研究人员推出 TraXion,一个旨在处理多实体时空事件流 (MESES) 的新预训练框架。与之前改编语言建模技术的方法不同,TraXion 基于三个核心公理构建,以准确捕捉移动数据的独特属性,例如元组值事件和持久用户签名。该框架在各种移动数据集上针对异常检测和推荐等任务展示了强大的性能,并且在应用于企业身份验证日志和 ICU 死亡率预测时也显示出有效性,表明其在不同事件流领域具有广泛的适用性。 AI
影响 该框架可以实现对从移动到医疗保健的各个行业的复杂事件数据的更准确建模。
排序理由 该项目是一篇研究论文,详细介绍了用于时空事件流的新框架。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv Recommender
- Litmaps
- ScienceCast
- scite Smart Citations
- Shang-Ling Hsu
- TraXion
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →