Personalized customization: industrial model recommendation system and benchmark for time series monitoring tasks
Year: 2025
Type: article
Abstract: 模型库是高端工业软件的核心组件。“无免费午餐”定理证明没有一种模型能在所有场景中表现良好，根据对象特性确定合适的模型至关重要。然而，常见的模型选择过程繁琐，需要逐一训练候选模型，并根据性能评估来确定最佳模型，这需要大量的标签信息和计算资源。本研究的重点是通过不依赖逐一试验和评估的方式，快速为无标签的目标数据选择合适的模型，提高工业软件模型库对各种工业对象快速支撑和规模应用的能力。本文首次将电子商务推荐系统的理念引入工业领域，提出了工业模型推荐系统的概念，指出并解决了构建工业模型推荐系统的主要挑战，即工业时序数据缺乏直观推荐特征。具体地，本文提出了一套推荐特征挖掘方法，其能够从工业时间序列数据中挖掘与设备无关但与监控性能相关的特征。其次，设计了基于宽度学习和大语言模型的双通路模型推荐方法，其能够建立特征和监控模型性能之间的映射关系，且能够综合多种评价维度上给出推荐结果。此外，构建了一套工业模型推荐系统，包括数据集、特征和模型，为工业时间序列监测任务的模型推荐领域提供了一个基准。通过大量实验验证，展示了工业模型推荐的可行性以及本文方法的有效性。
Source: Scientia Sinica Informationis
Authors: Baoxue LI, Chunhui ZHAO, Jiahao XIU
Language: English
Subfield: Information Systems
Field: Computer Science
Domain: Physical Sciences
Open Access status: bronze
OpenAlex ID: W4412062653