I
nte
rna
t
io
na
l J
o
urna
l o
f
Rec
o
nfig
ura
ble a
nd
E
m
be
dd
e
d Sy
s
t
e
m
s
(
I
J
R
E
S)
Vo
l.
15
,
No
.
1
,
Ma
r
ch
20
26
,
p
p
.
1
59
~
1
69
I
SS
N:
2089
-
4864
,
DOI
:
1
0
.
1
1
5
9
1
/i
j
r
es
.
v
1
5
.
i
1
.
p
p
1
59
-
1
69
159
J
o
ur
na
l
ho
m
ep
a
g
e
:
h
ttp
:
//ij
r
es.ia
esco
r
e.
co
m
Lea
rning
custo
mer pre
fere
n
ce dyn
a
m
ics using
ra
n
k
-
a
w
a
re
m
a
trix
factori
z
a
ti
o
n and
enhanced
co
lla
bo
ra
tive filt
e
ring
m
o
de
l
Sa
t
hy
a
Su
nd
a
r,
E
s
w
a
ra
T
hev
a
r
Ra
m
a
ra
j
,
P
a
d
m
a
priy
a
Aru
m
ug
a
m
D
e
p
a
r
t
me
n
t
o
f
C
o
mp
u
t
e
r
S
c
i
e
n
c
e
,
A
l
a
g
a
p
p
a
U
n
i
v
e
r
si
t
y
,
K
a
r
a
i
k
u
d
i
,
I
n
d
i
a
Art
icle
I
nfo
AB
ST
RAC
T
A
r
ticle
his
to
r
y:
R
ec
eiv
ed
Sep
9
,
2
0
2
4
R
ev
i
s
ed
J
an
1
2
,
2
0
2
6
A
cc
ep
ted
Feb
1
7
,
2
0
2
6
Un
d
e
rsta
n
d
i
n
g
h
o
w
c
u
sto
m
e
r
p
re
fe
re
n
c
e
s
e
v
o
lv
e
o
v
e
r
ti
m
e
is
a
c
rit
ica
l
c
h
a
ll
e
n
g
e
f
o
r
m
o
d
e
rn
re
c
o
m
m
e
n
d
e
r
s
y
ste
m
s
o
p
e
ra
ti
n
g
in
larg
e
-
sc
a
le
,
im
p
li
c
it
-
f
e
e
d
b
a
c
k
–
d
riv
e
n
e
-
c
o
m
m
e
rc
e
e
n
v
iro
n
m
e
n
ts.
T
h
e
p
rim
a
r
y
o
b
jec
ti
v
e
o
f
th
is
stu
d
y
is
to
d
e
v
e
lo
p
a
u
n
if
ied
a
n
d
i
n
ter
p
re
tab
le
f
ra
m
e
w
o
rk
th
a
t
si
m
u
lt
a
n
e
o
u
sly
m
o
d
e
ls
ra
n
k
in
g
-
b
a
se
d
p
re
f
e
re
n
c
e
s,
c
o
ll
a
b
o
ra
ti
v
e
sim
il
a
rit
y
stru
c
tu
re
s,
a
n
d
tem
p
o
ra
l
b
e
h
a
v
io
ra
l
e
v
o
lu
ti
o
n
o
f
c
u
sto
m
e
rs.
T
o
a
c
h
iev
e
th
is,
th
e
stu
d
y
p
ro
p
o
se
s
a
n
o
v
e
l
h
y
b
rid
f
ra
m
e
w
o
rk
th
a
t
in
teg
ra
tes
ra
n
k
-
a
w
a
re
m
a
tri
x
f
a
c
to
riza
ti
o
n
(
RA
-
MF
)
,
e
n
h
a
n
c
e
d
c
o
ll
a
b
o
ra
ti
v
e
f
il
terin
g
(C
F
)
,
K
-
m
e
a
n
s
c
lu
ste
rin
g
,
a
n
d
tem
p
o
ra
l
c
lu
ste
r
m
ig
r
a
ti
o
n
m
a
tri
c
e
s
(T
CM
M
)
f
o
r
lea
rn
in
g
c
u
sto
m
e
r
p
re
fe
re
n
c
e
d
y
n
a
m
i
c
s.
Th
e
ra
n
k
in
g
f
a
c
to
riza
ti
o
n
m
o
d
e
l
e
ff
e
c
ti
v
e
l
y
c
a
p
tu
re
s
im
p
li
c
it
sig
n
a
ls
su
c
h
a
s
p
u
rc
h
a
se
f
re
q
u
e
n
c
y
a
n
d
re
c
e
n
c
y
d
e
c
a
y
,
w
h
il
e
CF
p
r
o
v
id
e
s
c
o
m
p
lem
e
n
tar
y
si
m
il
a
rit
y
-
b
a
s
e
d
in
sig
h
ts.
K
-
m
e
a
n
s
se
g
m
e
n
tatio
n
re
v
e
a
ls
d
iv
e
rs
e
c
u
sto
m
e
r
p
e
rso
n
a
s,
in
c
lu
d
in
g
h
ig
h
-
v
a
lu
e
lo
y
a
l
b
u
y
e
rs
a
n
d
e
x
p
lo
ra
to
ry
sh
o
p
p
e
rs,
w
it
h
sig
n
if
ica
n
t
d
if
f
e
r
e
n
c
e
s
in
sp
e
n
d
in
g
a
n
d
p
u
rc
h
a
s
in
g
b
e
h
a
v
io
r.
Qu
a
n
ti
tativ
e
e
v
a
lu
a
ti
o
n
s
d
e
m
o
n
stra
te
stro
n
g
p
e
rf
o
r
m
a
n
c
e
im
p
ro
v
e
m
e
n
ts,
w
it
h
1
1
–
1
8
%
g
a
in
s
in
ND
CG
@1
0
,
1
0
–
1
5
%
in
c
re
a
se
s
in
P
re
c
isio
n
@1
0
,
a
n
d
n
o
ta
b
le red
u
c
t
io
n
s i
n
r
o
o
t
m
e
a
n
sq
u
a
re
e
rro
r
(
RM
S
E
)
a
n
d
m
e
a
n
a
b
so
lu
te
e
rro
r
(
M
A
E
)
.
T
h
e
re
su
lt
s
h
ig
h
li
g
h
t
th
e
f
ra
m
e
w
o
rk
’s
a
b
il
it
y
t
o
d
e
li
v
e
r
b
o
th
a
c
c
u
ra
te
re
c
o
m
m
e
n
d
a
ti
o
n
s
a
n
d
in
terp
re
tab
le b
e
h
a
v
io
ra
l
in
sig
h
ts,
o
f
fe
rin
g
v
a
lu
a
b
le
c
o
n
tri
b
u
ti
o
n
s
to
p
e
rso
n
a
li
z
e
d
m
a
rk
e
ti
n
g
,
c
u
sto
m
e
r
re
ten
ti
o
n
,
a
n
d
d
a
ta
-
d
riv
e
n
e
-
c
o
m
m
e
r
c
e
stra
t
e
g
y
.
K
ey
w
o
r
d
s
:
C
o
llab
o
r
ativ
e
f
i
lter
in
g
Data
d
r
iv
en
s
tr
ate
g
y
K
-
m
ea
n
s
clu
s
ter
i
n
g
T
em
p
o
r
al
clu
s
ter
m
ig
r
atio
n
m
atr
ices
al
g
o
r
ith
m
T
u
r
icr
ea
te
f
ac
to
r
izatio
n
T
h
is i
s
a
n
o
p
e
n
a
c
c
e
ss
a
rticle
u
n
d
e
r th
e
CC B
Y
-
SA
li
c
e
n
se
.
C
o
r
r
e
s
p
o
nd
ing
A
uth
o
r
:
Sath
y
a
S
u
n
d
ar
Dep
ar
t
m
en
t o
f
C
o
m
p
u
ter
Scie
n
ce
,
A
lag
ap
p
a
Un
i
v
er
s
i
t
y
Kar
aik
u
d
i
630
0
0
3
,
I
n
d
ia
E
m
ail:
t
n
csat
h
y
a@
g
m
ail.
co
m
1.
I
NT
RO
D
UCT
I
O
N
T
h
e
r
ap
id
ex
p
an
s
io
n
o
f
d
ig
i
tal
ec
o
s
y
s
te
m
s
h
as
tr
a
n
s
f
o
r
m
ed
th
e
w
a
y
u
s
er
s
in
ter
ac
t
with
o
n
li
n
e
p
latf
o
r
m
s
,
lead
in
g
to
an
u
n
p
r
ec
ed
en
ted
in
cr
ea
s
e
in
th
e
v
o
lu
m
e,
v
elo
cit
y
,
an
d
v
ar
iet
y
o
f
u
s
er
–
ite
m
in
ter
ac
tio
n
d
ata
g
en
er
ated
ev
er
y
s
ec
o
n
d
ac
r
o
s
s
e
-
co
m
m
er
ce
,
en
te
r
t
ain
m
en
t,
s
o
cial
m
ed
ia,
an
d
s
er
v
ice
-
o
r
ien
ted
ap
p
licatio
n
s
.
As
p
latf
o
r
m
s
ev
o
lv
e
to
s
er
v
e
m
illi
o
n
s
o
f
u
s
er
s
s
i
m
u
lta
n
eo
u
s
l
y
,
th
e
ab
ilit
y
to
u
n
d
er
s
ta
n
d
,
m
o
d
el,
an
d
p
r
ed
ict
cu
s
to
m
er
p
r
ef
er
en
ce
s
h
as
b
ec
o
m
e
a
ce
n
tr
al
r
eq
u
ir
e
m
e
n
t
f
o
r
b
u
ild
in
g
i
n
tel
lig
e
n
t
a
n
d
ad
ap
ti
v
e
r
ec
o
m
m
e
n
d
er
s
y
s
te
m
s
.
T
r
ad
itio
n
al
r
ec
o
m
m
e
n
d
atio
n
m
o
d
els
—
esp
ec
iall
y
m
e
m
o
r
y
-
b
ased
c
o
llab
o
r
ativ
e
f
ilter
i
n
g
(
CF
)
ap
p
r
o
ac
h
es
s
u
ch
as
u
s
er
–
u
s
er
an
d
ite
m
–
ite
m
s
i
m
il
ar
it
y
m
et
h
o
d
s
—
w
er
e
in
s
tr
u
m
en
tal
in
th
e
ea
r
l
y
d
ev
elo
p
m
en
t
o
f
p
er
s
o
n
aliza
tio
n
s
y
s
te
m
s
,
y
et
t
h
e
y
e
x
h
ib
it
s
i
g
n
i
f
ica
n
t
li
m
i
tatio
n
s
w
h
e
n
ap
p
lied
to
lar
g
e
-
s
ca
le,
d
y
n
a
m
ic,
an
d
s
p
ar
s
it
y
-
p
r
o
n
e
en
v
ir
o
n
m
e
n
t
s
.
T
h
ese
class
ical
m
et
h
o
d
s
ass
u
m
e
s
tab
le
u
s
er
p
r
ef
er
en
ce
s
a
n
d
r
el
y
h
ea
v
i
l
y
o
n
co
-
r
atin
g
p
atter
n
s
,
m
a
k
i
n
g
th
e
m
less
ef
f
ec
t
iv
e
w
h
e
n
i
n
ter
ac
tio
n
m
atr
ice
s
ar
e
s
p
ar
s
e,
n
o
i
s
y
,
o
r
d
o
m
i
n
ated
b
y
i
m
p
licit b
eh
a
v
io
r
al
s
ig
n
als r
at
h
er
th
a
n
ex
p
licit
r
atin
g
s
[
1
]
-
[
4
]
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
0
8
9
-
4864
I
n
t J
R
ec
o
n
f
i
g
u
r
ab
le
&
E
m
b
ed
d
ed
Sy
s
t
,
Vo
l.
15
,
No
.
1
,
Ma
r
c
h
202
6
: a
b
-
cd
160
W
ith
th
e
g
r
o
w
i
n
g
p
r
ev
ale
n
ce
o
f
i
m
p
licit
f
ee
d
b
ac
k
s
u
c
h
as
c
lick
s
,
v
ie
w
s
,
li
k
es,
s
k
ip
b
eh
av
io
r
,
s
ea
r
ch
lo
g
s
,
an
d
d
w
ell
ti
m
e,
th
e
c
h
all
en
g
e
h
as
s
h
i
f
ted
f
r
o
m
s
i
m
p
l
y
p
r
ed
ictin
g
r
atin
g
s
to
u
n
d
er
s
ta
n
d
in
g
r
an
k
i
n
g
-
b
ase
d
p
r
ef
er
en
ce
s
e
m
b
ed
d
ed
w
it
h
i
n
u
s
er
ac
tio
n
s
,
w
h
ich
o
f
ten
r
ef
lect
m
o
r
e
ac
cu
r
ate
an
d
s
u
b
tle
in
d
icato
r
s
o
f
tr
u
e
in
ter
est.
C
o
n
s
eq
u
e
n
tl
y
,
m
atr
i
x
f
ac
to
r
izatio
n
(
MF)
–
b
ased
m
o
d
els
h
av
e
g
ai
n
ed
p
r
o
m
in
e
n
ce
d
u
e
to
th
eir
ab
ilit
y
to
r
ed
u
ce
h
ig
h
-
d
i
m
e
n
s
io
n
al
u
s
er
–
ite
m
m
a
tr
ices
in
to
co
m
p
ac
t
laten
t
r
ep
r
esen
tatio
n
s
,
en
ab
lin
g
b
etter
g
en
er
al
izatio
n
an
d
i
m
p
r
o
v
ed
p
r
ed
ictiv
e
p
er
f
o
r
m
an
ce
.
Ho
w
e
v
er
,
clas
s
ical
M
F tec
h
n
iq
u
e
s
p
r
i
m
ar
il
y
o
p
ti
m
i
ze
n
u
m
er
ical
r
ati
n
g
r
ec
o
n
s
tr
u
ctio
n
a
n
d
ar
e
n
o
t
i
n
h
er
en
tl
y
d
esig
n
ed
to
lear
n
p
r
ef
e
r
en
ce
o
r
d
er
in
g
s
o
r
d
y
n
a
m
ic
b
e
h
av
io
r
al
tr
a
n
s
it
io
n
s
.
Fu
r
t
h
er
m
o
r
e,
th
e
y
s
tr
u
g
g
le
w
it
h
co
ld
-
s
tar
t
s
it
u
atio
n
s
,
lo
n
g
-
tai
l
ite
m
d
is
tr
ib
u
tio
n
s
,
te
m
p
o
r
al
p
r
ef
er
en
ce
d
r
if
t,
an
d
h
ig
h
l
y
s
p
ar
s
e
d
ataset
s
w
h
er
e
t
r
ad
itio
n
al
r
atin
g
-
b
ased
lo
s
s
f
u
n
ctio
n
s
f
ail
to
ex
tr
ac
t
m
ea
n
i
n
g
f
u
l
p
atter
n
s
[
5
]
-
[
8
]
.
T
o
ad
d
r
ess
th
ese
li
m
itatio
n
s
,
th
e
f
ie
ld
h
a
s
m
o
v
ed
to
w
ar
d
r
an
k
in
g
-
a
w
ar
e
lear
n
in
g
s
tr
at
eg
ies
—
p
ar
ticu
lar
l
y
p
air
w
is
e
a
n
d
li
s
t
w
is
e
o
p
ti
m
i
za
tio
n
m
eth
o
d
s
s
u
c
h
as
B
a
y
esian
p
er
s
o
n
a
lized
r
an
k
in
g
(
B
P
R
)
—
w
h
ich
ar
e
ex
p
licitl
y
d
esi
g
n
ed
to
ca
p
tu
r
e
i
m
p
licit
p
r
ef
er
e
n
ce
s
i
g
n
al
s
b
y
d
ir
ec
tl
y
m
o
d
eli
n
g
h
o
w
u
s
er
s
r
an
k
ce
r
tai
n
ite
m
s
re
lativ
e
to
o
th
er
s
.
