基于预训练–微调策略的电影票房预测

有监督学习模型对数据量有着较高的依赖,然而现有电影票房数据集较少,导致预测精度降低。针对上述问题,提出一种基于预训练–微调策略的电影票房预测模型。利用电影评分和电影票房之间的相关性,在电影评分数据集上采用预训练的方式,使模型提前获取有关电影的先验知识,同时利用电影间的属性差异信息进行数据增强,最后在电影票房数据集上进行微调,实现对电影票房的预测。实验结果表明,所提方法R2指标提升了7%,MSE下降了69%。

基于LSTM模型的电厂传感器点位预测

随着大数据的发展,国内众多电厂也开始智能化改进。传感器点位的实时数值是反应发电机组当前健康状况的重要指标,具有较强的跟踪意义,研究并预测短时间内传感器点位的实时数值变化有助于电厂监盘人员了解发电机组当前的健康状况,能够提前应对意外情况。通过对传感器点位数值的时间序列数据建模分析,使用LSTM模型,对后续的几次传感器点位数值进行短期预测,取得了较好的拟合预测结果,充分说明时间序列模型应用在传感器点位数值的短期预测的可行性。随着电厂智能化的深入,传感器点位预测还应进一步提高准确度,帮助电厂监盘人员更好地应对发电机组异常状况。