用于时间序列预测的文本数据
计算与语言
2019-10-30 v2 机器学习
机器学习
摘要
尽管公司报告、社交媒体帖子等文本信息源无处不在,尽管它们可能包含相关信息,但在时间序列预测算法中却很少被纳入。本工作中,利用法国和英国公开可获取的每日天气报告,通过单一流程预测全国电力消耗、平均温度和风速的时间序列。考虑了两种文本数值表示方法,即传统的词频-逆文档频率(TF-IDF)以及我们自有的神经词嵌入。仅使用文本,我们便能以足以替代缺失数据的精度预测上述时间序列。此外,所提出的词嵌入展现出与时间序列行为及词间上下文相似性相关的几何性质。
引用
@article{arxiv.1910.12618,
title = {Textual Data for Time Series Forecasting},
author = {David Obst and Badih Ghattas and Sandra Claudel and Jairo Cugliari and Yannig Goude and Georges Oppenheim},
journal= {arXiv preprint arXiv:1910.12618},
year = {2019}
}
备注
-Added e-mail addresses of authors. -Added author who didn't appear on the paper's arXiv page