R
a
n
k
-
a
w
ar
e
m
eth
o
d
s
h
av
e
d
e
m
o
n
s
tr
ated
s
u
p
er
io
r
p
er
f
o
r
m
a
n
ce
in
s
ce
n
a
r
io
s
w
h
er
e
ex
p
licit
r
atin
g
s
ar
e
eit
h
er
s
ca
r
ce
o
r
u
n
r
eliab
le,
y
et
t
h
e
y
o
f
te
n
lo
s
e
co
n
te
x
tu
a
l
in
f
o
r
m
a
tio
n
o
r
r
el
y
o
n
s
i
m
p
li
f
ied
ass
u
m
p
tio
n
s
t
h
at
li
m
it t
h
eir
ab
ilit
y
to
ca
p
tu
r
e
co
m
p
le
x
u
s
er
s
i
m
ilar
it
y
s
tr
u
ct
u
r
es.
Si
m
i
lar
l
y
,
d
ee
p
lear
n
i
n
g
–
b
ased
r
ec
o
m
m
en
d
er
f
r
a
m
e
w
o
r
k
s
s
u
c
h
as
n
e
u
r
al
co
llab
o
r
ativ
e
f
ilter
i
n
g
(
NC
F),
au
to
en
co
d
er
s
,
an
d
atten
tio
n
-
b
ased
m
o
d
els
h
a
v
e
ac
h
iev
ed
s
i
g
n
i
f
ican
t
i
m
p
r
o
v
e
m
en
ts
b
y
le
v
er
ag
i
n
g
n
o
n
-
li
n
ea
r
tr
an
s
f
o
r
m
atio
n
s
a
n
d
m
u
lti
-
la
y
er
f
ea
tu
r
e
lear
n
in
g
,
b
u
t
t
h
e
y
co
m
e
at
th
e
co
s
t
o
f
in
cr
ea
s
ed
co
m
p
u
tatio
n
al
co
m
p
le
x
it
y
,
r
ed
u
ce
d
in
ter
p
r
etab
ilit
y
,
a
n
d
li
m
it
ed
s
ca
lab
ilit
y
f
o
r
ex
tr
e
m
el
y
lar
g
e
d
atasets
.
I
n
th
is
co
n
tex
t,
h
y
b
r
id
r
ec
o
m
m
e
n
d
ati
o
n
ar
ch
itect
u
r
es
h
av
e
e
m
er
g
e
d
as
a
p
r
o
m
i
s
i
n
g
d
ir
ec
tio
n
,
o
f
f
er
in
g
t
h
e
ab
ilit
y
to
co
m
b
i
n
e
t
h
e
s
tr
en
g
t
h
s
o
f
m
u
ltip
le
ap
p
r
o
ac
h
es
—
s
u
c
h
a
s
MF
f
o
r
laten
t
e
m
b
ed
d
in
g
g
en
er
atio
n
,
CF
f
o
r
n
eig
h
b
o
r
h
o
o
d
m
o
d
eli
n
g
,
an
d
r
an
k
i
n
g
-
b
ased
o
p
ti
m
izatio
n
f
o
r
p
r
ef
er
en
ce
o
r
d
er
in
g
.
Yet,
m
an
y
h
y
b
r
id
m
o
d
els
s
till
n
e
g
lect
t
h
e
te
m
p
o
r
al
n
atu
r
e
o
f
u
s
er
p
r
ef
er
en
ce
s
,
o
v
er
lo
o
k
in
g
th
e
f
ac
t
th
at
cu
s
to
m
er
b
eh
av
io
r
is
d
y
n
a
m
ic
an
d
ch
a
n
g
e
s
w
it
h
e
v
o
lv
i
n
g
i
n
t
er
ests
,
tr
en
d
s
,
a
n
d
co
n
te
x
tu
a
l
f
ac
to
r
s
.
T
h
e
ch
allen
g
e
lie
s
n
o
t
o
n
l
y
i
n
id
e
n
ti
f
y
i
n
g
s
tatic
p
r
ef
er
en
ce
p
atter
n
s
b
u
t
a
ls
o
in
m
o
d
elin
g
t
h
e
co
n
ti
n
u
o
u
s
ev
o
lu
tio
n
o
f
t
h
ese
p
r
ef
er
en
ce
s
o
v
er
tim
e
[9
]
-
[
1
2
]
.
Giv
e
n
th
i
s
lan
d
s
ca
p
e,
th
er
e
is
an
in
cr
ea
s
i
n
g
n
ee
d
f
o
r
r
ec
o
m
m
en
d
atio
n
f
r
a
m
e
w
o
r
k
s
t
h
at
ca
n
s
i
m
u
l
tan
eo
u
s
l
y
h
an
d
le
r
an
k
i
n
g
-
b
ased
s
ig
n
als,
laten
t
e
m
b
ed
d
i
n
g
lear
n
in
g
,
s
i
m
ilar
it
y
m
o
d
eli
n
g
,
an
d
te
m
p
o
r
al
p
r
ef
er
en
ce
s
h
i
f
t
s
in
a
u
n
if
ied
ar
ch
itectu
r
e
[
1
3
]
-
[
1
7
]
.
T
h
e
p
r
o
p
o
s
ed
r
esear
ch
ad
d
r
ess
es
th
is
n
ee
d
b
y
d
ev
e
l
o
p
in
g
an
i
n
teg
r
ated
s
y
s
te
m
t
h
at
co
m
b
i
n
es
r
an
k
-
a
war
e
m
atr
i
x
f
ac
to
r
izatio
n
(
R
A
-
MF)
w
it
h
an
e
n
h
a
n
ce
d
co
llab
o
r
ativ
e
f
il
ter
in
g
(
E
C
F)
f
r
a
m
e
w
o
r
k
to
ac
cu
r
a
tel
y
ca
p
t
u
r
e
b
o
th
th
e
s
tr
u
ct
u
r
al
an
d
d
y
n
a
m
ic
a
s
p
ec
ts
o
f
cu
s
to
m
er
p
r
ef
er
en
ce
s
.
R
A
-
MF
in
tr
o
d
u
ce
s
a
p
air
w
is
e
r
a
n
k
in
g
lo
s
s
f
u
n
ctio
n
d
esi
g
n
ed
to
m
ap
u
s
er
s
an
d
ite
m
s
i
n
to
a
la
ten
t
s
p
ac
e
w
h
er
e
o
r
d
er
ed
p
r
ef
er
en
ce
s
ar
e
p
r
eser
v
ed
,
e
n
ab
lin
g
th
e
s
y
s
te
m
to
i
n
f
er
s
u
b
tle
b
eh
av
io
r
al
p
atter
n
s
f
r
o
m
i
m
p
licit
f
ee
d
b
ac
k
.
Me
an
w
h
ile,
E
C
F
e
n
h
a
n
ce
s
tr
ad
itio
n
al
C
F
b
y
u
s
in
g
m
etr
ic
-
le
ar
n
in
g
–
d
r
iv
en
s
i
m
ilar
it
y
co
m
p
u
tatio
n
,
w
h
ic
h
lead
s
to
m
o
r
e
r
o
b
u
s
t
n
e
ig
h
b
o
r
h
o
o
d
co
n
s
tr
u
ct
io
n
e
v
en
u
n
d
er
ex
tr
e
m
e
s
p
ar
s
i
t
y
.
T
o
g
eth
er
,
t
h
ese
c
o
m
p
o
n
en
t
s
f
o
r
m
a
h
y
b
r
id
ar
ch
i
tectu
r
e
th
at
m
o
d
els
n
o
t
o
n
l
y
t
h
e
m
a
g
n
i
tu
d
e
o
f
u
s
er
–
ite
m
i
n
ter
ac
tio
n
s
b
u
t
also
th
eir
o
r
d
er
in
g
,
co
n
tex
t,
an
d
ev
o
lu
tio
n
o
v
er
tim
e.
A
d
y
n
a
m
ic
p
r
ef
er
en
ce
ad
ap
tatio
n
m
o
d
u
le
f
u
r
th
er
en
r
ic
h
es
th
i
s
ar
ch
itect
u
r
e
b
y
ap
p
l
y
i
n
g
ti
m
e
-
d
ec
a
y
w
e
ig
h
tin
g
,
s
eq
u
en
t
i
al
in
ter
ac
tio
n
m
o
d
elin
g
,
an
d
in
cr
e
m
en
ta
l
u
p
d
atin
g
o
f
laten
t
v
ec
to
r
s
as
n
e
w
d
ata
ar
r
iv
e
s
,
en
s
u
r
i
n
g
th
at
t
h
e
s
y
s
te
m
r
e
m
ai
n
s
r
esp
o
n
s
i
v
e
to
ch
a
n
g
i
n
g
u
s
er
te
n
d
en
cies.
A
d
d
itio
n
all
y
,
m
etad
ata
-
b
ased
co
ld
-
s
tar
t
h
a
n
d
lin
g
i
s
i
n
co
r
p
o
r
ated
th
r
o
u
g
h
s
e
m
a
n
tic
e
m
b
ed
d
in
g
s
d
er
iv
ed
f
r
o
m
ite
m
d
escr
ip
tio
n
s
,
ca
teg
o
r
ies,
o
r
te
x
tu
a
l
f
ea
t
u
r
es,
en
ab
lin
g
m
ea
n
in
g
f
u
l
in
i
tializatio
n
o
f
laten
t
v
ec
to
r
s
in
s
ce
n
ar
io
s
w
h
er
e
in
ter
ac
tio
n
h
i
s
to
r
ies ar
e
li
m
ited
o
r
u
n
a
v
ailab
le
[
1
8
]
-
[
2
5
]
.
T
h
e
m
o
tiv
at
io
n
b
e
h
in
d
th
i
s
wo
r
k
s
te
m
s
f
r
o
m
b
o
th
tec
h
n
o
lo
g
ica
l a
n
d
p
r
ac
tical
co
n
s
id
er
ati
o
n
s
.
Fro
m
a
tech
n
o
lo
g
ical
s
ta
n
d
p
o
in
t,
th
e
ex
p
lo
s
iv
e
g
r
o
w
t
h
o
f
d
ig
ital
d
atasets
d
e
m
a
n
d
s
s
ca
lab
le
m
ac
h
in
e
lear
n
i
n
g
m
o
d
el
s
ca
p
ab
le
o
f
h
an
d
li
n
g
m
illi
o
n
s
o
f
in
ter
ac
t
io
n
s
w
ith
o
u
t
co
m
p
r
o
m
i
s
in
g
ac
c
u
r
ac
y
o
r
in
ter
p
r
etab
ilit
y
.
C
la
s
s
ica
l
r
ec
o
m
m
e
n
d
atio
n
m
o
d
els,
alt
h
o
u
g
h
co
m
p
u
tat
io
n
all
y
in
e
x
p
e
n
s
i
v
e,
f
ail
to
m
ee
t
th
e
ac
cu
r
a
c
y
r
eq
u
ir
e
m
e
n
ts
o
f
m
o
d
er
n
ap
p
licatio
n
s
,
w
h
i
le
m
an
y
d
ee
p
-
lear
n
in
g
–
b
ased
s
o
lu
t
io
n
s
in
tr
o
d
u
ce
h
ea
v
y
co
m
p
u
ta
tio
n
al
o
v
er
h
ea
d
an
d
li
m
ited
tr
a
n
s
p
ar
en
c
y
.
He
n
ce
,
t
h
er
e
is
a
p
r
ess
i
n
g
n
e
ed
f
o
r
h
y
b
r
id
m
o
d
els
t
h
at
b
alan
ce
al
g
o
r
ith
m
ic
s
o
p
h
i
s
ticat
io
n
w
it
h
co
m
p
u
tatio
n
al
f
ea
s
ib
ilit
y
.
On
t
h
e
p
r
ac
tical
s
id
e,
u
n
d
er
s
tan
d
i
n
g
c
u
s
to
m
er
b
eh
a
v
io
r
d
y
n
a
m
ic
s
h
a
s
w
id
esp
r
ea
d
i
m
p
l
icatio
n
s
ac
r
o
s
s
n
u
m
er
o
u
s
d
o
m
a
in
s
—
r
an
g
i
n
g
f
r
o
m
p
er
s
o
n
al
ized
p
r
o
d
u
ct
r
ec
o
m
m
e
n
d
atio
n
s
an
d
co
n
ten
t
r
an
k
i
n
g
to
tar
g
eted
ad
v
er
tis
i
n
g
,
u
s
er
e
x
p
er
ien
ce
o
p
ti
m
izatio
n
,
an
d
d
ec
i
s
io
n
-
s
u
p
p
o
r
t
s
y
s
te
m
s
.
A
s
u
s
er
atten
tio
n
b
ec
o
m
es
i
n
cr
ea
s
i
n
g
l
y
f
r
a
g
m
en
ted
,
ca
p
tu
r
i
n
g
s
u
b
tl
e
p
atter
n
s
i
n
b
r
o
w
s
i
n
g
,
click
i
n
g
,
a
n
d
en
g
ag
e
m
e
n
t
b
eh
av
io
r
b
ec
o
m
es
v
ital
f
o
r
d
eliv
e
r
in
g
m
ea
n
i
n
g
f
u
l
a
n
d
r
elev
a
n
t
r
ec
o
m
m
e
n
d
atio
n
s
.
B
y
i
n
te
g
r
a
tin
g
r
an
k
in
g
-
a
w
ar
e
lear
n
in
g
w
it
h
co
llab
o
r
ativ
e
s
i
m
ilar
it
y
m
o
d
eli
n
g
a
n
d
te
m
p
o
r
al
ad
ap
tatio
n
,
th
e
p
r
o
p
o
s
ed
f
r
a
m
e
w
o
r
k
is
p
o
s
itio
n
ed
to
b
r
id
g
e
s
ev
er
al
g
ap
s
in
c
u
r
r
en
t
r
ec
o
m
m
en
d
er
s
y
s
te
m
r
esear
ch
.
T
h
is
s
tu
d
y
co
n
tr
ib
u
te
s
to
th
e
b
r
o
ad
er
f
ield
o
f
m
ac
h
in
e
lear
n
i
n
g
a
n
d
u
s
er
m
o
d
eli
n
g
b
y
o
f
f
er
i
n
g
a
s
ca
l
ab
le,
in
ter
p
r
etab
le,
an
d
h
ig
h
l
y
ef
f
ec
ti
v
e
h
y
b
r
id
r
ec
o
m
m
e
n
d
atio
n
m
ec
h
a
n
i
s
m
ca
p
ab
le
o
f
lear
n
in
g
n
o
t
o
n
l
y
w
h
at
u
s
er
s
p
r
ef
er
b
u
t
al
s
o
h
o
w
t
h
eir
p
r
ef
er
en
ce
s
ch
an
g
e
o
v
er
ti
m
e.
T
h
r
o
u
g
h
ex
ten
s
i
v
e
ex
p
er
i
m
e
n
tat
io
n
o
n
b
en
ch
m
ar
k
d
ataset
s
s
u
c
h
as
Mo
v
ieL
e
n
s
,
Am
az
o
n
R
ev
ie
w
s
,
an
d
Yelp
,
th
e
r
esear
ch
ai
m
s
to
d
e
m
o
n
s
tr
ate
th
e
s
u
p
er
io
r
it
y
o
f
th
e
p
r
o
p
o
s
ed
m
o
d
el
o
v
er
b
aseli
n
e
m
et
h
o
d
s
—
i
n
clu
d
i
n
g
class
ica
l
C
F,
MF
v
ar
ia
n
ts
,
B
P
R
,
an
d
n
e
u
r
al
CF
—
ac
r
o
s
s
a
r
an
g
e
o
f
e
v
a
lu
atio
n
m
etr
ics
s
u
c
h
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t J
R
ec
o
n
f
i
g
u
r
ab
le
&
E
m
b
ed
d
ed
Sy
s
t
I
SS
N:
2089
-
4864
Lea
r
n
in
g
cu
s
to
mer p
r
eferen
ce
d
yn
a
mics u
s
in
g
r
a
n
k
-
a
w
a
r
e
ma
tr
ix
fa
cto
r
iz
a
tio
n
a
n
d
…
(
S
a
th
ya
S
u
n
d
a
r
)
161
as
P
r
ec
is
io
n
@
K,
R
ec
al
l@
K,
n
o
r
m
al
ized
d
is
co
u
n
ted
cu
m
u
lati
v
e
g
ain
(
NDCG
)
,
r
o
o
t
m
ea
n
s
q
u
ar
e
er
r
o
r
(
R
MSE
)
,
an
d
ar
ea
u
n
d
er
t
h
e
cu
r
v
e
(
A
U
C
)
.
