arXiv · cs.AI · Ruobing Zuo, Weiyu Han, Huilin He, Haoyu Jiang, Ze Zhao, Jie Sheng, Xiao Tan, Shuai Chen, Tianyi Zhang · 5 小时前模型评分24
TAPES：面向交易事件序列的任务对齐联合预测预训练框架
TAPES: Task-Aligned Joint Predictive Pretraining for Transaction Event Sequences
导读
研究者提出 TAPES，一个面向交易事件序列的任务对齐联合预测预训练框架，先从字段与算子组合中构建候选目标集，再通过短程联合预训练试验按下游效用挑选目标集，并用共享离散隐变量参数化的联合似然重新初始化编码器后预训练。在真实交易风险场景和多个公开金融基准上，TAPES 优于代表性基线，消融实验验证了预测目标选择与联合建模的贡献。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：金融
事件类型：研究发布
证据摘录
- “To address these challenges, we propose TAPES, a task-aligned joint predictive pretraining framework for transaction sequences.”
来源：arXiv · cs.AI · arxiv.org