arXiv · AI· Chenghao Gu, Zhuokang Shen, Shenghao Wu, Tingxuan Zhu, Weiyi Luo, Haifeng Tang·· 6 小时前AI 评分23
FARE：面向零售预测的因子感知检索与误差引导融合方法
FARE: Factor-Aware Retrieval with Error-Guided Fusion for Retail Forecasting
AI 导读
论文提出FARE方法，通过因子感知检索与误差引导融合解决零售预测中完整因子组合历史先例少的问题。 该方法在Favorita、M5、Rossmann和Rohlik数据集上，平均降低五个骨干模型WAPE，降幅区间为4.06%至14.63%。
来源：arXiv · AI · arxiv.org