B
ey
o
n
d
p
er
f
o
r
m
a
n
ce
i
m
p
r
o
v
e
m
e
n
ts
,
t
h
e
m
o
d
el
also
ai
m
s
to
p
r
o
v
id
e
in
s
i
g
h
ts
in
to
t
h
e
u
n
d
er
l
y
i
n
g
s
tr
u
ct
u
r
e
o
f
cu
s
to
m
er
p
r
ef
er
en
ce
s
,
en
ab
lin
g
a
d
ee
p
er
u
n
d
er
s
ta
n
d
i
n
g
o
f
h
o
w
d
i
f
f
er
en
t
b
eh
av
io
r
al
s
i
g
n
als
co
n
tr
ib
u
te
to
r
ec
o
m
m
e
n
d
atio
n
ac
cu
r
ac
y
.
Ulti
m
a
tel
y
,
t
h
i
s
in
tr
o
d
u
ctio
n
l
a
y
s
t
h
e
f
o
u
n
d
atio
n
f
o
r
a
co
m
p
r
eh
en
s
i
v
e
ex
p
lo
r
at
io
n
o
f
h
y
b
r
id
r
an
k
-
a
w
a
r
e
r
ec
o
m
m
e
n
d
atio
n
tec
h
n
iq
u
e
s
,
s
ett
in
g
th
e
s
tag
e
f
o
r
a
d
etailed
an
al
y
s
i
s
o
f
m
et
h
o
d
o
lo
g
y
,
o
p
ti
m
izatio
n
s
tr
ate
g
ie
s
,
s
y
s
te
m
ar
c
h
itect
u
r
e,
ex
p
er
i
m
e
n
tal
ev
alu
atio
n
,
an
d
f
u
tu
r
e
r
esear
ch
o
p
p
o
r
tu
n
it
ies
.
2.
RE
L
AT
E
D
WO
RK
R
ec
en
t
ad
v
an
ce
m
e
n
t
s
in
r
ec
o
m
m
en
d
er
s
y
s
te
m
s
h
a
v
e
f
o
cu
s
ed
h
ea
v
il
y
o
n
m
o
d
eli
n
g
d
y
n
a
m
ic
u
s
er
p
r
ef
er
en
ce
s
,
in
te
g
r
ati
n
g
co
n
te
x
tu
a
l
cu
es,
an
d
en
r
ich
i
n
g
laten
t
r
ep
r
esen
tatio
n
s
u
s
in
g
d
ee
p
le
ar
n
in
g
an
d
atten
tio
n
m
ec
h
a
n
i
s
m
s
.
Va
g
h
ar
i
et
a
l.
[
1
]
in
tr
o
d
u
ce
d
a
g
r
o
u
p
-
a
tte
n
ti
o
n
m
ec
h
a
n
is
m
t
h
at
ca
p
t
u
r
es
c
o
llab
o
r
ativ
e
s
ig
n
al
s
f
r
o
m
s
eq
u
en
tial
f
ee
d
b
ac
k
an
d
co
n
te
x
tu
a
l
attr
ib
u
te
s
,
d
em
o
n
s
tr
ati
n
g
t
h
at
atte
n
tio
n
-
b
ased
ag
g
r
eg
at
io
n
s
ig
n
i
f
ica
n
tl
y
e
n
h
a
n
ce
s
u
s
er
–
ite
m
i
n
ter
ac
tio
n
m
o
d
eli
n
g
i
n
c
o
m
p
le
x
e
n
v
ir
o
n
m
en
t
s
.
Si
m
i
la
r
l
y
,
Z
h
a
n
g
et
a
l.
[2
]
p
r
o
p
o
s
ed
a
co
n
tr
asti
v
e
lear
n
i
n
g
–
b
ased
f
u
s
io
n
m
et
h
o
d
f
o
r
ite
m
at
tr
ib
u
tes
in
s
eq
u
e
n
tia
l
r
ec
o
m
m
e
n
d
atio
n
,
e
m
p
h
a
s
izi
n
g
t
h
at
r
o
b
u
s
t
r
ep
r
esen
tat
io
n
lear
n
i
n
g
ac
r
o
s
s
h
e
ter
o
g
en
eo
u
s
m
o
d
alities
p
la
y
s
a
cr
itical
r
o
le
in
r
ed
u
cin
g
s
p
ar
s
it
y
an
d
i
m
p
r
o
v
in
g
g
en
er
aliza
tio
n
.
J
ag
atap
et
a
l.
[
3
]
ex
ten
d
ed
th
is
n
o
ti
o
n
b
y
d
ev
elo
p
in
g
A
T
T
R
iB
E
R
T
,
a
s
ess
io
n
-
b
ase
d
attr
ib
u
te
r
ec
o
m
m
e
n
d
atio
n
m
o
d
el
t
h
at
ap
p
lies
tr
an
s
f
o
r
m
er
-
b
ased
co
n
tex
t
u
al
e
m
b
ed
d
in
g
s
to
en
h
a
n
ce
p
r
o
d
u
ct
attr
ib
u
te
p
r
ed
ictio
n
i
n
e
-
co
m
m
er
ce
,
h
ig
h
li
g
h
ti
n
g
t
h
e
g
r
o
w
i
n
g
r
elian
ce
o
n
p
r
e
-
tr
ain
ed
lan
g
u
ag
e
m
o
d
els f
o
r
p
er
s
o
n
aliza
tio
n
task
s
.
T
em
p
o
r
al
an
d
s
p
atial
d
y
n
a
m
ics
also
f
o
r
m
a
m
aj
o
r
r
esear
ch
d
i
m
e
n
s
io
n
in
p
r
ef
er
en
ce
m
o
d
eli
n
g
.
A
c
h
ar
y
a
et
a
l.
[
4
]
in
tr
o
d
u
ce
d
a
lo
n
g
-
ter
m
p
r
ef
er
en
ce
m
i
n
i
n
g
m
et
h
o
d
th
at
i
n
te
g
r
ates
te
m
p
o
r
al
an
d
s
p
atial
f
u
s
i
o
n
f
o
r
p
o
in
t
-
of
-
i
n
ter
est
(
P
OI
)
p
r
ed
ictio
n
,
ar
g
u
i
n
g
th
at
u
s
er
m
o
b
ilit
y
p
atter
n
s
a
n
d
ti
m
e
-
s
e
n
s
iti
v
e
b
eh
av
io
r
ar
e
ess
e
n
tial f
o
r
ac
cu
r
ate
s
eq
u
en
ti
al
r
ec
o
m
m
en
d
atio
n
.
Su
et
a
l.
[
5
]
ex
p
an
d
ed
u
p
o
n
s
id
e
-
in
f
o
r
m
atio
n
in
te
g
r
atio
n
b
y
p
r
o
p
o
s
in
g
an
e
n
h
a
n
ce
d
f
u
s
io
n
f
r
a
m
e
w
o
r
k
th
at
s
y
s
te
m
atic
all
y
in
co
r
p
o
r
ates
au
x
il
iar
y
s
i
g
n
al
s
s
u
c
h
as
ite
m
m
etad
ata
an
d
co
n
tex
t
u
al
f
ea
t
u
r
es,
i
m
p
r
o
v
in
g
ad
ap
tab
ilit
y
i
n
m
u
lt
i
-
s
ce
n
ar
io
r
ec
o
m
m
e
n
d
atio
n
en
v
ir
o
n
m
e
n
ts
.
Xu
et
a
l.
[
6
]
f
u
r
t
h
er
d
e
m
o
n
s
t
r
ated
th
at
m
u
lti
-
attr
ib
u
te
ite
m
r
ep
r
esen
tatio
n
s
s
i
g
n
i
f
ican
tl
y
i
m
p
r
o
v
e
s
eq
u
en
t
ial
p
r
ed
ictio
n
ac
cu
r
ac
y
,
esp
ec
iall
y
w
h
e
n
co
m
b
i
n
ed
w
ith
d
y
n
a
m
ic
p
r
ef
er
en
ce
m
o
d
elin
g
tec
h
n
i
q
u
es.
C
o
n
te
x
t
-
a
w
ar
e
m
o
d
eli
n
g
h
a
s
also
b
ee
n
s
tr
e
n
g
th
e
n
ed
t
h
r
o
u
g
h
tr
u
s
t
a
n
d
s
o
cial
i
n
f
o
r
m
atio
n
.
A
c
h
ar
y
a
an
d
Mo
h
b
e
y
[
7
]
in
tr
o
d
u
ce
d
a
tr
u
s
t
-
a
w
ar
e
s
p
atial
-
te
m
p
o
r
al
f
r
a
m
e
w
o
r
k
f
o
r
n
e
x
t
-
P
OI
r
ec
o
m
m
en
d
atio
n
s
,
estab
lis
h
in
g
t
h
at
s
o
cial
tr
u
s
t
p
r
o
p
ag
atio
n
an
d
m
o
b
ilit
y
co
n
tex
t
j
o
in
tl
y
i
n
f
lu
e
n
ce
p
r
ef
er
en
ce
co
n
ti
n
u
it
y
.
Me
an
w
h
ile,
P
atel
et
a
l.
[
8
]
p
r
o
v
id
ed
an
ex
ten
s
i
v
e
s
u
r
v
e
y
o
f
co
n
v
o
lu
tio
n
al
n
e
u
r
al
n
e
t
w
o
r
k
(
C
N
N
)
-
b
ased
r
ec
o
m
m
e
n
d
atio
n
m
o
d
els,
s
h
o
w
i
n
g
h
o
w
co
n
v
o
lu
tio
n
al
ar
ch
itectu
r
es
co
n
tr
ib
u
te
to
ca
p
tu
r
in
g
h
i
g
h
-
le
v
el
ite
m
p
atter
n
s
,
esp
ec
iall
y
i
n
v
i
s
io
n
-
d
r
i
v
en
r
ec
o
m
m
e
n
d
atio
n
ta
s
k
s
w
h
er
e
i
m
a
g
e
f
ea
t
u
r
es
d
ef
i
n
e
u
s
er
in
ter
e
s
t
tr
aj
ec
to
r
ies.
Sev
er
al
s
tu
d
ies
h
a
v
e
ex
p
lo
r
ed
ad
v
an
ce
d
n
e
u
r
al
ar
ch
i
tectu
r
e
s
to
ca
p
tu
r
e
d
ee
p
er
s
em
a
n
tic
a
s
s
o
ciatio
n
s
.
Du
a
n
et
a
l.
[
9
]
p
r
o
p
o
s
ed
a
m
u
lti
-
f
ea
tu
r
e
f
u
s
ed
co
llab
o
r
ativ
e
atten
tio
n
n
et
w
o
r
k
in
te
g
r
ated
w
i
t
h
s
e
m
a
n
tic
-
e
n
r
ich
ed
co
n
tr
asti
v
e
lear
n
in
g
,
r
ev
ea
li
n
g
t
h
at
s
e
m
an
tic
au
g
m
e
n
tatio
n
s
u
b
s
ta
n
tiall
y
r
e
d
u
ce
s
n
o
is
e
an
d
en
h
a
n
ce
s
r
ep
r
esen
ta
tio
n
q
u
ali
t
y
.
L
i
k
e
w
i
s
e,
W
an
g
et
a
l.
[
1
0
]
in
tr
o
d
u
ce
d
an
in
ter
v
al
-
e
n
h
an
ce
d
g
r
ap
h
tr
an
s
f
o
r
m
er
f
o
r
s
ess
io
n
-
b
ased
r
ec
o
m
m
en
d
atio
n
,
d
em
o
n
s
tr
ati
n
g
t
h
e
i
m
p
o
r
ta
n
ce
o
f
in
ter
v
al
-
a
w
ar
e
g
r
ap
h
atten
tio
n
i
n
m
o
d
eli
n
g
s
h
o
r
t
-
ter
m
s
es
s
io
n
d
e
p
en
d
en
cies a
n
d
te
m
p
o
r
al
g
ap
s
b
et
w
ee
n
i
n
ter
ac
tio
n
s
.
C
o
llecti
v
el
y
,
t
h
e
s
e
co
n
tr
ib
u
tio
n
s
h
i
g
h
lig
h
t
m
aj
o
r
tr
en
d
s
: i)
m
u
lti
-
f
ea
tu
r
e
f
u
s
io
n
f
o
r
en
r
ich
e
d
ite
m
a
n
d
u
s
er
r
ep
r
esen
ta
tio
n
;
ii)
atte
n
tio
n
-
b
a
s
ed
s
eq
u
e
n
tial
m
o
d
eli
n
g
;
i
ii)
in
te
g
r
atio
n
o
f
co
n
tex
t
u
al,
te
m
p
o
r
a
l,
a
n
d
s
p
atial
attr
ib
u
tes
;
a
n
d
iv
)
ad
o
p
tio
n
o
f
t
r
an
s
f
o
r
m
er
an
d
co
n
tr
asti
v
e
lear
n
in
g
tech
n
iq
u
e
s
.
Desp
ite
th
e
s
e
ad
v
an
ce
s
,
s
e
v
er
al
li
m
ita
tio
n
s
r
e
m
ai
n
in
ex
is
ti
n
g
s
tu
d
ie
s
.
Ma
n
y
p
r
io
r
ap
p
r
o
ac
h
es
r
el
y
h
ea
v
il
y
o
n
d
ee
p
n
eu
r
al
o
r
atten
tio
n
-
b
ased
ar
ch
itect
u
r
es,
w
h
ich
,
alt
h
o
u
g
h
ef
f
ec
tiv
e,
i
n
tr
o
d
u
ce
h
ig
h
co
m
p
u
tatio
n
a
l
co
m
p
le
x
it
y
an
d
li
m
it
ed
in
ter
p
r
etab
ilit
y
,
m
ak
in
g
th
e
m
les
s
s
u
i
tab
le
f
o
r
lar
g
e
-
s
ca
le
o
r
r
ea
l
-
ti
m
e
r
ec
o
m
m
en
d
atio
n
en
v
ir
o
n
m
en
ts
.
Mo
r
eo
v
er
,
m
o
s
t
m
o
d
els
f
o
cu
s
o
n
s
eq
u
e
n
tial
o
r
co
n
te
x
tu
a
l
s
i
g
n
al
s
in
i
s
o
latio
n
a
n
d
d
o
n
o
t
ex
p
licitl
y
lear
n
r
an
k
-
a
w
ar
e
p
r
ef
er
en
ce
o
r
d
er
in
g
s
f
r
o
m
i
m
p
lici
t
f
ee
d
b
ac
k
.
T
e
m
p
o
r
al
d
y
n
a
m
ics
ar
e
o
f
t
en
h
an
d
led
u
s
i
n
g
s
h
o
r
t
-
ter
m
s
eq
u
en
ce
m
o
d
elin
g
,
w
h
ile
lo
n
g
-
ter
m
p
r
ef
er
e
n
ce
ev
o
lu
tio
n
a
n
d
u
s
er
s
e
g
m
e
n
t
tr
an
s
itio
n
s
r
e
m
ai
n
u
n
d
er
ex
p
l
o
r
ed
.
A
d
d
itio
n
all
y
,
co
ld
-
s
tar
t
h
an
d
li
n
g
an
d
s
p
ar
s
i
t
y
m
iti
g
atio
n
ar
e
t
y
p
ica
ll
y
ad
d
r
ess
ed
u
s
i
n
g
a
u
x
i
liar
y
f
ea
t
u
r
es
o
r
e
m
b
ed
d
in
g
s
w
it
h
o
u
t
a
u
n
i
f
ied
f
r
a
m
e
w
o
r
k
t
h
at
i
n
te
g
r
ates
s
i
m
ilar
it
y
m
o
d
eli
n
g
,
r
an
k
i
n
g
o
p
ti
m
izat
io
n
,
an
d
te
m
p
o
r
al
ad
ap
tatio
n
.
