HERMES: Hybrid Error-corrector Model with inclusion of External Signals for nonstationary fashion time series
HERMES：融合外部信号的非平稳时尚时间序列混合误差校正模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究非平稳周度时间序列及融合外部信号的预测方法。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
HERMES：融合外部信号的非平稳时尚时间序列混合误差校正模型
- 研究问题
- 如何预测非平稳的时尚趋势，并利用影响者行为形成的外部弱信号，帮助捕捉新趋势与改善库存决策所需的预测？
- 方法与思路
- 作者构建一万条周度时尚序列及配套外部信号，将逐序列季节性参数模型与全局循环神经网络结合进行预测。
- 材料陈述的贡献
- 摘要称公开了时尚时间序列数据集，混合模型在该数据及 M4 周度序列上取得领先表现，并展示外部弱信号的益处。
- 阅读关注点
- 应核对外部信号的提取与可用时间、混合模型的误差校正机制，以及测试划分、基准比较和外部信号的消融分析。
- 阅读边界
- 所据为 arXiv 预印本摘要，同行评审与期刊接收未核实；摘要未列出误差指标、优势幅度或跨行业适用条件。
原文摘要
Developing models and algorithms to predict nonstationary time series is a long standing statistical problem. It is crucial for many applications, in particular for fashion or retail industries, to make optimal inventory decisions and avoid massive wastes. By tracking thousands of fashion trends on social media with state-of-the-art computer vision approaches, we propose a new model for fashion time series forecasting. Our contribution is twofold. We first provide publicly a dataset gathering 10000 weekly fashion time series. As influence dynamics are the key of emerging trend detection, we associate with each time series an external weak signal representing behaviours of influencers. Secondly, to leverage such a dataset, we propose a new hybrid forecasting model. Our approach combines per-time-series parametric models with seasonal components and a global recurrent neural network to include sporadic external signals. This hybrid model provides state-of-the-art results on the proposed fashion dataset, on the weekly time series of the M4 competition, and illustrates the benefit of the contribution of external weak signals.