論文の概要: Retrieving Continuous Time Event Sequences using Neural Temporal Point
Processes with Learnable Hashing
- arxiv url: http://arxiv.org/abs/2307.09613v1
- Date: Thu, 13 Jul 2023 18:54:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-23 11:58:20.150752
- Title: Retrieving Continuous Time Event Sequences using Neural Temporal Point
Processes with Learnable Hashing
- Title（参考訳）: 学習可能なハッシュを用いたニューラルテンポラリポイントプロセスを用いた連続時間イベントシーケンスの検索
- Authors: Vinayak Gupta and Srikanta Bedathur and Abir De
- Abstract要約: エンド・ツー・エンドのCTES検索に特化して設計された一級フレームワークであるNeuroSeqRetを提案する。
我々は,精度と効率のトレードオフに基づいて,異なる種類のアプリケーションに対する妥当性モデルの4つの変種を開発する。
実験の結果,NeuroSeqRetの精度は向上し,ハッシュ機構の有効性も示された。
- 参考スコア（独自算出の注目度）: 24.963828650935913
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Temporal sequences have become pervasive in various real-world applications.
Consequently, the volume of data generated in the form of continuous time-event
sequence(s) or CTES(s) has increased exponentially in the past few years. Thus,
a significant fraction of the ongoing research on CTES datasets involves
designing models to address downstream tasks such as next-event prediction,
long-term forecasting, sequence classification etc. The recent developments in
predictive modeling using marked temporal point processes (MTPP) have enabled
an accurate characterization of several real-world applications involving the
CTESs. However, due to the complex nature of these CTES datasets, the task of
large-scale retrieval of temporal sequences has been overlooked by the past
literature. In detail, by CTES retrieval we mean that for an input query
sequence, a retrieval system must return a ranked list of relevant sequences
from a large corpus. To tackle this, we propose NeuroSeqRet, a
first-of-its-kind framework designed specifically for end-to-end CTES
retrieval. Specifically, NeuroSeqRet introduces multiple enhancements over
standard retrieval frameworks and first applies a trainable unwarping function
on the query sequence which makes it comparable with corpus sequences,
especially when a relevant query-corpus pair has individually different
attributes. Next, it feeds the unwarped query sequence and the corpus sequence
into MTPP-guided neural relevance models. We develop four variants of the
relevance model for different kinds of applications based on the trade-off
between accuracy and efficiency. We also propose an optimization framework to
learn binary sequence embeddings from the relevance scores, suitable for the
locality-sensitive hashing. Our experiments show the significant accuracy boost
of NeuroSeqRet as well as the efficacy of our hashing mechanism.
- Abstract（参考訳）: 時間系列は、様々な実世界の応用において広く普及している。
その結果、過去数年間で連続時間イベントシーケンスやCTES(s)の形式で生成されたデータの量は指数関数的に増加した。
したがって、cteデータセットに関する現在進行中の研究のかなりの割合は、次のイベント予測、長期予測、シーケンス分類などの下流タスクに対処するモデルを設計することである。
marked temporal point process (mtpp) を用いた予測モデリングの最近の進歩により、ctessを含むいくつかの実世界のアプリケーションを正確にキャラクタリゼーションできるようになった。
しかし,これらのCTESデータセットの複雑な性質から,時間的シーケンスの大規模検索作業は過去の文献では見過ごされている。
詳細はCTES検索によって、入力クエリシーケンスに対して、検索システムは巨大なコーパスから関連するシーケンスのランクリストを返さなければならないことを意味する。
そこで我々は,エンドツーエンドCTES検索に特化して設計された一級フレームワークであるNeuroSeqRetを提案する。