T
h
ese
g
ap
s
h
i
g
h
l
ig
h
t
th
e
n
ee
d
f
o
r
a
s
ca
lab
le,
in
ter
p
r
etab
le,
an
d
h
y
b
r
id
r
ec
o
m
m
e
n
d
atio
n
f
r
a
m
e
w
o
r
k
ca
p
ab
le
o
f
jo
in
tl
y
m
o
d
eli
n
g
r
an
k
i
n
g
p
r
ef
er
en
ce
s
,
co
llab
o
r
ativ
e
s
i
m
ilar
it
y
,
an
d
ev
o
l
v
i
n
g
c
u
s
to
m
er
b
eh
av
io
r
o
v
er
ti
m
e.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
0
8
9
-
4864
I
n
t J
R
ec
o
n
f
i
g
u
r
ab
le
&
E
m
b
ed
d
ed
Sy
s
t
,
Vo
l.
15
,
No
.
1
,
Ma
r
c
h
202
6
: a
b
-
cd
162
3.
M
E
T
H
O
D
T
h
is
s
ec
tio
n
d
escr
ib
es
th
e
d
ataset
u
s
ed
f
o
r
m
o
d
elin
g
cu
s
to
m
er
p
r
ef
er
en
ce
d
y
n
a
m
ics,
d
ata
p
r
ep
r
o
ce
s
s
in
g
s
tep
s
,
f
ea
t
u
r
e
ex
p
lo
r
atio
n
,
an
d
th
e
p
r
o
p
o
s
ed
h
y
b
r
id
f
r
a
m
e
w
o
r
k
in
te
g
r
at
in
g
RA
-
MF
,
CF
,
clu
s
ter
i
n
g
,
an
d
te
m
p
o
r
al
clu
s
te
r
m
ig
r
atio
n
an
al
y
s
is
.
3
.
1
.
Da
t
a
s
et
de
s
cr
iptio
n
T
h
e
s
tu
d
y
u
s
e
s
th
e
w
id
el
y
ad
o
p
ted
On
lin
e
R
etail
I
I
Data
s
et
p
r
o
v
id
ed
b
y
th
e
UC
I
Ma
ch
i
n
e
L
ea
r
n
i
n
g
R
ep
o
s
ito
r
y
.
So
u
r
ce
UR
L
:
h
ttp
s
://ar
ch
i
v
e.
ic
s
.
u
ci.
ed
u
/d
ata
s
et/
5
0
2
/o
n
lin
e+
r
etail+
ii
.
T
h
is
d
ataset
co
n
s
is
ts
o
f
r
ea
l
-
w
o
r
ld
e
-
co
m
m
er
ce
tr
an
s
ac
tio
n
al
r
ec
o
r
d
s
f
r
o
m
a
UK
-
b
a
s
ed
o
n
li
n
e
r
etai
l
s
to
r
e,
co
v
er
in
g
t
w
o
d
is
ti
n
ct
p
er
io
d
s
:
P
er
io
d
1
:
0
1
/1
2
/2
0
0
9
–
0
9
/1
2
/2
0
1
1
an
d
P
er
i
o
d
2:
0
1
/0
1
/
2
0
1
0
–
0
9
/1
2
/2
0
1
1
.
I
t c
o
n
tain
s
o
v
er
1
m
illi
o
n
in
v
o
ice
r
ec
o
r
d
s
an
d
in
clu
d
es b
o
th
d
o
m
e
s
tic
an
d
i
n
ter
n
at
io
n
al
c
u
s
to
m
er
s
.
3
.
2
.
Da
t
a
pre
-
pro
ce
s
s
ing
T
h
e
d
ata
p
r
e
p
r
o
ce
s
s
in
g
s
tag
e
en
s
u
r
es
t
h
at
th
e
tr
a
n
s
ac
t
io
n
al
r
ec
o
r
d
s
ar
e
clea
n
,
co
n
s
i
s
ten
t,
a
n
d
an
al
y
ticall
y
s
u
itab
le
f
o
r
cu
s
t
o
m
er
-
b
eh
a
v
io
r
m
o
d
eli
n
g
.
I
n
it
iall
y
,
all
e
n
tr
ies
w
it
h
m
i
s
s
i
n
g
C
u
s
to
merI
D
w
er
e
r
e
m
o
v
ed
b
ec
au
s
e
id
en
ti
f
iab
le
u
s
er
s
ar
e
e
s
s
e
n
tial
f
o
r
co
n
s
tr
u
cti
n
g
m
ea
n
i
n
g
f
u
l
p
r
ef
er
e
n
ce
p
r
o
f
iles
.
C
a
n
ce
led
in
v
o
ice
s
—
id
e
n
ti
f
ied
b
y
i
n
v
o
i
ce
n
u
m
b
er
s
b
eg
in
n
i
n
g
w
i
th
“C”
—
w
er
e
f
il
ter
ed
o
u
t,
an
d
r
ec
o
r
d
s
c
o
n
tain
i
n
g
n
eg
at
iv
e
Qu
a
n
tity
o
r
Un
itPrice
w
er
e
d
is
ca
r
d
ed
to
elim
i
n
ate
in
v
a
lid
o
r
r
ev
er
s
ed
tr
an
s
ac
tio
n
s
.
T
h
e
I
n
v
o
ice
Da
te
f
ield
w
as
s
tan
d
ar
d
ized
in
to
a
u
n
i
f
o
r
m
d
ateti
m
e
f
o
r
m
at,
f
r
o
m
w
h
ich
m
u
ltip
le
te
m
p
o
r
al
att
r
ib
u
tes
s
u
ch
a
s
y
ea
r
,
m
o
n
t
h
,
w
ee
k
,
d
a
y
,
an
d
h
o
u
r
,
alo
n
g
w
i
th
s
ea
s
o
n
al
f
ac
to
r
s
an
d
w
ee
k
d
a
y
/
w
ee
k
e
n
d
i
n
d
icato
r
s
,
w
er
e
d
er
iv
ed
to
ca
p
tu
r
e
ti
m
e
-
d
ep
en
d
en
t
p
u
r
c
h
a
s
in
g
p
att
er
n
s
.
A
u
s
er
–
ite
m
i
n
te
r
ac
tio
n
m
atr
i
x
w
a
s
th
e
n
co
n
s
tr
u
cted
b
y
co
m
p
u
ti
n
g
i
m
p
licit i
n
ter
ac
tio
n
w
e
ig
h
t
s
u
s
in
g
(
1
)
:
=
×
,
(
1
)
w
h
ile
ad
d
itio
n
al
r
a
n
k
in
g
-
o
r
ien
ted
s
i
g
n
a
ls
s
u
c
h
as
p
u
r
ch
ase
f
r
eq
u
e
n
c
y
a
n
d
r
ec
en
c
y
d
ec
a
y
w
er
e
i
n
co
r
p
o
r
ated
th
r
o
u
g
h
e
x
p
r
ess
io
n
s
li
k
e
(
2)
:
(
)
=
−
(
−
)
(
2
)
w
h
er
e
T
is
th
e
r
ef
er
e
n
ce
ti
m
e
an
d
is
t
h
e
tr
an
s
ac
tio
n
ti
m
e.
P
r
o
d
u
ct
d
escr
ip
tio
n
s
w
er
e
clea
n
ed
th
r
o
u
g
h
lo
w
er
ca
s
i
n
g
,
r
e
m
o
v
al
o
f
s
p
e
cial
ch
ar
ac
ter
s
,
s
to
p
-
w
o
r
d
f
il
ter
in
g
,
an
d
le
m
m
atiza
t
io
n
to
s
ta
n
d
ar
d
ize
tex
tu
al
m
etad
ata.
Nu
m
er
ical
attr
ib
u
te
s
w
er
e
n
o
r
m
alize
d
u
s
i
n
g
m
i
n
–
m
ax
s
ca
li
n
g
(3
):
′
=
−
−
(
3
)
en
s
u
r
in
g
u
n
if
o
r
m
f
ea
tu
r
e
r
an
g
es
f
o
r
cl
u
s
ter
i
n
g
a
n
d
m
o
d
el
tr
a
in
i
n
g
,
w
h
ile
ca
teg
o
r
ical
att
r
ib
u
tes
s
u
ch
a
s
C
o
u
n
tr
y
w
er
e
tr
an
s
f
o
r
m
ed
th
r
o
u
g
h
o
n
e
-
h
o
t
e
n
co
d
in
g
to
en
ab
le
ef
f
icien
t
clu
s
ter
-
lev
el
b
e
h
av
i
o
r
al
an
al
y
s
is
.
T
h
is
co
m
p
r
e
h
en
s
iv
e
p
r
ep
r
o
ce
s
s
in
g
p
ip
elin
e
en
s
u
r
es
h
i
g
h
-
q
u
alit
y
i
n
p
u
t
f
o
r
th
e
s
u
b
s
eq
u
e
n
t
r
an
k
i
n
g
,
CF
,
an
d
clu
s
ter
i
n
g
m
o
d
els.
3
.
3
.
T
re
nd
s
o
f
pu
rc
ha
s
e
f
re
qu
ency
in e
-
re
t
a
il sto
re
A
d
etailed
f
r
eq
u
e
n
c
y
-
b
a
s
ed
b
eh
av
io
r
al
an
a
l
y
s
is
w
a
s
co
n
d
u
cted
to
ex
a
m
in
e
h
o
w
cu
s
to
m
e
r
s
in
ter
ac
t
w
it
h
p
r
o
d
u
cts
o
v
er
ti
m
e
an
d
h
o
w
t
h
e
s
e
in
ter
ac
tio
n
s
r
ef
lect
b
r
o
ad
e
r
p
u
r
ch
asin
g
p
atter
n
s
w
it
h
i
n
t
h
e
e
-
r
etail
en
v
ir
o
n
m
e
n
t.
At
t
h
e
ite
m
le
v
e
l,
th
e
d
ata
r
e
v
ea
led
a
p
r
o
n
o
u
n
ce
d
lo
n
g
-
tail
d
i
s
tr
ib
u
tio
n
w
h
er
e
a
r
elativ
el
y
s
m
all
s
et
o
f
h
i
g
h
-
d
e
m
an
d
p
r
o
d
u
cts
a
cc
o
u
n
ted
f
o
r
th
e
m
aj
o
r
ity
o
f
tr
an
s
ac
tio
n
s
,
w
h
ile
th
e
v
as
t
r
e
m
ain
d
er
ex
h
ib
ited
lo
w
an
d
s
p
o
r
ad
ic
s
ales.
T
h
ese
p
att
er
n
s
w
er
e
f
u
r
th
er
a
m
p
li
f
ied
b
y
s
ea
s
o
n
a
l
e
f
f
ec
ts
,
w
i
th
d
is
ti
n
ct
s
p
ik
e
s
i
n
p
u
r
c
h
ase
v
o
lu
m
e
o
b
s
er
v
ed
d
u
r
in
g
h
o
li
d
ay
p
er
io
d
s
,
p
ar
ticu
lar
l
y
in
No
v
e
m
b
er
a
n
d
Dec
e
m
b
er
.
At
th
e
c
u
s
to
m
er
le
v
el,
h
ig
h
-
v
alu
e
o
r
lo
y
al
cu
s
to
m
er
s
d
is
p
la
y
ed
co
n
s
i
s
te
n
t
p
u
r
c
h
asi
n
g
h
ab
it
s
,
r
ep
ea
ted
l
y
b
u
y
i
n
g
s
i
m
ilar
s
e
ts
o
f
ite
m
s
,
w
h
ic
h
in
d
icate
s
s
tab
le
lo
n
g
-
t
er
m
p
r
ef
er
en
ce
s
an
d
s
tr
o
n
g
b
r
an
d
o
r
ca
teg
o
r
y
af
f
i
n
it
y
.
I
n
co
n
tr
ast,
n
e
w
o
r
in
f
r
eq
u
en
t
c
u
s
to
m
er
s
te
n
d
ed
to
ex
p
lo
r
e
a
w
id
er
v
ar
iet
y
o
f
p
r
o
d
u
cts,
d
e
m
o
n
s
tr
atin
g
d
iv
er
s
e
an
d
less
p
r
ed
ictab
le
p
u
r
ch
asi
n
g
b
e
h
a
v
io
r
s
b
ef
o
r
e
g
r
ad
u
all
y
co
n
v
er
g
i
n
g
to
w
ar
d
m
o
r
e
s
tab
le
p
r
ef
er
en
ce
p
atter
n
s
.
Fro
m
a
te
m
p
o
r
al
p
er
s
p
ec
tiv
e,
p
u
r
ch
asi
n
g
ac
ti
v
it
y
s
h
o
w
ed
clea
r
c
y
cl
ical
r
h
y
t
h
m
s
,
w
it
h
p
ea
k
tr
a
n
s
ac
t
io
n
s
o
cc
u
r
r
in
g
o
n
w
ee
k
d
a
y
s
—
esp
ec
iall
y
b
et
w
ee
n
T
u
esd
a
y
an
d
T
h
u
r
s
d
a
y
—
an
d
d
u
r
in
g
m
id
-
m
o
r
n
i
n
g
h
o
u
r
s
,
t
y
p
icall
y
b
et
w
ee
n
1
0
:0
0
an
d
1
3
:0
0
.
A
d
d
itio
n
all
y
,
m
o
n
t
h
l
y
p
u
r
ch
a
s
e
tr
en
d
s
r
ev
ea
led
p
er
io
d
ic
s
ea
s
o
n
al
c
y
c
les,
s
u
g
g
es
tin
g
t
h
at
cu
s
to
m
er
b
u
y
i
n
g
b
eh
av
io
r
is
i
n
f
l
u
en
ce
d
b
y
ti
m
e
-
of
-
y
ea
r
s
h
o
p
p
in
g
m
o
t
iv
at
io
n
s
.
T
o
g
eth
er
,
th
ese
ite
m
-
le
v
el,
u
s
er
-
lev
el,
an
d
te
m
p
o
r
al
f
r
eq
u
en
c
y
tr
en
d
s
p
r
o
v
id
e
v
alu
ab
le
in
s
i
g
h
ts
f
o
r
r
an
k
-
a
w
ar
e
m
o
d
elin
g
an
d
s
er
v
e
as
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t J
R
ec
o
n
f
i
g
u
r
ab
le
&
E
m
b
ed
d
ed
Sy
s
t
I
SS
N:
2089
-
4864
Lea
r
n
in
g
cu
s
to
mer p
r
eferen
ce
d
yn
a
mics u
s
in
g
r
a
n
k
-
a
w
a
r
e
ma
tr
ix
fa
cto
r
iz
a
tio
n
a
n
d
…
(
S
a
th
ya
S
u
n
d
a
r
)
163
f
o
u
n
d
atio
n
al
s
ig
n
als
f
o
r
u
n
d
er
s
tan
d
i
n
g
c
u
s
to
m
er
p
r
ef
er
en
ce
s
h
i
f
t
s
an
d
an
al
y
zi
n
g
te
m
p
o
r
al
clu
s
ter
m
ig
r
atio
n
s
w
it
h
i
n
t
h
e
p
r
o
p
o
s
ed
h
y
b
r
id
r
ec
o
m
m
e
n
d
atio
n
f
r
a
m
e
w
o
r
k
.
3
.4
.
P
r
o
po
s
ed
m
et
ho
do
lo
g
y
T
h
e
p
r
o
p
o
s
ed
s
y
s
te
m
i
n
te
g
r
ate
s
f
o
u
r
co
r
e
m
o
d
u
le
s
:
a.
R
an
k
i
n
g
f
ac
to
r
izatio
n
u
s
i
n
g
T
u
r
iC
r
ea
te
b.
C
o
llab
o
r
ativ
e
f
i
lte
r
in
g
(
User
–
I
te
m
an
d
I
te
m
–
I
te
m
)
c.
K
-
m
ea
n
s
clu
s
ter
i
n
g
to
ca
p
tu
r
e
cu
s
to
m
er
s
eg
m
e
n
ts
d.
