論文の概要: Online Multi-horizon Transaction Metric Estimation with Multi-modal
Learning in Payment Networks
- arxiv url: http://arxiv.org/abs/2109.10020v1
- Date: Tue, 21 Sep 2021 08:23:27 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-22 14:34:13.422087
- Title: Online Multi-horizon Transaction Metric Estimation with Multi-modal
Learning in Payment Networks
- Title（参考訳）: 支払いネットワークにおけるマルチモーダルラーニングによるオンラインマルチホリゾン取引メトリック推定
- Authors: Chin-Chia Michael Yeh, Zhongfang Zhuang, Junpeng Wang, Yan Zheng,
Javid Ebrahimi, Ryan Mercer, Liang Wang, Wei Zhang
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 21.645745558531832
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Predicting metrics associated with entities' transnational behavior within
payment processing networks is essential for system monitoring. Multivariate
time series, aggregated from the past transaction history, can provide valuable
insights for such prediction. The general multivariate time series prediction
problem has been well studied and applied across several domains, including
manufacturing, medical, and entomology. However, new domain-related challenges
associated with the data such as concept drift and multi-modality have surfaced
in addition to the real-time requirements of handling the payment transaction
data at scale. In this work, we study the problem of multivariate time series
prediction for estimating transaction metrics associated with entities in the
payment transaction database. We propose a model with five unique components to
estimate the transaction metrics from multi-modality data. Four of these
components capture interaction, temporal, scale, and shape perspectives, and
the fifth component fuses these perspectives together. We also propose a hybrid
offline/online training scheme to address concept drift in the data and fulfill
the real-time requirements. Combining the estimation model with a graphical
user interface, the prototype transaction metric estimation system has
demonstrated its potential benefit as a tool for improving a payment processing
company's system monitoring capability.
- Abstract（参考訳）: 支払い処理ネットワークにおけるエンティティのトランス国家的行動に関連するメトリクスの予測は、システム監視に不可欠である。
過去のトランザクション履歴から集約された多変量時系列は、そのような予測に価値ある洞察を与えることができる。
一般的な多変量時系列予測問題は、製造、医学、昆虫学を含むいくつかの領域でよく研究され、適用されてきた。
しかし、概念ドリフトやマルチモダリティといったデータに関連する新たなドメイン関連課題が浮上し、大規模な決済トランザクションデータを扱うリアルタイム要件も浮上している。
本研究では、支払い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。
マルチモーダリティデータからトランザクションメトリクスを推定するために,5つのユニークなコンポーネントを持つモデルを提案する。
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。
この推定モデルとグラフィカルユーザインタフェースを組み合わせることで、プロトタイプトランザクションメトリック推定システムは、支払い処理会社のシステム監視能力を改善するツールとして、その潜在的メリットを実証した。
関連論文リスト
- Transforming Multidimensional Time Series into Interpretable Event Sequences for Advanced Data Mining [5.2863523790908955]
本稿では,多次元時系列解析における従来の手法の限界に対処する新しい表現モデルを提案する。
提案するフレームワークは,ITインフラの監視と最適化,継続的な患者モニタリングによる診断,トレンド分析,インターネットビジネスによるユーザ行動の追跡,予測など,さまざまな分野のアプリケーションに対して大きな可能性を秘めている。
論文 参考訳（メタデータ） (2024-09-22T06:27:07Z) - Deep Coupling Network For Multivariate Time Series Forecasting [24.01637416183444]
我々は,MTS予測のための新しいディープカップリングネットワーク,DeepCNを提案する。
提案するDeepCNは,最先端のベースラインに比べて優れた性能を実現する。
論文 参考訳（メタデータ） (2024-02-23T06:38:08Z) - 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) - 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) - Concepts and Algorithms for Agent-based Decentralized and Integrated
Scheduling of Production and Auxiliary Processes [78.120734120667]
本稿ではエージェントベースの分散型統合スケジューリング手法について述べる。
要求の一部は、線形にスケールする通信アーキテクチャを開発することである。
このアプローチは、工業的要件に基づいた例を使って説明されます。
論文 参考訳（メタデータ） (2022-05-06T18:44:29Z) - TACTiS: Transformer-Attentional Copulas for Time Series [76.71406465526454]
時間変化量の推定は、医療や金融などの分野における意思決定の基本的な構成要素である。
本稿では,アテンションベースデコーダを用いて関節分布を推定する多元的手法を提案する。
本研究では,本モデルが実世界の複数のデータセットに対して最先端の予測を生成することを示す。
論文 参考訳（メタデータ） (2022-02-07T21:37:29Z) - 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-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) - 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) - Transformer Hawkes Process [79.16290557505211]
本稿では,長期的依存関係を捕捉する自己認識機構を利用したTransformer Hawkes Process (THP) モデルを提案する。
THPは、有意なマージンによる可能性と事象予測の精度の両方の観点から、既存のモデルより優れている。
本稿では、THPが関係情報を組み込む際に、複数の点過程を学習する際の予測性能の改善を実現する具体例を示す。
論文 参考訳（メタデータ） (2020-02-21T13:48:13Z) - Gaussian process imputation of multiple financial series [71.08576457371433]
金融指標、株価、為替レートなどの複数の時系列は、市場が潜んでいる状態に依存しているため、強く結びついている。
金融時系列間の関係を多出力ガウスプロセスでモデル化することで学習することに注力する。
論文 参考訳（メタデータ） (2020-02-11T19:18:18Z)
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。