CASPR

CASPR คือเฟรมเวิร์กที่ใช้หม้อแปลงสำหรับการเรียนรู้เชิงลึกจากข้อมูลตามลำดับในรูปแบบตาราง ซึ่งพบได้บ่อยที่สุดในแอปพลิเคชันทางธุรกิจ

งานที่มีความสำคัญต่อความสามารถในการทำกำไรขององค์กร เช่น การคาดการณ์การเลิกใช้งานของลูกค้า การตรวจจับบัญชีที่ฉ้อโกง หรือการประมาณมูลค่าตลอดช่วงชีวิตของลูกค้า มักจะได้รับการจัดการโดยโมเดลที่ได้รับการฝึกอบรมเกี่ยวกับฟีเจอร์ที่ออกแบบทางวิศวกรรมจากข้อมูลลูกค้าในรูปแบบตาราง อย่างไรก็ตาม วิศวกรรมฟีเจอร์เฉพาะแอปพลิเคชันจะเพิ่มต้นทุนการพัฒนา การดำเนินงาน และการบำรุงรักษาเมื่อเวลาผ่านไป ความก้าวหน้าล่าสุดในการเรียนรู้การเป็นตัวแทนนำเสนอโอกาสในการลดความซับซ้อนและสรุปวิศวกรรมฟีเจอร์ในแอปพลิเคชันต่างๆ

ด้วย CASPR เราเสนอแนวทางใหม่ในการเข้ารหัสข้อมูลตามลำดับในรูปแบบตาราง (เช่น ธุรกรรมของลูกค้า ประวัติการซื้อ และการโต้ตอบอื่นๆ) ให้เป็นตัวแทนทั่วไปของการเชื่อมโยงระหว่างหัวเรื่อง (เช่น ลูกค้า) กับธุรกิจ เราประเมินการฝังเหล่านี้เป็นคุณลักษณะในการฝึกโมเดลหลายแบบซึ่งครอบคลุมการใช้งานที่หลากหลาย (ดู: กระดาษ) CASPR คือการคาดการณ์และการเป็นตัวแทนตามลำดับกิจกรรมของลูกค้า ใช้สถาปัตยกรรมหม้อแปลงเพื่อเข้ารหัสลำดับกิจกรรมเพื่อปรับปรุงประสิทธิภาพของโมเดล และหลีกเลี่ยงวิศวกรรมฟีเจอร์ที่ออกแบบตามความต้องการในแอปพลิเคชันต่างๆ การทดลองของเราในวงกว้างจะตรวจสอบความถูกต้องของ CASPR สำหรับแอปพลิเคชันระดับองค์กรทั้งขนาดเล็กและขนาดใหญ่

การเริ่มต้นใช้งานและแหล่งข้อมูล

• CASPR: การทำนายและการเป็นตัวแทนตามลำดับกิจกรรมของลูกค้า (NeurIPS 2022, นิวออร์ลีนส์: การเรียนรู้การเป็นตัวแทนแบบตาราง)

  • กระดาษ
  • โปสเตอร์

• สร้าง

  • ข้อกำหนดเบื้องต้น: python==3.9, setuptools
  • การสร้างวงล้อ: python setup.py build bdist_wheel

• การติดตั้ง

   (now)
  pip install .distAI.Models.CASPR-<ver>.whl[<optional-env-modifier>]
  
  (future)
  pip install AI.Models.CASPR[<optional-env-modifier>]
  

  ใช้ตัวแก้ไขด้านล่างเพื่อปรับแต่งการติดตั้งสำหรับระบบเป้าหมาย / usecase:

   horovod     - for distributed training and inference on Horovod
   databricks  - for distributed training and inference on Databricks
   aml         - for (distributed) training and inference on Azure ML
   hdi         - for execution on Azure HD Insights
   xai         - to enable explainability
   test        - for extended test execution
   dev         - for development purposes only
  

• ตัวอย่าง

  (สิ่งที่ต้องทำ: เราสามารถชี้ไปที่ตัวอย่างที่มีความคิดเห็นดีซึ่งมีหรือไม่มีข้อมูลได้หรือไม่)

การมีส่วนร่วมและข้อเสนอแนะ

เรายินดีรับการมีส่วนร่วม! โปรดดูแนวทางการบริจาค

สำหรับการร้องขอคุณสมบัติหรือรายงานข้อผิดพลาดกรุณายื่นปัญหา GitHub

หลักจรรยาบรรณ

โครงการนี้ได้นำหลักจรรยาบรรณของ Microsoft Open Source มาใช้ สำหรับข้อมูลเพิ่มเติม โปรดดูคำถามที่พบบ่อยเกี่ยวกับจรรยาบรรณหรือติดต่อ [email protected] หากมีคำถามหรือความคิดเห็นเพิ่มเติม

ใบอนุญาต

โครงการนี้ได้รับอนุญาตภายใต้ใบอนุญาต MIT

---