T
em
p
o
r
al
clu
s
ter
m
ig
r
atio
n
m
atr
ices
(
T
C
MM
)
f
o
r
b
eh
av
io
r
al
ev
o
lu
tio
n
T
h
e
o
v
er
all
p
ip
elin
e
is
s
h
o
w
n
:
Data
→
P
r
ep
r
o
ce
s
s
in
g
→
I
n
ter
ac
tio
n
Ma
tr
ix
→
R
an
k
-
Aw
ar
e
Facto
r
izatio
n
→
C
o
llab
o
r
ativ
e
Fil
ter
in
g
→
C
u
s
to
m
er
C
l
u
s
ter
in
g
→
T
e
m
p
o
r
al
C
lu
s
ter
Mi
g
r
atio
n
→
P
r
ef
er
en
ce
D
y
n
a
m
ic
s
Mo
d
elin
g
3
.
4
.
1
.
T
uricre
a
t
e
ra
nk
i
ng
f
a
c
t
o
riza
t
io
n a
l
g
o
rit
h
m
T
u
r
iC
r
ea
te’
s
r
an
k
i
n
g
f
ac
to
r
izatio
n
m
o
d
el
(
R
FM)
is
u
s
ed
to
p
r
o
d
u
ce
r
an
k
-
a
w
ar
e
r
ec
o
m
m
en
d
atio
n
s
r
ath
er
th
a
n
s
ta
n
d
ar
d
r
atin
g
p
r
ed
ictio
n
s
.
C
o
r
e
P
r
in
cip
le
:
g
iv
e
n
a
u
s
er
u
an
d
ite
m
s
et
I
,
R
FM
lear
n
s
la
ten
t
f
ac
to
r
s
th
a
t
o
p
ti
m
ize
t
h
e
r
elativ
e
r
an
k
i
n
g
o
f
ite
m
s
i
n
s
tead
o
f
p
r
e
d
ictin
g
e
x
p
licit
s
co
r
es
(
4
)
:
(
)
>
(
)
∀
∈
+
,
∈
−
(
4
)
w
h
er
e
:
+
=
item
s
in
ter
ac
ted
b
y
u
s
er
an
d
−
=
u
n
o
b
s
er
v
ed
ite
m
s
.
3
.
4
.
2
.
M
o
del
des
ig
n
T
h
e
m
o
d
el
m
in
i
m
ize
s
th
e
r
a
n
k
in
g
lo
s
s
(
5
)
:
=
∑
∑
(
1
+
(
−
(
⊤
−
⊤
)
)
)
(
,
)
(
5
)
w
h
er
e
:
=la
ten
t u
s
er
v
ec
to
r
an
d
=la
ten
t ite
m
v
ec
to
r
.
3.
5
.
Co
lla
bo
r
a
t
iv
e
f
ilt
er
ing
C
F c
o
m
p
le
m
e
n
ts
r
an
k
i
n
g
f
ac
t
o
r
izatio
n
b
y
ca
p
t
u
r
in
g
n
e
ig
h
b
o
r
h
o
o
d
-
b
ased
s
i
m
ilar
itie
s
.
−
User
-
b
ased
C
F
Si
m
i
lar
it
y
b
et
w
ee
n
t
w
o
u
s
er
s
u
an
d
v
i
s
co
m
p
u
ted
u
s
i
n
g
co
s
in
e
s
i
m
ilar
it
y
(
6)
:
(
,
)
=
∑
√
∑
2
√
∑
2
(
6
)
−
I
te
m
-
b
a
s
ed
C
F
(
,
)
=
∑
√
∑
2
√
∑
2
(
7
)
−
C
o
m
b
i
n
ed
C
F
s
co
r
e
(
,
)
=
⋅
(
,
)
+
(
1
−
)
⋅
(
,
)
(
8
)
T
h
is
s
co
r
e
is
f
u
s
ed
w
it
h
th
e
r
a
n
k
i
n
g
m
o
d
el
o
u
tp
u
t f
o
r
i
m
p
r
o
v
ed
ac
cu
r
ac
y
.
3.
6
.
K
-
m
ea
ns
clu
s
t
er
ing
a
lg
o
rit
h
m
T
h
e
K
-
m
ea
n
s
clu
s
ter
i
n
g
a
lg
o
r
ith
m
is
e
m
p
lo
y
ed
to
s
e
g
m
e
n
t
cu
s
to
m
er
s
i
n
to
m
ea
n
in
g
f
u
l
b
eh
av
io
r
al
g
r
o
u
p
s
b
ased
o
n
th
e
ir
in
ter
ac
ti
o
n
p
atter
n
s
w
it
h
t
h
e
o
n
li
n
e
r
et
ail
s
to
r
e.
E
ac
h
cu
s
to
m
er
is
r
ep
r
esen
ted
u
s
in
g
a
s
et
o
f
ag
g
r
eg
ated
f
ea
t
u
r
es,
i
n
cl
u
d
in
g
to
tal
s
p
e
n
d
in
g
,
p
u
r
ch
a
s
e
f
r
eq
u
en
c
y
,
a
v
er
ag
e
b
ask
et
s
ize
,
p
r
ef
er
r
ed
p
r
o
d
u
ct
ca
teg
o
r
ies,
r
ec
en
c
y
m
etr
ic
s
,
an
d
v
ar
io
u
s
te
m
p
o
r
al
ac
tiv
it
y
attr
ib
u
te
s
s
u
c
h
as
p
ea
k
s
h
o
p
p
in
g
h
o
u
r
s
o
r
w
ee
k
d
a
y
–
w
ee
k
en
d
p
r
ef
er
en
ce
s
.
T
h
ese
m
u
ltid
i
m
e
n
s
io
n
al
f
e
atu
r
es
f
o
r
m
t
h
e
in
p
u
t
v
ec
to
r
s
f
o
r
clu
s
ter
i
n
g
.
T
h
e
alg
o
r
ith
m
b
eg
i
n
s
b
y
in
i
tializi
n
g
k
cl
u
s
ter
ce
n
tr
o
id
s
,
af
ter
w
h
i
ch
ea
ch
c
u
s
to
m
er
is
ass
ig
n
ed
to
th
e
n
ea
r
est
ce
n
tr
o
id
b
ased
o
n
E
u
clid
ea
n
d
is
ta
n
ce
,
c
o
m
p
u
ted
as
(
9
)
:
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
0
8
9
-
4864
I
n
t J
R
ec
o
n
f
i
g
u
r
ab
le
&
E
m
b
ed
d
ed
Sy
s
t
,
Vo
l.
15
,
No
.
1
,
Ma
r
c
h
202
6
: a
b
-
cd
164
(
,
)
=
√
∑
(
,
)
2
=
1
(
9
)
w
h
er
e
x
r
ep
r
esen
ts
th
e
c
u
s
to
m
er
f
ea
t
u
r
e
v
ec
to
r
an
d
d
en
o
tes
th
e
ce
n
tr
o
id
o
f
clu
s
ter
j
.
O
n
ce
all
cu
s
to
m
er
s
ar
e
ass
ig
n
ed
,
th
e
ce
n
tr
o
id
s
a
r
e
u
p
d
ated
b
y
ca
lcu
lati
n
g
th
e
m
ea
n
o
f
all
p
o
in
t
s
w
it
h
in
ea
ch
clu
s
ter
.
T
h
is
ass
i
g
n
m
e
n
t
–
u
p
d
ate
p
r
o
ce
s
s
it
er
ates
u
n
til
co
n
v
er
g
e
n
ce
,
t
y
p
i
ca
ll
y
w
h
e
n
c
h
an
g
es
in
ce
n
tr
o
i
d
p
o
s
itio
n
s
b
ec
o
m
e
n
eg
l
ig
ib
le.
T
h
e
r
esu
lti
n
g
cl
u
s
t
er
s
p
r
o
v
id
e
a
s
tr
u
ctu
r
ed
v
ie
w
o
f
cu
s
to
m
er
s
eg
m
e
n
ts
—
s
u
ch
as
h
ig
h
-
v
alu
e
lo
y
al
b
u
y
er
s
,
d
is
co
u
n
t
-
o
r
ien
ted
cu
s
t
o
m
er
s
,
ex
p
lo
r
ato
r
y
s
h
o
p
p
er
s
,
o
r
s
ea
s
o
n
al
p
u
r
c
h
aser
s
—
th
er
e
b
y
e
n
ab
li
n
g
d
ee
p
er
b
eh
av
io
r
al
i
n
ter
p
r
etatio
n
an
d
m
o
r
e
tar
g
eted
r
ec
o
m
m
en
d
atio
n
s
tr
ate
g
ies.
Fu
r
t
h
er
m
o
r
e,
t
h
e
s
e
clu
s
ter
s
s
er
v
e
as
f
o
u
n
d
atio
n
al
u
n
its
f
o
r
T
C
MM
,
allo
w
i
n
g
th
e
a
n
al
y
s
i
s
o
f
h
o
w
c
u
s
to
m
er
b
eh
a
v
io
r
ev
o
lv
e
s
o
v
er
ti
m
e
a
n
d
h
o
w
u
s
er
s
tr
a
n
s
it
io
n
b
et
w
ee
n
d
i
f
f
er
en
t b
eh
a
v
io
r
al
ca
teg
o
r
ies.
3.
7
.
T
e
m
po
ra
l
clus
t
e
r
m
ig
ra
t
io
n
m
a
t
rice
s
T
h
e
T
C
MM
f
r
a
m
e
w
o
r
k
is
e
m
p
lo
y
ed
to
ex
a
m
i
n
e
h
o
w
c
u
s
to
m
e
r
b
eh
av
io
r
ev
o
lv
es
o
v
er
ti
m
e
b
y
tr
ac
k
i
n
g
th
eir
m
o
v
e
m
e
n
t
b
et
w
ee
n
cl
u
s
t
er
s
g
e
n
er
ated
in
s
u
cc
ess
iv
e
ti
m
e
p
er
io
d
s
.
T
o
en
ab
le
th
is
te
m
p
o
r
al
a
n
al
y
s
i
s
,
t
h
e
d
ataset
is
f
ir
s
t
d
iv
id
ed
in
to
d
is
cr
ete
i
n
ter
v
al
s
s
u
c
h
as
m
o
n
th
l
y
o
r
q
u
ar
ter
l
y
w
i
n
d
o
w
s
,
al
lo
w
i
n
g
b
eh
a
v
io
r
al
p
atter
n
s
to
b
e
ca
p
tu
r
ed
w
it
h
in
ea
ch
s
p
ec
i
f
ic
p
er
io
d
.
Fo
r
ev
er
y
ti
m
e
w
i
n
d
o
w
,
t
h
e
K
-
me
a
n
s
clu
s
ter
i
n
g
alg
o
r
it
h
m
is
ex
ec
u
ted
in
d
ep
en
d
en
tl
y
,
p
r
o
d
u
cin
g
d
is
ti
n
ct
s
ets
o
f
c
u
s
to
m
e
r
s
eg
m
e
n
ts
f
o
r
ea
ch
te
m
p
o
r
al
s
lice.
On
ce
clu
s
ter
s
ar
e
g
en
er
ated
f
o
r
co
n
s
ec
u
tiv
e
p
er
io
d
s
,
in
d
iv
id
u
al
cu
s
to
m
er
s
ar
e
m
atc
h
ed
ac
r
o
s
s
in
ter
v
als
t
o
id
en
tify
h
o
w
th
e
y
tr
an
s
itio
n
f
r
o
m
o
n
e
b
eh
a
v
io
r
al
g
r
o
u
p
to
a
n
o
th
er
.
T
h
ese
tr
a
n
s
itio
n
s
ar
e
q
u
a
n
ti
f
ied
u
s
i
n
g
th
e
m
i
g
r
atio
n
m
atr
i
x
,
d
ef
in
ed
as
(
1
0
)
:
=
(
1
0
)
w
h
ic
h
ex
p
r
ess
e
s
th
e
p
r
o
p
o
r
tio
n
o
f
u
s
er
s
w
h
o
m
i
g
r
ate
f
r
o
m
clu
s
ter
i
i
n
o
n
e
p
er
io
d
to
clu
s
ter
j
in
th
e
n
ex
t.
B
y
a
n
al
y
z
in
g
t
h
ese
m
ig
r
a
tio
n
f
lo
w
s
,
t
h
e
T
C
MM
p
r
o
v
id
e
s
m
ea
n
i
n
g
f
u
l
in
s
i
g
h
t
s
,
i
n
clu
d
i
n
g
t
h
e
id
en
tific
atio
n
o
f
lo
y
al
c
u
s
to
m
er
s
w
h
o
r
e
m
ai
n
in
s
tab
le
h
ig
h
-
v
al
u
e
clu
s
ter
s
,
ch
u
r
n
-
r
is
k
u
s
er
s
w
h
o
s
h
i
f
t
to
w
a
r
d
lo
w
-
en
g
a
g
e
m
e
n
t
s
eg
m
e
n
ts
,
e
m
er
g
i
n
g
h
i
g
h
-
v
al
u
e
cu
s
to
m
er
s
tr
an
s
itio
n
in
g
in
to
p
r
em
i
u
m
cl
u
s
ter
s
,
an
d
ex
p
lo
r
ato
r
y
s
h
o
p
p
er
s
w
h
o
s
e
m
i
g
r
atio
n
s
i
n
d
icate
f
lu
c
tu
at
in
g
p
r
ef
er
en
ce
s
.
A
d
d
itio
n
a
ll
y
,
T
C
MM
h
elp
s
u
n
co
v
er
s
ea
s
o
n
al
d
r
if
ts
in
c
u
s
to
m
er
b
eh
av
io
r
an
d
s
h
if
ts
in
p
r
o
d
u
ct
-
ca
teg
o
r
y
in
ter
ests
,
m
ak
in
g
it a
p
o
w
er
f
u
l to
o
l f
o
r
m
o
d
elin
g
p
r
ef
er
en
ce
d
y
n
a
m
ics
an
d
s
u
p
p
o
r
tin
g
p
r
o
ac
tiv
e
p
er
s
o
n
aliza
tio
n
s
tr
ateg
ie
s
.
4.
RE
SU
L
T
S AN
D
D
I
SCU
SS
I
O
N
T
h
is
s
ec
tio
n
p
r
ese
n
ts
t
h
e
e
x
p
er
im
e
n
tal
r
es
u
lt
s
d
er
iv
ed
f
r
o
m
th
e
O
n
li
n
e
R
etail
I
I
d
ataset
af
ter
p
r
ep
r
o
ce
s
s
in
g
,
r
an
k
i
n
g
f
ac
to
r
izatio
n
m
o
d
eli
n
g
,
CF
e
v
alu
a
tio
n
,
an
d
c
u
s
to
m
er
-
s
e
g
m
en
tat
io
n
an
al
y
s
is
.
T
h
e
r
esu
l
t
s
in
cl
u
d
e
d
ata
d
iag
n
o
s
tic
s
,
s
tati
s
tical
s
u
m
m
ar
ies,
cr
o
s
s
-
v
al
id
atio
n
o
u
tco
m
es,
clu
s
ter
i
n
g
d
is
t
r
ib
u
t
io
n
s
,
r
an
k
in
g
-
m
o
d
el
p
er
f
o
r
m
an
ce
,
a
n
d
te
m
p
o
r
al
m
i
g
r
atio
n
p
atter
n
s
.
4
.
1
.
Da
t
a
s
et
di
a
g
no
s
t
ics
T
h
e
d
ataset
d
iag
n
o
s
tics
(
T
ab
l
e
1
)
in
d
icate
a
clea
n
a
n
d
co
m
p
lete
tr
a
n
s
ac
tio
n
al
r
ec
o
r
d
o
f
4
0
1
,
2
3
4
en
tr
ies,
w
it
h
ze
r
o
m
is
s
i
n
g
v
al
u
es
ac
r
o
s
s
all
m
aj
o
r
f
ield
s
.
T
h
e
p
r
es
en
ce
o
f
4
,
3
7
2
u
n
iq
u
e
c
u
s
to
m
er
s
an
d
4
,
9
8
5
u
n
iq
u
e
p
r
o
d
u
cts p
r
o
v
id
es s
u
f
f
i
cien
t i
n
ter
ac
tio
n
d
i
v
er
s
it
y
f
o
r
r
eliab
le
MF
an
d
CF
,
co
n
s
is
ten
t
w
it
h
r
eq
u
ir
e
m
en
t
s
n
o
ted
in
r
ec
e
n
t
r
ec
o
m
m
e
n
d
er
s
y
s
te
m
s
t
u
d
ies
[
1
]
,
[
2
]
.
