多模态时序融合 Transformer 是优秀的产品需求预测器
机器学习
2023-07-07 v1
摘要
多模态需求预测旨在利用视觉、文本与上下文信息预测产品需求。本文提出一种使用卷积、基于图与基于 Transformer 架构的多模态产品需求预测方法。传统的需求预测方法依赖历史需求、产品类别以及季节性、事件等额外上下文信息。然而，这些方法存在若干缺陷，例如冷启动问题使得在特定产品积累足够历史数据前难以预测其需求，且无法妥善处理类别动态。通过引入产品图像与文本描述等多模态信息，我们的架构旨在弥补传统方法的不足并超越其表现。在大型真实数据集上的实验表明，所提方法能有效预测广泛产品的需求。本工作提出的多模态流水线提升了预测的准确度与可靠性，展示了在产品需求预测中利用多模态信息的潜力。
引用
@article{arxiv.2307.02578,
title = {Multimodal Temporal Fusion Transformers Are Good Product Demand Forecasters},
author = {Maarten Sukel and Stevan Rudinac and Marcel Worring},
journal= {arXiv preprint arXiv:2307.02578},
year = {2023}
}