文献

J-GLOBAL ID：202002273160270750   整理番号：20A1799552

季節パターンを持つ階層的時系列のための柔軟な予測フレームワーク:Webトラヒックの事例研究【JST・京大機械翻訳】

A Flexible Forecasting Framework for Hierarchical Time Series with Seasonal Patterns A Case Study of Web Traffic

著者 (3件)： Liu Zitao (TAL AI Lab, Beijing, China) ,  Yan Yan (Intelligent Advertising Lab, JD.COM, Mountain View, CA, USA) ,  Hauskrecht Milos (University of Pittsburgh, Pittsburgh, PA, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： SIGIR ’18  ページ： 889-892  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本研究では,階層で組織化された多変量時系列データのモデルと解析に焦点を当てた。このような時系列は階層的時系列(HTS)と呼ばれ,それらはビジネス,管理,エネルギー消費,ソーシャルネットワーク,またはWebトラフィックモデリングと解析において非常に一般的である。階層的関係構造を利用して個々の時系列を予測する新しい柔軟な階層的予測フレームワークを提案した。この新しい予測フレームワークは,(1)HTSモデリングと予測問題を扱うことができる;(2)季節パターンによるHTSの正確な予測;(3)様々な個々の予測モデルを組み込み,HTSデータセット自身の特性化に基づく発見的方法を組み合わせる。提案フレームワークを実世界Webトラヒックデータセットで評価した。結果は,著者らの方式が階層的Webトラフィック予測問題に適用するとき,優れていて,それは精度に関して代替時系列予測モデルより優れていることを実証した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 発見的方法 ,  交通予測 ,  エネルギー消費 ,  *事例研究 ,  キャラクタリゼーション ,  *Web【情報システム】 ,  予測モデル
準シソーラス用語： 時系列データ ,  時系列予測 ,  社会的ネットワーク ,  トラヒックモデリング ,  多変量 , 【Automatic Indexing@JST】

著者キーワード (2件)： 予測 ,  多変量時系列

分類 (3件)： 数値計算  (JE02000J) ,  システム同定  (IA02040O) ,  脳・神経系モデル  (EL02050C)

タイトルに関連する用語 (7件)： 季節 ,  時系列 ,  予測 ,  フレームワーク ,  Web ,  トラヒック ,  研究