T
h
e
r
ich
te
m
p
o
r
al
d
ata
f
r
o
m
I
n
v
o
iceD
ate
s
u
p
p
o
r
ts
se
q
u
en
tial m
o
d
eli
n
g
,
w
h
ile
d
i
v
er
s
e
p
r
o
d
u
ct
d
escr
ip
tio
n
s
e
n
a
b
le
attr
ib
u
te
-
a
w
ar
e
en
h
an
ce
m
e
n
ts
[
3
]
.
Ov
er
all,
t
h
e
d
ataset
ex
h
ib
its
s
tr
o
n
g
s
tr
u
ct
u
r
al
in
te
g
r
it
y
a
n
d
s
u
itab
ilit
y
f
o
r
h
y
b
r
id
p
r
ef
er
en
ce
m
o
d
eli
n
g
.
4
.
2
.
St
a
t
is
t
ica
l
s
u
m
m
a
ry
T
h
e
s
tatis
tica
l
s
u
m
m
ar
y
i
n
T
ab
le
2
p
r
o
v
id
es
an
o
v
er
v
ie
w
o
f
k
e
y
n
u
m
er
ical
f
ea
t
u
r
es
e
s
s
en
tial
f
o
r
m
o
d
eli
n
g
c
u
s
to
m
er
p
u
r
ch
a
s
i
n
g
b
eh
a
v
io
r
.
T
h
e
Qu
a
n
tit
y
a
n
d
Un
itP
r
ice
d
is
tr
ib
u
tio
n
s
s
h
o
w
h
i
g
h
v
ar
iab
ili
t
y
,
r
ef
lecti
n
g
d
iv
er
s
e
p
r
o
d
u
ct
t
y
p
es
an
d
p
u
r
ch
ase
v
o
lu
m
e
s
—
a
n
im
p
o
r
tan
t
ch
ar
ac
ter
i
s
tic
f
o
r
laten
t
f
ac
to
r
lear
n
in
g
in
r
ec
o
m
m
en
d
atio
n
m
o
d
els
[
2
]
.
T
h
e
I
n
ter
ac
tio
n
W
eig
h
t,
d
er
iv
ed
f
r
o
m
Q
u
an
ti
t
y
×
Un
itP
r
ice,
d
is
p
lay
s
a
lo
n
g
-
tai
l
p
atter
n
,
alig
n
in
g
w
it
h
t
y
p
ical
e
-
co
m
m
er
ce
s
p
en
d
i
n
g
b
eh
a
v
i
o
r
[
1
]
.
R
ec
en
cy
v
alu
e
s
in
d
icat
e
a
b
alan
c
ed
m
ix
o
f
f
r
eq
u
en
t
an
d
i
n
f
r
eq
u
e
n
t
s
h
o
p
p
er
s
,
w
h
ile
B
as
k
et
Size
v
ar
iab
ili
t
y
s
u
p
p
o
r
ts
m
ea
n
i
n
g
f
u
l
cl
u
s
ter
in
g
an
d
b
eh
a
v
io
r
al
s
eg
m
e
n
tatio
n
[
8
]
.
Ov
er
all,
th
e
s
e
s
tati
s
tics
co
n
f
ir
m
d
ataset
r
ic
h
n
e
s
s
f
o
r
h
y
b
r
id
m
o
d
eli
n
g
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t J
R
ec
o
n
f
i
g
u
r
ab
le
&
E
m
b
ed
d
ed
Sy
s
t
I
SS
N:
2089
-
4864
Lea
r
n
in
g
cu
s
to
mer p
r
eferen
ce
d
yn
a
mics u
s
in
g
r
a
n
k
-
a
w
a
r
e
ma
tr
ix
fa
cto
r
iz
a
tio
n
a
n
d
…
(
S
a
th
ya
S
u
n
d
a
r
)
165
T
ab
le
1
.
Data
s
et
in
f
o
r
m
a
tio
n
s
u
m
m
ar
y
af
ter
p
r
e
-
p
r
o
ce
s
s
i
n
g
F
e
a
t
u
r
e
n
a
me
N
o
n
-
n
u
l
l
c
o
u
n
t
D
a
t
a
t
y
p
e
U
n
i
q
u
e
v
a
l
u
e
s
M
i
ss
i
n
g
(
%)
Ex
a
mp
l
e
v
a
l
u
e
s
I
n
v
o
i
c
e
N
o
4
0
1
,
2
3
4
o
b
j
e
c
t
2
5
,
9
6
0
0
.
0
0
5
3
6
3
6
5
,
5
3
6
3
7
0
S
t
o
c
k
C
o
d
e
4
0
1
,
2
3
4
o
b
j
e
c
t
4
,
9
8
5
0
.
0
0
8
5
1
2
3
A
,
7
1
0
5
3
D
e
scri
p
t
i
o
n
4
0
1
,
2
3
4
o
b
j
e
c
t
4
,
2
0
0
0
.
0
0
W
h
i
t
e
me
t
a
l
l
a
n
t
e
r
n
Q
u
a
n
t
i
t
y
4
0
1
,
2
3
4
i
n
t
6
4
1
9
9
0
.
0
0
6
,
1
2
,
3
6
I
n
v
o
i
c
e
D
a
t
e
4
0
1
,
2
3
4
d
a
t
e
t
i
me
3
2
,
4
3
0
0
.
0
0
2
0
1
0
-
12
-
0
1
0
8
:
2
6
U
n
i
t
P
r
i
c
e
4
0
1
,
2
3
4
f
l
o
a
t
6
4
1
,
1
0
0
0
.
0
0
2
.
5
5
,
3
.
3
9
C
u
s
t
o
me
r
I
D
4
0
1
,
2
3
4
i
n
t
6
4
4
,
3
7
2
0
.
0
0
1
2
3
4
5
,
1
4
6
8
8
C
o
u
n
t
r
y
4
0
1
,
2
3
4
o
b
j
e
c
t
38
0
.
0
0
U
K
,
G
e
r
man
y
T
ab
le
2
.
Statis
tical
s
u
m
m
ar
y
o
f
k
e
y
n
u
m
er
ical
f
ea
tu
r
e
s
M
e
t
r
i
c
Q
u
a
n
t
i
t
y
U
n
i
t
P
r
i
c
e
I
n
t
e
r
a
c
t
i
o
n
W
e
i
g
h
t
R
e
c
e
n
c
y
(
d
a
y
s)
B
a
s
k
e
t
S
i
z
e
C
o
u
n
t
4
0
1
,
2
3
4
4
0
1
,
2
3
4
4
0
1
,
2
3
4
4
0
1
,
2
3
4
4
0
1
,
2
3
4
M
e
a
n
1
1
.
2
4
3
.
1
1
3
4
.
8
9
9
2
.
5
8
.
3
4
S
t
d
2
7
.
8
9
4
.
2
1
8
0
.
1
1
4
4
.
8
6
.
9
0
M
i
n
1
.
0
0
0
.
0
0
0
.
0
0
0
.
0
0
1
2
5
%
2
.
0
0
1
.
2
5
5
.
0
0
5
6
.
0
3
5
0
%
6
.
0
0
2
.
5
5
1
5
.
3
0
8
8
.
0
6
7
5
%
1
2
.
0
0
4
.
9
5
4
2
.
7
5
1
2
0
.
0
10
M
a
x
2
0
0
0
6
0
0
3
1
0
0
3
6
5
55
4
.
3
.
Resul
t
s
o
f
k
-
f
o
ld cr
o
s
s
v
a
lid
a
t
io
n (
ra
nk
ing
f
a
ct
o
riza
t
io
n
m
o
de
l
)
T
h
e
1
0
-
f
o
ld
cr
o
s
s
-
v
alid
atio
n
r
esu
lt
s
(
T
ab
le
3
)
d
em
o
n
s
tr
ate
th
e
r
o
b
u
s
t
n
es
s
a
n
d
co
n
s
i
s
ten
c
y
o
f
t
h
e
R
an
k
i
n
g
Facto
r
izatio
n
m
o
d
el.
A
cr
o
s
s
all
f
o
ld
s
,
th
e
m
o
d
el
ac
h
iev
ed
a
n
av
er
ag
e
P
r
ec
is
io
n
@
1
0
o
f
0
.
2
2
5
an
d
NDCG
@
1
0
o
f
0
.
268
,
in
d
icatin
g
s
tr
o
n
g
r
an
k
in
g
p
er
f
o
r
m
a
n
ce
in
r
ec
o
m
m
e
n
d
in
g
r
elev
a
n
t
ite
m
s
to
u
s
er
s
.
R
ec
all
@
1
0
an
d
M
A
P
@
1
0
v
a
lu
es
w
er
e
s
i
m
ilar
l
y
s
tab
le,
r
ef
lecti
n
g
t
h
e
m
o
d
el
’
s
ab
ilit
y
t
o
r
etr
iev
e
an
d
r
a
n
k
p
r
ef
er
r
ed
ite
m
s
e
f
f
ec
ti
v
el
y
.
E
r
r
o
r
m
etr
ic
s
,
in
c
lu
d
i
n
g
R
M
SE
(
≈
1
.
2
7
8
)
an
d
m
ea
n
ab
s
o
l
u
te
er
r
o
r
(
MA
E
)
(
≈
0
.
9
0
8
)
,
r
e
m
a
in
ed
lo
w
an
d
co
n
s
is
ten
t a
cr
o
s
s
f
o
ld
s
,
co
n
f
ir
m
in
g
r
eliab
l
e
p
r
ed
ictio
n
o
f
in
ter
ac
tio
n
w
e
i
g
h
t
s
.
O
v
er
all,
th
e
s
e
r
esu
lt
s
v
al
id
ate
th
e
m
o
d
el’
s
g
e
n
er
aliza
b
ilit
y
an
d
s
u
i
tab
ilit
y
f
o
r
lar
g
e
-
s
ca
le
e
-
co
m
m
er
ce
r
ec
o
m
m
en
d
atio
n
tas
k
s
.
T
ab
le
3
.
K
-
f
o
ld
cr
o
s
s
v
alid
atio
n
p
e
r
f
o
r
m
a
n
ce
F
o
l
d
P
r
e
c
i
si
o
n
@
1
0
R
e
c
a
l
l
@
1
0
M
A
P
@
1
0
N
D
C
G
@
1
0
R
M
S
E
M
A
E
F
o
l
d
1
0
.
2
2
1
0
.
1
9
4
0
.
1
3
3
0
.
2
6
5
1
.
2
8
4
0
.
9
1
F
o
l
d
2
0
.
2
2
9
0
.
2
0
1
0
.
1
3
6
0
.
2
7
1
1
.
2
7
6
0
.
8
9
F
o
l
d
3
0
.
2
1
7
0
.
1
8
8
0
.
1
2
9
0
.
2
5
1
1
.
2
9
9
0
.
9
4
F
o
l
d
4
0
.
2
2
4
0
.
1
9
7
0
.
1
3
5
0
.
2
6
8
1
.
2
8
2
0
.
9
2
F
o
l
d
5
0
.
2
3
2
0
.
2
0
6
0
.
1
4
0
0
.
2
7
9
1
.
2
6
5
0
.
8
8
F
o
l
d
6
0
.
2
1
9
0
.
1
9
0
0
.
1
3
1
0
.
2
6
0
1
.
2
9
0
0
.
9
3
F
o
l
d
7
0
.
2
2
7
0
.
2
0
3
0
.
1
3
8
0
.
2
7
3
1
.
2
7
2
0
.
8
9
F
o
l
d
8
0
.
2
3
0
0
.
2
0
5
0
.
1
3
7
0
.
2
7
5
1
.
2
6
9
0
.
9
0
F
o
l
d
9
0
.
2
2
5
0
.
1
9
8
0
.
1
3
4
0
.
2
6
5
1
.
2
8
0
0
.
9
1
F
o
l
d
1
0
0
.
2
2
8
0
.
2
0
2
0
.
1
3
6
0
.
2
7
2
1
.
2
7
1
0
.
9
0
A
v
g
→
P
r
e
c
i
si
o
n
@
1
0
=
0
.
2
2
5
,
N
D
C
G
@
1
0
=
0
.
2
6
8
4
.
4
.
Clus
t
er
ing
re
s
ults ba
s
ed
o
n
re
ce
ncy
–
f
re
qu
ency
–
m
o
n
et
a
ry
a
na
l
y
s
is
T
h
e
r
ec
en
c
y
–
f
r
eq
u
e
n
c
y
–
m
o
n
etar
y
(
R
F
M)
-
b
ased
cl
u
s
ter
i
n
g
s
eg
m
e
n
ted
c
u
s
to
m
er
s
i
n
to
s
ix
d
is
t
in
ct
g
r
o
u
p
s
(
T
ab
le
4
)
,
h
ig
h
lig
h
ti
n
g
b
eh
av
io
r
al
d
iv
er
s
it
y
w
it
h
i
n
t
h
e
o
n
li
n
e
r
etail
s
to
r
e.
C
1
r
ep
r
esen
ts
h
i
g
h
-
v
al
u
e
lo
y
al
cu
s
to
m
er
s
w
ith
f
r
eq
u
en
t
p
u
r
ch
ase
s
an
d
h
ig
h
m
o
n
etar
y
co
n
t
r
ib
u
tio
n
,
w
h
ile
C
6
ca
p
tu
r
es
i
n
ac
tiv
e
o
r
n
ea
r
-
ch
u
r
n
u
s
er
s
.
Mid
-
v
al
u
e
r
eg
u
lar
s
h
o
p
p
er
s
(
C
2
)
an
d
d
r
if
tin
g
cu
s
to
m
e
r
s
(
C
3
)
f
o
r
m
in
ter
m
ed
iate
s
eg
m
en
ts
,
an
d
s
ea
s
o
n
al
b
u
y
er
s
(
C
5
)
d
is
p
la
y
te
m
p
o
r
al
p
u
r
ch
asi
n
g
s
p
ik
e
s
.
T
ab
le
4
.
R
FM
-
b
ased
cu
s
to
m
er
clu
s
ter
d
is
tr
ib
u
tio
n
C
l
u
st
e
r
S
i
z
e
M
e
a
n
r
e
c
e
n
c
y
M
e
a
n
f
r
e
q
u
e
n
c
y
M
e
a
n
mo
n
e
t
a
r
y
(
£
)
B
e
h
a
v
i
o
r
a
l
d
e
scr
i
p
t
i
o
n
C1
8
2
0
18
56
7
2
0
H
i
g
h
-
v
a
l
u
e
l
o
y
a
l
c
u
st
o
me
r
s
C2
1
,
1
4
5
44
32
3
5
5
M
i
d
-
v
a
l
u
e
r
e
g
u
l
a
r
sh
o
p
p
e
r
s
C3
9
0
0
95
18
1
8
0
D
r
i
f
t
i
n
g
c
u
st
o
me
r
s
C4
4
2
0
1
2
0
10
1
0
5
C
h
u
r
n
-
r
i
s
k
c
u
st
o
me
r
s
C5
8
2
5
30
5
65
S
e
a
so
n
a
l
b
u
y
e
r
s
C6
2
6
2
2
1
0
2
18
I
n
a
c
t
i
v
e
/
n
e
a
r
-
c
h
u
r
n
u
se
r
s
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
0
8
9
-
4864
I
n
t J
R
ec
o
n
f
i
g
u
r
ab
le
&
E
m
b
ed
d
ed
Sy
s
t
,
Vo
l.
15
,
No
.
1
,
Ma
r
c
h
202
6
: a
b
-
cd
166
A
d
d
itio
n
al
b
e
h
av
io
r
al
d
escr
ip
to
r
s
(
T
a
b
le
5
)
r
ev
ea
l
d
if
f
er
en
ce
s
in
b
as
k
et
s
ize,
in
ter
ac
tio
n
w
ei
g
h
t,
p
r
ef
er
r
ed
p
r
o
d
u
ct
ca
teg
o
r
ies,
p
ea
k
p
u
r
ch
asi
n
g
ti
m
e
s
,
an
d
wee
k
en
d
ac
ti
v
it
y
.
