用于需求预测的多模态神经网络
机器学习
2022-10-24 v1 人工智能
摘要
需求预测应用已从用于时间序列预测的最先进深度学习方法获益良多。传统的单模态模型主要由季节性驱动，试图将需求建模为历史销售以及节假日与促销事件信息的函数。然而，准确且鲁棒的销售预测需要纳入诸多其他影响因素，例如自然灾害、大流行、选举等，这些通常会影响产品及产品类别的需求。我们提出一种多模态销售预测网络，将新闻文章中的现实事件与传统数据（如历史销售与节假日信息）相结合。此外，我们融合来自 Google Trends 发布的通用产品趋势信息。实证结果显示，在 SMAPE 误差指标上取得统计显著的改进，在真实世界超市数据集上相较现有最先进销售预测技术平均提升 7.37%。
引用
@article{arxiv.2210.11502,
title = {Multimodal Neural Network For Demand Forecasting},
author = {Nitesh Kumar and Kumar Dheenadayalan and Suprabath Reddy and Sumant Kulkarni},
journal= {arXiv preprint arXiv:2210.11502},
year = {2022}
}
备注
Accepted at ICONIP 2022