.png){kind=icon}
返回
Context-driven cold-start Web traffic forecasting
.png){kind=icon}
OA
AI
DOI：10.1007/s11280-025-01359-7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
冷启动预测在动态场景中至关重要，因为在可观测趋势出现之前，早期预测会驱动关键决策，例如内容优先级排序、资源分配和需求估计。在本工作中，我们探索了多模态预测技术在冷启动预测中的潜力，并提供了关于设计更可扩展和自适应模型的见解。具体而言，我们针对基于上下文的冷启动网页流量预测进行研究，该方法包括相关网页的文本内容和历史网页流量，以在目标新网页无历史数据时生成预测。为推动该领域的研究，我们收集、清理并对齐了一个高维、多模态的网页流量数据集。我们采用了检索增强生成（Retrieval-Augmented Generation）框架，并提出了使用大型语言模型（LLMs）来完成此项任务。我们的实验表明，基于LLMs的策略在多个预测时间范围内均优于统计基准模型。表现最佳的基于LLMs的模型相较于其他方法，将WRMSPE降低了0.81%，WAPE降低了4.5%。此外，基于LLMs的特征提取增强了上下文理解能力，从而提高了长期预测的稳定性。
Keyword:
Web traffic analysis
Cold-start
Multimodal
Time series forecasting
期刊
W
IF:
0
论文数:
68
被引数:
0
机构
引用论文
Forecasting Network Traffic: A Survey and Tutorial With Open-Source Comparative Evaluation.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Invariant representation learning to popularity distribution shift for recommendation流行度分布漂移下的不变表示学习用于推荐
PREAI
分享收藏Empnet: An extract-map-predict neural network architecture for cross-domain recommendationEmpnet：一种用于跨域推荐的提取-映射-预测神经网络架构
IF0
PREAI
分享收藏An opinion leader mining method based on text contents and network features基于文本内容和网络特征的舆论领袖挖掘方法
PREAI
分享收藏KPLLM-STE: Knowledge-enhanced and prompt-aware large language models for short-text expansionKPLLM-STE：用于短文本扩展的知识增强型及提示感知的大语言模型
PREAI
分享收藏
分享收藏
查看更多内容