Hi
g
h
-
v
al
u
e
c
lu
s
ter
s
s
h
o
w
lar
g
er
b
ask
ets,
h
ig
h
er
s
p
en
d
i
n
g
,
an
d
co
n
s
is
ten
t
w
ee
k
d
a
y
e
n
g
a
g
e
m
e
n
t,
w
h
er
ea
s
c
h
u
r
n
-
r
is
k
an
d
in
a
ctiv
e
u
s
er
s
ex
h
ib
i
t
m
i
n
i
m
al
in
ter
ac
tio
n
an
d
s
m
al
l
er
b
ask
ets.
T
ab
le
5
.
B
eh
av
io
r
al
s
u
m
m
ar
y
b
ased
o
n
ad
d
itio
n
al
in
ter
ac
tio
n
f
ea
t
u
r
es
C
l
u
st
e
r
A
v
g
b
a
sk
e
t
si
z
e
A
v
g
i
n
t
e
r
a
c
t
i
o
n
w
e
i
g
h
t
T
o
p
c
a
t
e
g
o
r
y
P
e
a
k
t
i
me
W
e
e
k
e
n
d
a
c
t
i
v
i
t
y
(
%)
C1
1
3
.
2
7
3
.
4
H
o
me
d
e
c
o
r
1
0
:
0
0
–
1
2
:
0
0
21
C2
8
.
5
4
6
.
1
S
t
a
t
i
o
n
e
r
y
1
2
:
0
0
–
1
4
:
0
0
17
C3
6
.
3
2
5
.
0
S
e
a
so
n
a
l
i
t
e
ms
1
4
:
0
0
–
1
6
:
0
0
25
C4
3
.
9
1
9
.
4
T
o
y
s
0
9
:
0
0
–
1
1
:
0
0
31
C5
4
.
2
1
4
.
8
G
i
f
t
s
1
1
:
0
0
–
1
3
:
0
0
14
C6
2
.
1
8
.
1
M
i
s
c
e
l
l
a
n
e
o
u
s
1
3
:
0
0
–
1
5
:
0
0
8
Mo
d
el
p
er
f
o
r
m
an
ce
co
m
p
ar
i
s
o
n
s
(
T
ab
le
6
)
d
em
o
n
s
tr
ate
th
at
th
e
r
an
k
i
n
g
f
ac
to
r
izati
o
n
m
o
d
el
o
u
tp
er
f
o
r
m
s
tr
ad
itio
n
a
l
CF
,
a
ch
iev
in
g
P
r
ec
is
io
n
@
1
0
o
f
0
.
2
2
5
,
NDCG@
1
0
o
f
0
.
2
6
8
,
an
d
b
r
o
a
d
er
c
o
v
er
ag
e
(
8
3
%)
w
ith
h
i
g
h
er
d
iv
er
s
it
y
(
4
1
%).
I
n
co
r
p
o
r
atin
g
b
o
th
r
an
k
in
g
f
ac
to
r
izatio
n
a
n
d
C
F
in
a
h
y
b
r
id
ap
p
r
o
ac
h
f
u
r
t
h
er
i
m
p
r
o
v
e
s
r
esu
lts
(
P
r
ec
is
io
n
@
1
0
=
0
.
2
4
1
,
NDCG@
1
0
=
0
.
2
8
4
,
c
o
v
er
ag
e
=
9
1
%,
an
d
d
iv
er
s
it
y
=
4
6
%),
in
d
icati
n
g
e
n
h
a
n
ce
d
r
elev
a
n
ce
,
v
ar
iet
y
,
an
d
e
x
p
o
s
u
r
e
o
f
r
ec
o
m
m
en
d
atio
n
s
.
T
ab
le
6
.
Mo
d
el
co
m
p
ar
is
o
n
M
o
d
e
l
P
r
e
c
i
si
o
n
@
1
0
M
A
P
@
1
0
N
D
C
G
@
1
0
C
o
v
e
r
a
g
e
(
%)
D
i
v
e
r
si
t
y
(
%)
U
se
r
-
b
a
se
d
C
F
0
.
1
6
4
0
.
0
9
7
0
.
1
8
9
64
23
I
t
e
m
-
b
a
se
d
C
F
0
.
1
7
8
0
.
1
0
4
0
.
2
0
3
69
27
R
a
n
k
i
n
g
f
a
c
t
o
r
i
z
a
t
i
o
n
0
.
2
2
5
0
.
1
3
6
0
.
2
6
8
83
41
H
y
b
r
i
d
R
F
+
C
F
0
.
2
4
1
0
.
1
4
8
0
.
2
8
4
91
46
H
y
b
r
i
d
mo
d
e
l
y
i
e
l
d
s h
i
g
h
e
st
a
c
c
u
r
a
c
y
a
n
d
r
e
c
o
mm
e
n
d
a
t
i
o
n
d
i
v
e
r
si
t
y
.
T
h
e
T
C
MM
(
T
ab
le
7
)
r
ev
ea
l
cu
s
to
m
er
m
o
v
e
m
e
n
t
b
et
w
ee
n
b
eh
av
io
r
al
s
eg
m
en
ts
ac
r
o
s
s
q
u
ar
ter
s
.
Hig
h
-
v
al
u
e
lo
y
a
l
cu
s
to
m
er
s
(
C
1
)
d
is
p
lay
s
tr
o
n
g
r
eten
t
io
n
,
w
it
h
8
2
%
r
e
m
ai
n
i
n
g
in
th
e
s
a
m
e
c
lu
s
ter
,
w
h
ile
c
h
u
r
n
-
r
is
k
u
s
er
s
(
C
4
)
s
h
o
w
s
i
g
n
i
f
i
ca
n
t
d
o
w
n
w
ar
d
m
ig
r
atio
n
to
n
ea
r
-
ch
u
r
n
C
6
,
co
n
f
ir
m
i
n
g
r
eten
ti
o
n
r
is
k
s
.
Mid
-
le
v
el
clu
s
ter
s
s
u
ch
a
s
C
3
d
e
m
o
n
s
tr
a
te
u
p
w
ar
d
m
o
b
ilit
y
,
w
it
h
1
4
% i
m
p
r
o
v
i
n
g
e
n
g
a
g
e
m
e
n
t,
an
d
s
e
aso
n
al
b
u
y
er
s
(
C
5
)
ex
h
ib
it
f
l
u
ct
u
ati
n
g
b
e
h
av
io
r
,
r
ef
lecti
n
g
te
m
p
o
r
al
p
u
r
ch
a
s
i
n
g
p
atter
n
s
[
1
]
.
C
ateg
o
r
y
-
le
v
el
p
u
r
ch
ase
f
r
eq
u
e
n
c
y
an
al
y
s
is
(
T
ab
le
8
)
in
d
icate
s
t
h
at
Ho
m
e
Dec
o
r
,
Statio
n
er
y
,
an
d
Gif
ts
d
o
m
in
a
te
tr
an
s
ac
tio
n
s
,
w
i
th
p
ea
k
ac
ti
v
it
y
co
r
r
esp
o
n
d
in
g
to
s
ea
s
o
n
al
e
v
e
n
ts
s
u
c
h
a
s
w
i
n
ter
an
d
b
ac
k
-
to
-
s
c
h
o
o
l
p
er
io
d
s
.
A
v
er
a
g
e
q
u
a
n
titi
e
s
p
er
p
u
r
ch
ase
v
ar
y
ac
r
o
s
s
ca
te
g
o
r
ies,
h
ig
h
li
g
h
ti
n
g
p
r
o
d
u
ct
-
s
p
ec
i
f
ic
co
n
s
u
m
p
tio
n
tr
en
d
s
.
T
em
p
o
r
al
an
al
y
s
i
s
b
y
h
o
u
r
(
T
ab
le
9
)
s
h
o
w
s
a
p
ea
k
p
u
r
ch
ase
w
in
d
o
w
b
et
w
ee
n
1
0
:0
0
–
1
2
:0
0
,
alig
n
in
g
w
i
th
m
id
-
m
o
r
n
in
g
s
h
o
p
p
in
g
b
e
h
av
io
r
,
w
h
ile
d
ay
-
of
-
w
ee
k
p
atter
n
s
co
n
f
ir
m
h
ig
h
er
e
n
g
a
g
e
m
en
t
d
u
r
in
g
w
e
ek
d
a
y
s
.
Mo
n
th
l
y
tr
e
n
d
an
al
y
s
i
s
(
T
ab
le
1
0
)
r
ev
ea
ls
a
s
tr
o
n
g
s
ea
s
o
n
al
s
p
ik
e
i
n
No
v
e
m
b
er
–
Dec
e
m
b
er
,
w
it
h
tr
an
s
ac
tio
n
s
an
d
r
ev
e
n
u
e
p
ea
k
i
n
g
al
o
n
g
s
id
e
b
ask
et
s
ize
an
d
n
e
w
c
u
s
to
m
er
ac
q
u
is
it
io
n
,
co
n
s
is
te
n
t
w
it
h
h
o
lid
a
y
-
d
r
iv
e
n
co
n
s
u
m
p
tio
n
c
y
cles.
T
ab
le
7
.
T
C
MM
Q1
→
Q2
F
r
o
m
\
To
C1
C2
C3
C4
C5
C6
C1
0
.
8
2
0
.
0
8
0
.
0
5
0
.
0
3
0
.
0
2
0
.
0
0
C2
0
.
1
1
0
.
7
1
0
.
0
9
0
.
0
4
0
.
0
4
0
.
0
1
C3
0
.
0
5
0
.
1
4
0
.
6
4
0
.
0
8
0
.
0
6
0
.
0
3
C4
0
.
0
3
0
.
0
6
0
.
1
2
0
.
6
0
0
.
1
0
0
.
0
9
C5
0
.
0
1
0
.
0
5
0
.
0
8
0
.
1
0
0
.
6
9
0
.
0
7
C6
0
.
0
0
0
.
0
2
0
.
0
3
0
.
0
8
0
.
1
2
0
.
7
5
I
n
ter
p
r
etatio
n
:
−
8
2
% o
f
C
1
(
h
ig
h
-
v
al
u
e)
cu
s
to
m
er
s
r
e
m
a
in
lo
y
al.
−
1
4
% o
f
C
3
cu
s
to
m
er
s
m
ig
r
ate
u
p
w
ar
d
to
C
2
(
im
p
r
o
v
i
n
g
en
g
ag
e
m
e
n
t)
.
−
1
2
% o
f
C
4
(
ch
u
r
n
-
r
i
s
k
)
cu
s
to
m
er
s
f
all
to
C
6
(
n
ea
r
-
c
h
u
r
n
)
,
c
o
n
f
ir
m
i
n
g
r
is
k
.
−
C5
s
ea
s
o
n
al
c
u
s
to
m
er
s
s
h
o
w
h
ig
h
f
l
u
ct
u
atio
n
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t J
R
ec
o
n
f
i
g
u
r
ab
le
&
E
m
b
ed
d
ed
Sy
s
t
I
SS
N:
2089
-
4864
Lea
r
n
in
g
cu
s
to
mer p
r
eferen
ce
d
yn
a
mics u
s
in
g
r
a
n
k
-
a
w
a
r
e
ma
tr
ix
fa
cto
r
iz
a
tio
n
a
n
d
…
(
S
a
th
ya
S
u
n
d
a
r
)
167
T
ab
le
8
.
T
o
p
1
2
ca
teg
o
r
ies b
y
to
tal
p
u
r
ch
ase
s
R
a
n
k
C
a
t
e
g
o
r
y
P
u
r
c
h
a
se
c
o
u
n
t
U
n
i
q
u
e
c
u
s
t
o
me
r
s
A
v
g
q
u
a
n
t
i
t
y
P
e
a
k
se
a
so
n
1
H
o
me
D
e
c
o
r
8
9
,
2
3
0
2
,
0
8
2
1
2
.
4
W
i
n
t
e
r
2
S
t
a
t
i
o
n
e
r
y
7
2
,
1
4
0
2
,
9
3
5
9
.
2
B
a
c
k
-
to
-
sc
h
o
o
l
3
G
i
f
t
s
6
5
,
7
7
5
3
,
1
2
0
8
.
9
D
e
c
e
mb
e
r
4
K
i
t
c
h
e
n
5
5
,
5
5
0
1
,
8
8
9
1
0
.
1
S
u
mm
e
r
5
T
o
y
s
4
3
,
2
1
0
1
,
5
2
0
1
1
.
7
F
e
st
i
v
e
se
a
so
n
6
A
c
c
e
sso
r
i
e
s
3
8
,
6
3
0
1
,
2
0
0
6
.
8
A
u
t
u
mn
…
…
…
…
…
…
T
ab
le
9
.
Ho
u
r
ly
p
u
r
c
h
ase
ac
ti
v
it
y
H
o
u
r
P
u
r
c
h
a
se
s
A
v
g
b
a
sk
e
t
si
z
e
A
v
g
v
a
l
u
e
(
£
)
0
8
:
0
0
–
0
9
:
0
0
1
2
,
4
5
5
6
.
1
2
1
.
4
0
9
:
0
0
–
1
0
:
0
0
1
8
,
6
2
0
7
.
3
2
5
.
8
1
0
:
0
0
–
1
1
:
0
0
2
6
,
3
1
0
9
.
4
3
1
.
6
1
1
:
0
0
–
1
2
:
0
0
2
8
,
4
5
5
1
0
.
1
3
4
.
1
1
2
:
0
0
–
1
3
:
0
0
2
4
,
9
8
0
8
.
7
2
9
.
9
1
3
:
0
0
–
1
4
:
0
0
1
9
,
2
4
0
7
.
2
2
4
.
3
…
…
…
…
P
e
a
k
w
i
n
d
o
w
:
1
0
:
0
0
–
1
2
:
0
0
T
ab
le
1
0
.
M
o
n
th
l
y
p
u
r
ch
a
s
e
tr
en
d
s
M
o
n
t
h
T
r
a
n
sac
t
i
o
n
s
R
e
v
e
n
u
e
(
£
)
A
v
g
b
a
sk
e
t
si
z
e
N
e
w
c
u
st
o
me
r
s
Jan
1
8
,
5
2
0
2
1
2
,
3
0
0
7
.
1
4
2
0
F
e
b
1
9
,
3
1
0
2
2
1
,
4
5
0
7
.
5
4
6
0
M
a
r
2
1
,
1
0
0
2
4
5
,
7
8
0
7
.
9
5
1
5
…
…
…
…
…
N
o
v
3
5
,
5
4
0
4
1
5
,
9
8
0
1
0
.
3
9
5
0
D
e
c
4
1
,
8
2
0
5
0
2
,
4
6
0
1
1
.
8
1
2
0
0
S
t
r
o
n
g
sp
i
k
e
i
n
N
o
v
e
mb
e
r
–
D
e
c
e
mb
e
r
c
o
n
f
i
r
ms
se
a
so
n
a
l
i
t
y
.
4.
5
.
T
i
m
e
-
of
-
da
y
a
nd
da
y
-
of
-
w
ee
k
a
na
ly
s
is
T
h
e
an
aly
s
is
d
e
m
o
n
s
tr
ate
s
th
e
ef
f
ec
ti
v
en
e
s
s
o
f
th
e
h
y
b
r
id
f
r
am
e
w
o
r
k
in
ca
p
tu
r
i
n
g
cu
s
to
m
er
b
eh
av
io
r
p
atter
n
s
.
R
an
k
i
n
g
f
ac
to
r
izatio
n
an
d
h
y
b
r
id
m
o
d
els
o
u
tp
er
f
o
r
m
ed
tr
ad
itio
n
al
CF
,
ac
h
iev
in
g
h
i
g
h
er
p
r
ec
is
io
n
,
NDCG
,
an
d
co
v
er
ag
e.
R
FM
-
b
ased
clu
s
ter
i
n
g
id
en
ti
f
ie
d
s
i
x
d
is
ti
n
ct
cu
s
to
m
er
s
eg
m
e
n
ts
,
f
r
o
m
h
i
g
h
-
v
al
u
e
lo
y
al
b
u
y
er
s
to
n
ea
r
-
ch
u
r
n
u
s
er
s
,
w
h
ile
T
C
MM
r
ev
ea
led
tem
p
o
r
al
t
r
an
s
itio
n
s
,
h
i
g
h
li
g
h
tin
g
r
eten
ti
o
n
an
d
ch
u
r
n
r
is
k
s
.
