walk Alone: Analyzing Feature Attribution in Trajectory
Prediction [52.442129609979794]
軌道予測のための最近の深層学習手法は有望な性能を示す。
そのようなブラックボックスモデルが実際にどのモデルを予測するために使うのかは、まだ不明である。
本稿では,モデル性能に対する異なるキューの貢献度を定量化する手法を提案する。
論文 参考訳(メタデータ) (2021-10-11T14:24:15Z) - Online Multi-horizon Transaction Metric Estimation with Multi-modal
Learning in Payment Networks [21.645745558531832]
決済トランザクションデータベースにおけるエンティティに関連するトランザクションメトリクスを推定するための多変量時系列予測の問題について検討する。
これら4つのコンポーネントは相互作用、時間的、スケール、形状の視点を捉え、第5のコンポーネントはこれらの視点を融合させる。
また、データ内のコンセプトドリフトに対処し、リアルタイム要求を満たすためのハイブリッドオフライン/オンライントレーニングスキームを提案する。
論文 参考訳(メタデータ) (2021-09-21T08:23:27Z) - Learning Multiple Stock Trading Patterns with Temporal Routing Adaptor
and Optimal Transport [8.617532047238461]
本稿では,複数の株取引パターンをモデル化し,既存の株価予測モデルを強化するための新しいアーキテクチャであるTemporal Adaptor(TRA)を提案する。
TRAは、複数のパターンを学習するための独立した予測器と、異なる予測器にサンプルをディスパッチするルータで構成される軽量モジュールである。
提案手法は,情報係数を0.053から0.059へ,情報係数を0.051から0.056に改善できることを示す。
論文 参考訳(メタデータ) (2021-06-24T12:19:45Z) - SMART: Simultaneous Multi-Agent Recurrent Trajectory Prediction [72.37440317774556]
本稿では,将来の軌道予測における2つの重要な課題に対処する手法を提案する。
エージェントの数に関係なく、トレーニングデータと予測と一定時間の推測の両方において、マルチモーダリティ。
論文 参考訳(メタデータ) (2020-07-26T08:17:10Z) - Multi-future Merchant Transaction Prediction [11.479583812869645]
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。
論文 参考訳(メタデータ) (2020-07-10T11:07:32Z) - TPNet: Trajectory Proposal Network for Motion Prediction [81.28716372763128]
Trajectory Proposal Network (TPNet) は、新しい2段階の動作予測フレームワークである。
TPNetはまず、仮説の提案として将来の軌道の候補セットを生成し、次に提案の分類と修正によって最終的な予測を行う。
4つの大規模軌道予測データセットの実験は、TPNetが定量的かつ定性的に、最先端の結果を達成することを示した。
論文 参考訳(メタデータ) (2020-04-26T00:01:49Z) - 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) - Meta-Learned Confidence for Few-shot Learning [60.6086305523402]
数ショットのメトリックベースのアプローチのための一般的なトランスダクティブ推論手法は、最も確実なクエリ例の平均で、各クラスのプロトタイプを更新することである。
本稿では,各クエリの信頼度をメタラーニングして,ラベルのないクエリに最適な重みを割り当てる手法を提案する。
4つのベンチマークデータセットに対してメタ学習の信頼度で、少数ショットの学習モデルを検証した。
論文 参考訳(メタデータ) (2020-02-27T10:22:17Z)
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。