論文の概要: BASM: A Bottom-up Adaptive Spatiotemporal Model for Online Food Ordering Service

• arxiv url: http://arxiv.org/abs/2211.12033v1
• Date: Tue, 22 Nov 2022 06:08:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-23 18:45:24.567710
• Title: BASM: A Bottom-up Adaptive Spatiotemporal Model for Online Food Ordering Service
• Title（参考訳）: BASM:オンライン食品注文サービスのためのボトムアップ適応時空間モデル
• Authors: Boya Du, Shaochuan Lin, Jiong Gao, Xiyu Ji, Mengya Wang, Taotao Zhou, Hengxu He, Jia Jia, Ning Hu
• Abstract要約: オンライン注文サービス(オンライン注文サービス、英: Online-Ordering Service、FOS)は、ユーザーが望むものを注文するのを助ける位置情報ベースのサービスである。 本稿では、異なる時間的データ分布に適応的に適合する新しい適応モデル(StemporalM)を提案する。 また,BASMの有効性を検証するために,TAUC(Time- period-wise AUC)とCAUC(City-wise AUC)の2つの新しい指標を導入した。
• 参考スコア（独自算出の注目度）: 7.088699796818076
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Online Food Ordering Service (OFOS) is a popular location-based service that helps people to order what you want. Compared with traditional e-commerce recommendation systems, users' interests may be diverse under different spatiotemporal contexts, leading to various spatiotemporal data distribution, which limits the fitting capacity of the model. However, numerous current works simply mix all samples to train a set of model parameters, which makes it difficult to capture the diversity in different spatiotemporal contexts. Therefore, we address this challenge by proposing a Bottom-up Adaptive Spatiotemporal Model(BASM) to adaptively fit the spatiotemporal data distribution, which further improve the fitting capability of the model. Specifically, a spatiotemporal-aware embedding layer performs weight adaptation on field granularity in feature embedding, to achieve the purpose of dynamically perceiving spatiotemporal contexts. Meanwhile, we propose a spatiotemporal semantic transformation layer to explicitly convert the concatenated input of the raw semantic to spatiotemporal semantic, which can further enhance the semantic representation under different spatiotemporal contexts. Furthermore, we introduce a novel spatiotemporal adaptive bias tower to capture diverse spatiotemporal bias, reducing the difficulty to model spatiotemporal distinction. To further verify the effectiveness of BASM, we also novelly propose two new metrics, Time-period-wise AUC (TAUC) and City-wise AUC (CAUC). Extensive offline evaluations on public and industrial datasets are conducted to demonstrate the effectiveness of our proposed modle. The online A/B experiment also further illustrates the practicability of the model online service. This proposed method has now been implemented on the Ele.me, a major online food ordering platform in China, serving more than 100 million online users.
• Abstract（参考訳）: オンライン食品注文サービス(Online Food Ordering Service、OFOS)は、ユーザーが好きなものを注文するのを助ける位置情報ベースのサービスだ。 従来の電子商取引のレコメンデーションシステムと比較すると、ユーザーの興味は時空間的文脈によって多様であり、モデルの適合能力を制限する様々な時空間的データ分布に繋がる。 しかし、現在の多くの研究は、単純に全てのサンプルを混合してモデルのパラメータのセットを訓練することで、異なる時空間で多様性を捉えるのが難しくなっている。 そこで本研究では, ボトムアップ適応時空間モデル(BASM)を提案し, 時空間データ分布を適応的に適合させ, モデルの適合性をさらに向上させる。 具体的には、時空間認識層は、時空間文脈を動的に知覚する目的を達成するため、特徴埋め込みにおけるフィールドの粒度に重み適応を行う。 一方,我々は,生意味論の連結入力を時空間意味論に明示的に変換する時空間意味変換層を提案し,時空間的文脈における意味表現をさらに強化する。 さらに, 多様な時空間バイアスを捕捉し, 時空間差をモデル化する難しさを低減できる新しい時空間適応型バイアスタワーを提案する。 また,BASMの有効性を検証するために,TAUC(Time- period-wise AUC)とCAUC(City-wise AUC)の2つの新しい指標を提案する。 提案手法の有効性を示すため,公共および産業用データセットの大規模なオフライン評価を行った。 オンラインA/B実験では、モデルオンラインサービスの実践性も説明されている。 提案手法は現在,中国の大手オンライン食品注文プラットフォームであるEle.me上で実装されており,1億人以上のオンラインユーザを対象としている。

関連論文リスト

• Expand and Compress: Exploring Tuning Principles for Continual Spatio-Temporal Graph Forecasting [17.530885640317372]
  本稿では,新しいプロンプトチューニングに基づく連続予測手法を提案する。 具体的には,基本時相グラフニューラルネットワークと連続的なプロンプトプールをメモリに格納する。 この手法により、モデルが広範囲な時間的データストリームから逐次学習し、対応する期間のタスクを達成できる。
  論文  参考訳（メタデータ） (2024-10-16T14:12:11Z)
• MITA: Bridging the Gap between Model and Data for Test-time Adaptation [68.62509948690698]
  テスト時間適応(TTA)は、モデルの一般化性を高めるための有望なパラダイムとして登場した。 本稿では,Met-In-The-MiddleをベースとしたMITAを提案する。
  論文  参考訳（メタデータ） (2024-10-12T07:02:33Z)
• Self-Augmented Preference Optimization: Off-Policy Paradigms for Language Model Alignment [104.18002641195442]
  既存のペアデータを必要としない、効果的でスケーラブルなトレーニングパラダイムである自己拡張型優先度最適化(SAPO)を導入する。 負の反応を自律的に生成するセルフプレイの概念に基づいて、我々はさらに、データ探索とエクスプロイトを強化するために、非政治的な学習パイプラインを組み込む。
  論文  参考訳（メタデータ） (2024-05-31T14:21:04Z)
• FedASTA: Federated adaptive spatial-temporal attention for traffic flow prediction [30.346763969306398]
  モバイルデバイスとIoT(Internet of Things)デバイスは、今日では大量の異種空間時間データを生成している。 プライバシーの懸念の下で空間的時間的ダイナミクスをモデル化することは依然として難しい問題である。 動的空間時間関係をモデル化するための新しいFedASTAフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-21T11:44:07Z)
• Low-rank Adaptation for Spatio-Temporal Forecasting [13.595533573828734]
  本稿では,既存の時空間予測モデルSTLo-RAのためのオフザシェルフプラグインとして,新しい低ランク適応フレームワークを提案する。 我々のアプローチは、元のモデルのパラメータとトレーニング時間を4%以下に増やし、一貫性と持続的なパフォーマンス向上を実現しています。
  論文  参考訳（メタデータ） (2024-04-11T17:04:55Z)
• Personalized Federated Learning for Spatio-Temporal Forecasting: A Dual Semantic Alignment-Based Contrastive Approach [14.145373808547122]
  フェデレートdUalパラダイム, セティックaLignmentに基づくFUELStive Learningの提案。 FUELSは最先端の手法よりも優れており、通信コストは約94%低下している。
  論文  参考訳（メタデータ） (2024-04-04T02:43:56Z)
• PDETime: Rethinking Long-Term Multivariate Time Series Forecasting from the perspective of partial differential equations [49.80959046861793]
  本稿では,ニューラルPDEソルバの原理に着想を得た新しいLMTFモデルであるPDETimeを提案する。 7つの異なる時間的実世界のLMTFデータセットを用いた実験により、PDETimeがデータ固有の性質に効果的に適応できることが判明した。
  論文  参考訳（メタデータ） (2024-02-25T17:39:44Z)
• UniTime: A Language-Empowered Unified Model for Cross-Domain Time Series Forecasting [59.11817101030137]
  この研究はドメイン境界を超越する統一モデルパラダイムを提唱する。 効果的なクロスドメインモデルを学ぶことは、以下の課題を提示します。 効果的なドメイン間時系列学習のためのUniTimeを提案する。
  論文  参考訳（メタデータ） (2023-10-15T06:30:22Z)
• Contextualizing MLP-Mixers Spatiotemporally for Urban Data Forecast at Scale [54.15522908057831]
  本稿では,STTD予測を大規模に行うためのコンピュータ・ミクサーの適応版を提案する。 我々の結果は、この単純な効率の良いソリューションが、いくつかのトラフィックベンチマークでテストした場合、SOTAベースラインに匹敵する可能性があることを驚くほど示している。 本研究は, 実世界のSTTD予測において, 簡便な有効モデルの探索に寄与する。
  論文  参考訳（メタデータ） (2023-07-04T05:19:19Z)
• OpenSTL: A Comprehensive Benchmark of Spatio-Temporal Predictive Learning [67.07363529640784]
  提案するOpenSTLは,一般的なアプローチを再帰的モデルと再帰的モデルに分類する。 我々は, 合成移動物体軌道, 人間の動き, 運転シーン, 交通流, 天気予報など, さまざまな領域にわたるデータセットの標準評価を行う。 リカレントフリーモデルは、リカレントモデルよりも効率と性能のバランスが良いことがわかった。
  論文  参考訳（メタデータ） (2023-06-20T03:02:14Z)

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。