論文の概要: Unlocking Insights into Business Trajectories with Transformer-based
Spatio-temporal Data Analysis
- arxiv url: http://arxiv.org/abs/2306.10034v1
- Date: Wed, 7 Jun 2023 20:19:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-26 01:49:49.240250
- Title: Unlocking Insights into Business Trajectories with Transformer-based
Spatio-temporal Data Analysis
- Title(参考訳): 変圧器を用いた時空間データ解析によるビジネス軌道のロック解除
- Authors: Muhammad Arslan, Christophe Cruz
- Abstract要約: ビジネスの世界は絶えず進化し、カーブに先んじているため、市場の動向とパフォーマンスを深く理解する必要があります。
本稿では、ニュース記事データを用いたビジネストラジェクトリのモデル化により、この要件に対処する。
- 参考スコア(独自算出の注目度): 0.30458514384586394
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The world of business is constantly evolving and staying ahead of the curve
requires a deep understanding of market trends and performance. This article
addresses this requirement by modeling business trajectories using news
articles data.
- Abstract(参考訳): ビジネスの世界は絶えず進化しており、カーブの前にいるためには、市場のトレンドとパフォーマンスを深く理解する必要がある。
本稿では、ニュース記事データを用いたビジネストラジェクトリのモデル化により、この要件に対処する。
関連論文リスト
- Hybrid LLM/Rule-based Approaches to Business Insights Generation from Structured Data [0.0]
広範囲で多様なデータセットから実行可能な洞察を抽出する能力は、情報的な意思決定と競合するエッジの維持に不可欠である。
従来のルールベースのシステムは信頼できるが、現代のビジネスデータの複雑さとダイナミズムに直面したとき、しばしば不足する。
本稿では,ルールベースシステムのロバスト性と大規模言語モデルの適応力を統合するハイブリッドアプローチの有効性について検討する。
論文 参考訳(メタデータ) (2024-04-24T02:42:24Z) - Deep Learning for Trajectory Data Management and Mining: A Survey and Beyond [58.63558696061679]
軌道計算は、位置サービス、都市交通、公共安全など、様々な実用用途において重要である。
トラジェクトリ・コンピューティングのためのディープラーニング(DL4Traj)の開発と最近の進歩について概観する。
特に、軌道計算を増強する可能性を持つ大規模言語モデル(LLM)の最近の進歩をカプセル化する。
論文 参考訳(メタデータ) (2024-03-21T05:57:27Z) - Data-efficient Large Vision Models through Sequential Autoregression [58.26179273091461]
限られたデータセットに基づいて,効率的な自己回帰に基づく視覚モデルを構築する。
このモデルは,高レベル・低レベルのセマンティック理解の両方にまたがる視覚的タスクにおいて,その習熟度をいかに達成するかを実証する。
我々の経験的評価は、モデルが様々なタスクに適応する際の機敏さを強調し、パラメータフットプリントの大幅な削減を図った。
論文 参考訳(メタデータ) (2024-02-07T13:41:53Z) - Federated Learning with Projected Trajectory Regularization [65.6266768678291]
フェデレーション学習は、ローカルデータを共有せずに、分散クライアントから機械学習モデルの共同トレーニングを可能にする。
連合学習における重要な課題の1つは、クライアントにまたがる識別できない分散データを扱うことである。
本稿では,データ問題に対処するための予測軌道正則化(FedPTR)を備えた新しいフェデレーション学習フレームワークを提案する。
論文 参考訳(メタデータ) (2023-12-22T02:12:08Z) - JRDB-Traj: A Dataset and Benchmark for Trajectory Forecasting in Crowds [79.00975648564483]
ロボット工学、自動運転車、ナビゲーションなどの分野で使用される軌道予測モデルは、現実のシナリオにおいて課題に直面している。
このデータセットは、ロボットの観点から、すべてのエージェント、シーンイメージ、ポイントクラウドの位置を含む包括的なデータを提供する。
本研究の目的は,ロボットに対するエージェントの将来の位置を,生の感覚入力データを用いて予測することである。
論文 参考訳(メタデータ) (2023-11-05T18:59:31Z) - A Topical Approach to Capturing Customer Insight In Social Media [0.0]
この研究は、ノイズの多いビッグデータコンテキストにおいて、完全に教師なしのトピック抽出の課題に対処する。
本稿では,変分オートエンコーダフレームワーク上に構築した3つのアプローチを提案する。
我々のモデルは最先端の手法よりも優れた性能が得られることを示す。
論文 参考訳(メタデータ) (2023-07-14T11:15:28Z) - Deep Learning based Forecasting: a case study from the online fashion
industry [7.694480564850072]
本稿では,この予測問題に対するデータとモデリング手法の詳細と実験結果について述べる。
本稿では,この予測問題に対するデータとモデリング手法の詳細と実験結果について述べる。
論文 参考訳(メタデータ) (2023-05-23T13:30:35Z) - EasyDGL: Encode, Train and Interpret for Continuous-time Dynamic Graph
Learning [114.72818205974285]
本稿では,3つのモジュールから構成される使い勝手の良いパイプライン(EasyDGL)を設計することを目的とする。
EasyDGLは、進化するグラフデータからモデルが学習する周波数コンテンツの予測力を効果的に定量化することができる。
論文 参考訳(メタデータ) (2023-03-22T06:35:08Z) - FQP 2.0: Industry Trend Analysis via Hierarchical Financial Data [0.2741266294612776]
株式市場データを用いた産業動向分析手法を提案する。
明示的な分析のために、ノイズの影響を低減するために階層的データ(産業および上場企業)分析手法を導入する。
暗黙的な分析のために,産業動向を入力として分析するために,GPT-2を事前訓練する。
論文 参考訳(メタデータ) (2023-03-05T16:17:56Z) - Leveraging Data and Analytics for Digital Business Transformation
through DataOps: An Information Processing Perspective [3.114888928234776]
本稿では、情報処理理論(IPT)のレンズを通して、デジタルビジネス変換、データ分析、データOpsを統合するフレームワークを提案する。
このフレームワークの詳細は、組織が分析情報のニーズを理解するために、統合的で規律のあるアプローチとしてDataOpsを使用する方法を説明する。
論文 参考訳(メタデータ) (2022-01-24T11:49:57Z) - End-to-end Contextual Perception and Prediction with Interaction
Transformer [79.14001602890417]
我々は3次元物体の検出と将来の動きを自動運転の文脈で予測する問題に取り組む。
空間的・時間的依存関係を捉えるために,新しいトランスフォーマーアーキテクチャを用いたリカレントニューラルネットワークを提案する。
私たちのモデルはエンドツーエンドでトレーニングでき、リアルタイムで実行されます。
論文 参考訳(メタデータ) (2020-08-13T14:30:12Z)
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。