具体的には、NeuroSeqRetは、標準的な検索フレームワークに対する複数の拡張を導入し、まずクエリシーケンスにトレーニング可能なアンウォープ関数を適用し、特に関連するクエリ-コーパスペアが個々の属性を持つ場合、コーパスシーケンスに匹敵する。
次に、未処理のクエリシーケンスとコーパスシーケンスをMTPP誘導神経関連モデルに供給する。
我々は,精度と効率のトレードオフに基づいて,異なる種類のアプリケーションに対する妥当性モデルの4つの変種を開発する。
また,局所性に敏感なハッシュ処理に適した相関スコアからバイナリシーケンス埋め込みを学習するための最適化フレームワークを提案する。
本研究では,NeuroSeqRetの精度向上とハッシュ機構の有効性について検討した。
関連論文リスト
- TimeSiam: A Pre-Training Framework for Siamese Time-Series Modeling [67.02157180089573]
時系列事前トレーニングは、最近、ラベルのコストを削減し、下流の様々なタスクに利益をもたらす可能性があるとして、広く注目を集めている。
本稿では,シームズネットワークに基づく時系列の簡易かつ効果的な自己教師型事前学習フレームワークとしてTimeSiamを提案する。
論文 参考訳（メタデータ） (2024-02-04T13:10:51Z) - Continuous-time convolutions model of event sequences [53.36665135225617]
イベントシーケンスデータの巨大なサンプルは、eコマース、ヘルスケア、ファイナンスなど、さまざまなドメインで発生します。
利用可能なデータの量とクライアント毎のイベントシーケンスの長さは典型的には大きいため、長期的なモデリングが必要である。
時間内の事象の一様発生に適した連続畳み込みニューラルネットワークに基づくCOTIC法を提案する。
論文 参考訳（メタデータ） (2023-02-13T10:34:51Z) - Modeling Time-Series and Spatial Data for Recommendations and Other
Applications [1.713291434132985]
我々は,CTESデータの品質が低いために発生する可能性のある問題をレコメンデーションシステムに入力する。
CTESデータの質を向上させるため、時間的シーケンスにおける欠落イベントを克服する根本的な問題に対処する。
我々は、大規模CTES検索と人間の活動予測のためのソリューションの設計にそれらの能力を拡張した。
論文 参考訳（メタデータ） (2022-12-25T09:34:15Z) - Learning Sequence Representations by Non-local Recurrent Neural Memory [61.65105481899744]
教師付きシーケンス表現学習のためのNon-local Recurrent Neural Memory (NRNM)を提案する。
我々のモデルは長距離依存を捉えることができ、潜伏した高レベル特徴を我々のモデルで抽出することができる。
我々のモデルは、これらのシーケンスアプリケーションごとに特別に設計された他の最先端の手法と比較して好意的に比較する。
論文 参考訳（メタデータ） (2022-07-20T07:26:15Z) - Learning Temporal Point Processes for Efficient Retrieval of Continuous
Time Event Sequences [24.963828650935913]
NEUROSEQRETは,あるクエリシーケンスに対して,関連する連続時間イベントシーケンスの検索とランク付けを学習する。
精度と効率のトレードオフを提供する関係モデルの2つの変種を開発する。
いくつかのデータセットを用いて行った実験では、NEUROSEQRETの精度がいくつかのベースラインを超えていることが示されている。
論文 参考訳（メタデータ） (2022-02-17T11:16:31Z) - Complex Event Forecasting with Prediction Suffix Trees: Extended
Technical Report [70.7321040534471]
複合イベント認識(CER)システムは、イベントのリアルタイムストリーム上のパターンを"即時"検出する能力によって、過去20年間に人気が高まっている。
このような現象が実際にCERエンジンによって検出される前に、パターンがいつ発生するかを予測する方法が不足している。
複雑なイベント予測の問題に対処しようとする形式的なフレームワークを提案する。
論文 参考訳（メタデータ） (2021-09-01T09:52:31Z) - Time Series is a Special Sequence: Forecasting with Sample Convolution
and Interaction [9.449017120452675]
時系列データ(英: time series)とは、時系列データの一種で、時系列で記録された観測の集合である。
既存のディープラーニング技術では、時系列解析にジェネリックシーケンスモデルを使用しており、そのユニークな性質を無視している。
本稿では,新しいニューラルネットワークアーキテクチャを提案し,時系列予測問題に適用し,時間的モデリングのための複数の解像度でサンプル畳み込みと相互作用を行う。
論文 参考訳（メタデータ） (2021-06-17T08:15:04Z) - Interpretable Feature Construction for Time Series Extrinsic Regression [0.028675177318965035]
一部のアプリケーション領域では、対象変数が数値であり、その問題は時系列外部回帰(TSER)として知られている。
TSERの文脈における頑健で解釈可能な特徴構築と選択のためのベイズ法の拡張を提案する。
私たちのアプローチは、TSERに取り組むためのリレーショナルな方法を利用します:(i)、リレーショナルデータスキームに格納されている時系列の多様で単純な表現を構築し、(ii)二次テーブルからデータを「フラット化」するために解釈可能な機能を構築するためにプロポジション化技術を適用します。
論文 参考訳（メタデータ） (2021-03-15T08:12:19Z) - 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) - Convolutional Tensor-Train LSTM for Spatio-temporal Learning [116.24172387469994]
本稿では,ビデオシーケンスの長期相関を効率的に学習できる高次LSTMモデルを提案する。
これは、時間をかけて畳み込み特徴を組み合わせることによって予測を行う、新しいテンソルトレインモジュールによって達成される。
この結果は,幅広いアプリケーションやデータセットにおいて,最先端のパフォーマンス向上を実現している。
論文 参考訳（メタデータ） (2020-02-21T05:00:01Z)
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。