Core Concepts
複雑なキーバリューシーケンスデータから、アイテム間の相関を活用して効果的な表現を学習し、早期かつ正確な分類を実現する。
Abstract
本研究では、複雑なキーバリューシーケンスデータの早期分類問題に取り組む。キーバリューシーケンスデータは、電子商取引の購買履歴や、ネットワークトラフィックの解析など、様々な実世界アプリケーションで見られる。
提案手法KVEC(Key-Value sequence Early Co-classification)は以下の2つのモジュールから構成される:
キーバリューシーケンス表現学習(KVRL)モジュール
キーの相関とバリューの相関を活用して、効果的なシーケンス表現を学習する
アテンションメカニズムを用いて、アイテム間の相関を捉える
早期共同分類タイミング学習(ECTL)モジュール
強化学習を用いて、各キーバリューシーケンスの分類のタイミングを適応的に決定する
分類の正確性と早期性のバランスを取る
実験では、4つの実世界データセットと1つの合成データセットを用いて評価を行った。提案手法KVECは、同等の早期性条件下で、既存手法に比べて4.7-17.5%の精度向上を達成し、精度と早期性の調和平均でも3.7-14.0%の改善を示した。
Stats
キーバリューシーケンスの長さの平均は31.2-163.5
セッションの長さの平均は1.7-8.3