Journal/Conference: Using Real-World Store Data for Foot Traffic Forecasting
Title: BigData 2018
Authors: S. Abrishami and P. Kumar
URL: https://ieeexplore.ieee.org/document/8622551
1. どんなもの？
Foot traffic (商業施設などの訪問者数)を複数の機械学習について手法を検討
2. 先行研究と比べてどこがすごい？
データ収集の難しいFoot traffic問題を扱った点
3. 技術や手法のキモはどこ？
4. どうやって有効だと検証した？
複数の機械学習モデルを用いて比較検討
5. 議論はある？
6.次に読むべき論文は？
メモ
Foot traffic forecating問題を解く
Foot traffic：商業施設などへの訪問者のこと
Foot traffic問題はデータが存在しないためあまり行われていない
例：S. Abrishami, P. Kumar, and W. Nienaber, “Smart stores:A scalable foot traffic collection and prediction system,”inAdvances in Data Mining. Applications and TheoreticalAspects: 17th Industrial Conference, ICDM 2017, New York,NY, USA, July 12-13, 2017, Proceedings, pp. 107–121, 2017
0. 論文
Journal/Conference: Using Real-World Store Data for Foot Traffic Forecasting Title: BigData 2018 Authors: S. Abrishami and P. Kumar URL: https://ieeexplore.ieee.org/document/8622551
1. どんなもの？
Foot traffic (商業施設などの訪問者数)を複数の機械学習について手法を検討
2. 先行研究と比べてどこがすごい？
データ収集の難しいFoot traffic問題を扱った点
3. 技術や手法のキモはどこ？
4. どうやって有効だと検証した？
複数の機械学習モデルを用いて比較検討
5. 議論はある？
6.次に読むべき論文は？
メモ
Foot traffic forecating問題を解く Foot traffic：商業施設などへの訪問者のこと Foot traffic問題はデータが存在しないためあまり行われていない 例：S. Abrishami, P. Kumar, and W. Nienaber, “Smart stores:A scalable foot traffic collection and prediction system,”inAdvances in Data Mining. Applications and TheoreticalAspects: 17th Industrial Conference, ICDM 2017, New York,NY, USA, July 12-13, 2017, Proceedings, pp. 107–121, 2017
週や日の周期性がわかっているので，入力を1週間前,2週間前と季節性を加味 複数のモデルで実験，精度を検証