基于层次化多模态注意力机制循环神经网络的服装新品销售预测(英文) |
| |
引用本文: | 石闻达,杜劲松,李笛出乘.基于层次化多模态注意力机制循环神经网络的服装新品销售预测(英文)[J].东华大学学报(英文版),2024(1):21-27. |
| |
作者姓名: | 石闻达 杜劲松 李笛出乘 |
| |
作者单位: | 1. 东华大学服装与艺术设计学院;2. 新疆大学纺织与服装学院;3. 复旦大学计算机科学技术学院 |
| |
摘 要: | 在新服装产品销售预测任务中,由于缺乏历史销售数据,通常需要充分利用其他模态的数据作为补充。然而,多模态服装数据通常具有冗余性和异构性。为解决这些问题,提出一种包括三个主要元素的层次化多模态注意力循环神经网络(hierarchical multi-modal attention based recurrent neural network, HMA-RNN)。层次化结构将高层语义信息与低层语义信息分离,以避免信息冗余。在模态融合阶段引入多模态注意力机制(multi-modal attention, MMA)以减轻固有的数据不对齐问题。采用共享注意力机制构建跨多模态数据的依赖关系。在Visuelle 2.0数据集上的试验结果表明,所提出的方法加权平均百分比误差(weighted average percentage error, WAPE)为72.07,平均绝对误差(mean absolute error, MAE)为0.80,明显优于现有的方法,表明了该研究所提出的方法的有效性。
|
关 键 词: | 服装销售预测 多模态学习 深度学习 注意力机制(MMA) |
|
|