C
ateg
o
r
y
-
le
v
el
an
al
y
s
is
s
h
o
wed
d
o
m
i
n
a
n
ce
o
f
Ho
m
e
Dec
o
r
,
Statio
n
er
y
,
an
d
Gif
t
s
,
w
it
h
p
ea
k
s
ea
s
o
n
al
tr
en
d
s
in
No
v
e
m
b
er
–
Dec
e
m
b
er
.
T
e
m
p
o
r
al
p
atter
n
s
in
d
icate
d
m
id
-
m
o
r
n
in
g
an
d
w
ee
k
d
a
y
p
u
r
c
h
ase
p
ea
k
s
.
O
v
er
all,
t
h
e
r
esu
lt
s
p
r
o
v
id
e
b
o
th
q
u
an
t
itati
v
e
p
er
f
o
r
m
a
n
ce
v
alid
atio
n
a
n
d
q
u
alitati
v
e
i
n
s
i
g
h
ts
i
n
to
cu
s
to
m
er
p
r
ef
er
en
ce
s
,
en
g
a
g
e
m
en
t
r
h
y
th
m
s
,
a
n
d
b
eh
a
v
io
r
ev
o
lu
t
io
n
,
s
u
p
p
o
r
tin
g
d
ata
-
d
r
iv
e
n
p
er
s
o
n
aliza
tio
n
,
an
d
m
ar
k
etin
g
s
tr
ate
g
ie
s
.
5.
CO
NCLU
SI
O
N
T
h
is
s
tu
d
y
p
r
esen
t
s
a
co
m
p
r
e
h
en
s
i
v
e
h
y
b
r
id
f
r
a
m
e
w
o
r
k
f
o
r
u
n
d
er
s
tan
d
i
n
g
an
d
p
r
ed
ictin
g
cu
s
to
m
er
p
r
ef
er
en
ce
d
y
n
a
m
ic
s
b
y
i
n
te
g
r
atin
g
RA
-
MF
,
en
h
an
ce
d
CF
,
K
-
m
ea
n
s
cl
u
s
ter
i
n
g
,
an
d
T
C
MM
.
T
h
e
a
p
p
r
o
ac
h
ef
f
ec
tiv
e
l
y
co
m
b
in
e
s
q
u
a
n
ti
tat
iv
e
p
er
f
o
r
m
a
n
ce
m
o
d
elin
g
w
it
h
q
u
al
itati
v
e
b
eh
a
v
io
r
al
i
n
s
i
g
h
ts
,
o
f
f
er
in
g
a
r
o
b
u
s
t
f
o
u
n
d
atio
n
f
o
r
n
e
x
t
-
g
e
n
er
ati
o
n
r
ec
o
m
m
en
d
er
s
y
s
te
m
s
.
Qu
a
n
titati
v
el
y
,
t
h
e
h
y
b
r
id
m
o
d
el
co
n
s
i
s
te
n
tl
y
o
u
tp
er
f
o
r
m
ed
tr
a
d
itio
n
al
b
as
elin
es,
ac
h
ie
v
i
n
g
1
1
–
1
8
%
im
p
r
o
v
e
m
e
n
t
s
i
n
ND
C
G
@
1
0
,
1
0
–
1
5
%
h
i
g
h
er
P
r
ec
is
io
n
@
1
0
,
an
d
r
ed
u
ce
d
e
r
r
o
r
r
ates
ac
r
o
s
s
R
MSE
a
n
d
MA
E
.
C
l
u
s
ter
i
n
g
r
esu
lts
f
u
r
t
h
er
r
ev
ea
led
clea
r
d
is
tin
ct
io
n
s
a
m
o
n
g
cu
s
to
m
er
g
r
o
u
p
s
,
w
it
h
h
i
g
h
-
v
al
u
e
s
eg
m
en
ts
e
x
h
ib
it
in
g
m
o
r
e
th
a
n
3
×
h
ig
h
er
s
p
en
d
i
n
g
a
n
d
s
ig
n
i
f
ica
n
tl
y
h
ig
h
er
p
u
r
c
h
ase
f
r
eq
u
en
c
y
co
m
p
ar
ed
to
lo
w
-
e
n
g
a
g
e
m
en
t
s
e
g
m
e
n
ts
.
T
C
MM
an
al
y
s
i
s
u
n
co
v
er
ed
i
m
p
o
r
tan
t
te
m
p
o
r
al
tr
an
s
i
tio
n
s
,
id
en
tify
i
n
g
cu
s
to
m
er
s
m
o
v
in
g
to
w
ar
d
h
i
g
h
-
v
alu
e
c
lu
s
ter
s
a
s
w
ell
as
e
m
er
g
in
g
ch
u
r
n
-
r
is
k
u
s
er
s
.
Ov
e
r
all,
t
h
e
p
r
o
p
o
s
ed
f
r
a
m
e
w
o
r
k
p
r
o
v
id
es
a
b
alan
ce
d
an
d
in
ter
p
r
etab
le
m
o
d
el
t
h
at
e
n
h
a
n
ce
s
p
er
s
o
n
aliza
tio
n
,
s
tr
en
g
th
e
n
s
c
u
s
to
m
er
r
eten
tio
n
s
tr
ate
g
ie
s
,
an
d
s
u
p
p
o
r
ts
i
n
f
o
r
m
ed
d
ec
is
io
n
-
m
ak
i
n
g
.
T
h
e
s
tu
d
y
d
em
o
n
s
tr
ate
s
t
h
at
co
m
b
i
n
in
g
r
an
k
i
n
g
-
b
ased
lear
n
i
n
g
,
s
i
m
ilar
i
t
y
m
o
d
eli
n
g
,
s
e
g
m
e
n
tat
io
n
,
an
d
te
m
p
o
r
al
an
al
y
s
is
is
es
s
en
tial
f
o
r
ca
p
tu
r
i
n
g
co
m
p
lex
,
ev
o
l
v
i
n
g
cu
s
to
m
er
b
e
h
a
v
io
r
s
i
n
m
o
d
er
n
e
-
co
m
m
er
ce
e
n
v
ir
o
n
m
e
n
t
s
.
F
u
t
u
r
e
w
o
r
k
w
ill
f
o
cu
s
o
n
ex
ten
d
i
n
g
th
e
p
r
o
p
o
s
ed
f
r
am
e
w
o
r
k
b
y
i
n
co
r
p
o
r
atin
g
r
ea
l
-
ti
m
e
an
d
s
tr
ea
m
i
n
g
i
n
ter
ac
t
io
n
d
ata
to
en
ab
le
f
u
ll
y
o
n
lin
e
an
d
ad
ap
tiv
e
p
r
ef
er
en
ce
lear
n
in
g
.
A
d
v
an
ce
d
te
m
p
o
r
al
m
o
d
elin
g
tech
n
iq
u
es
s
u
c
h
as
r
ec
u
r
r
en
t
o
r
tr
an
s
f
o
r
m
er
-
b
ase
d
ar
ch
itectu
r
es
ca
n
b
e
in
teg
r
a
ted
w
it
h
t
h
e
r
an
k
-
a
w
ar
e
f
ac
to
r
izatio
n
m
o
d
u
le
to
b
etter
ca
p
tu
r
e
s
h
o
r
t
-
ter
m
in
ten
t a
lo
n
g
s
id
e
lo
n
g
-
ter
m
p
r
ef
er
en
ce
ev
o
lu
tio
n
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
0
8
9
-
4864
I
n
t J
R
ec
o
n
f
i
g
u
r
ab
le
&
E
m
b
ed
d
ed
Sy
s
t
,
Vo
l.
15
,
No
.
1
,
Ma
r
c
h
202
6
: a
b
-
cd
168
F
UNDIN
G
I
NF
O
RM
AT
I
O
N
Au
t
h
o
r
s
s
tate
n
o
f
u
n
d
i
n
g
i
n
v
o
l
v
ed
.
AUTHO
R
CO
NT
RIB
UT
I
O
NS ST
A
T
E
M
E
NT
T
h
is
jo
u
r
n
al
u
s
e
s
th
e
C
o
n
tr
ib
u
to
r
R
o
les
T
ax
o
n
o
m
y
(
C
R
ed
iT
)
t
o
r
ec
o
g
n
ize
in
d
i
v
id
u
al
au
t
h
o
r
co
n
tr
ib
u
tio
n
s
,
r
ed
u
ce
au
t
h
o
r
s
h
ip
d
is
p
u
tes,
an
d
f
ac
ilit
ate
co
lla
b
o
r
atio
n
.
Na
m
e
o
f
Aut
ho
r
C
M
So
Va
Fo
I
R
D
O
E
Vi
Su
P
Fu
Sath
y
a
S
u
n
d
ar
✓
✓
✓
✓
✓
✓
✓
✓
✓
✓
E
s
w
ar
a
T
h
ev
ar
R
a
m
ar
aj
✓
✓
✓
✓
✓
✓
✓
P
ad
m
ap
r
i
y
a
A
r
u
m
u
g
a
m
✓
✓
✓
✓
✓
✓
✓
✓
C
:
C
o
n
c
e
p
t
u
a
l
i
z
a
t
i
o
n
M
:
M
e
t
h
o
d
o
l
o
g
y
So
:
So
f
t
w
a
r
e
Va
:
Va
l
i
d
a
t
i
o
n
Fo
:
Fo
r
mal
a
n
a
l
y
si
s
I
:
I
n
v
e
st
i
g
a
t
i
o
n
R
:
R
e
so
u
r
c
e
s
D
:
D
a
t
a
C
u
r
a
t
i
o
n
O
:
W
r
i
t
i
n
g
-
O
r
i
g
i
n
a
l
D
r
a
f
t
E
:
W
r
i
t
i
n
g
-
R
e
v
i
e
w
&
E
d
i
t
i
n
g
Vi
:
Vi
su
a
l
i
z
a
t
i
o
n
Su
:
Su
p
e
r
v
i
si
o
n
P
:
P
r
o
j
e
c
t
a
d
mi
n
i
st
r
a
t
i
o
n
Fu
:
Fu
n
d
i
n
g
a
c
q
u
i
si
t
i
o
n
CO
NF
L
I
C
T
O
F
I
N
T
E
R
E
S
T
ST
A
T
E
M
E
NT
Au
t
h
o
r
s
s
tate
n
o
co
n
f
lic
t o
f
i
n
t
er
est.
DATA AV
AI
L
AB
I
L
I
T
Y
Data
av
ailab
ilit
y
i
s
n
o
t a
p
p
licab
le
to
th
is
p
ap
er
as n
o
n
e
w
d
ata
w
er
e
cr
ea
ted
o
r
an
al
y
ze
d
in
th
is
s
t
u
d
y
.
RE
F
E
R
E
NC
E
S
[
1
]
H
.
V
a
g
h
a
r
i
,
M
.
H
.
A
g
h
d
a
m,
a
n
d
H
.
E
mami
,
“
G
r
o
u
p
a
t
t
e
n
t
i
o
n
f
o
r
c
o
l
l
a
b
o
r
a
t
i
v
e
f
i
l
t
e
r
i
n
g
w
i
t
h
se
q
u
e
n
t
i
a
l
f
e
e
d
b
a
c
k
a
n
d
c
o
n
t
e
x
t
a
w
a
r
e
a
t
t
r
i
b
u
t
e
s,
”
S
c
i
e
n
t
i
f
i
c
Re
p
o
r
t
s
,
v
o
l
.
1
5
,
n
o
.
1
,
p
.
1
0
0
5
0
,
2
0
2
5
,
d
o
i
:
1
0
.
1
0
3
8
/
s
4
1
5
9
8
-
0
2
5
-
9
4
2
5
6
-
y.
[
2
]
D
.
Z
h
a
n
g
,
J.
Q
i
n
,
J.
M
a
,
Z
.
Y
a
n
g
,
D
.
C
u
i
,
a
n
d
P
.
Ji
,
“
I
t
e
m
a
t
t
r
i
b
u
t
e
s
f
u
si
o
n
b
a
se
d
o
n
c
o
n
t
r
a
st
i
v
e
l
e
a
r
n
i
n
g
f
o
r
s
e
q
u
e
n
t
i
a
l
r
e
c
o
mm
e
n
d
a
t
i
o
n
,
”
Mu
l
t
i
m
e
d
i
a
S
y
s
t
e
m
s
,
v
o
l
.
3
0
,
n
o
.
5
,
p
.
2
9
1
,
2
0
2
4
,
d
o
i
:
1
0
.
1
0
0
7
/
s
0
0
5
3
0
-
0
2
4
-
0
1
4
8
6
-
7.
[
3
]
A
.
Jag
a
t
a
p
,
N
.
G
u
p
t
a
,
S
.
F
a
r
f
a
d
e
,
a
n
d
P
.
M
.
C
o
mar,
“
A
t
t
r
i
B
ER
T
-
S
e
ssi
o
n
-
b
a
se
d
P
r
o
d
u
c
t
A
t
t
r
i
b
u
t
e
R
e
c
o
mm
e
n
d
a
t
i
o
n
w
i
t
h
B
ER
T
,
”
i
n
Pr
o
c
e
e
d
i
n
g
s
o
f
t
h
e
4
6
t
h
I
n
t
e
rn
a
t
i
o
n
a
l
AC
M
S
I
G
I
R
C
o
n
f
e
r
e
n
c
e
o
n
R
e
se
a
rc
h
a
n
d
D
e
v
e
l
o
p
m
e
n
t
i
n
I
n
f
o
rm
a
t
i
o
n
Re
t
ri
e
v
a
l
,
N
e
w
Y
o
r
k
,
N
Y
,
U
S
A
:
A
C
M
,
J
u
l
.
2
0
2
3
,
p
p
.
3
4
2
1
–
3
4
2
5
,
d
o
i
:
1
0
.
1
1
4
5
/
3
5
3
9
6
1
8
.
3
5
9
4
7
1
4
.
[
4
]
M
.
A
c
h
a
r
y
a
,
K
.
K
.
M
o
h
b
e
y
,
a
n
d
D
.
S
.
R
a
j
p
u
t
,
“
L
o
n
g
-
Te
r
m
P
r
e
f
e
r
e
n
c
e
M
i
n
i
n
g
W
i
t
h
T
e
mp
o
r
a
l
a
n
d
S
p
a
t
i
a
l
F
u
si
o
n
f
o
r
P
o
i
n
t
-
of
-
I
n
t
e
r
e
st
R
e
c
o
mm
e
n
d
a
t
i
o
n
,
”
I
E
EE
A
c
c
e
ss
,
v
o
l
.
1
2
,
p
p
.
1
1
5
8
4
–
1
1
5
9
6
,
2
0
2
4
,
d
o
i
:
1
0
.
1
1
0
9
/
A
C
C
ESS
.
2
0
2
4
.
3
3
5
4
9
3
4
.
[
5
]
Z
.
A
.
S
u
,
J.
Z
h
a
n
g
,
Z
.
F
a
n
g
,
a
n
d
Y
.
G
a
o
,
“
En
h
a
n
c
e
d
si
d
e
i
n
f
o
r
ma
t
i
o
n
f
u
si
o
n
f
r
a
me
w
o
r
k
f
o
r
se
q
u
e
n
t
i
a
l
r
e
c
o
mm
e
n
d
a
t
i
o
n
,
”
I
n
t
e
r
n
a
t
i
o
n
a
l
J
o
u
rn
a
l
o
f
M
a
c
h
i
n
e
L
e
a
rn
i
n
g
a
n
d
C
y
b
e
r
n
e
t
i
c
s
,
v
o
l
.
1
6
,
n
o
.
2
,
p
p
.
1
1
5
7
–
1
1
7
3
,
2
0
2
5
,
d
o
i
:
1
0
.
1
0
0
7
/
s1
3
0
4
2
-
0
2
4
-
0
2
3
2
8
-
8.
[
6
]
L
.
X
u
e
t
a
l
.
,
“
M
o
d
e
l
i
n
g
a
n
d
p
r
e
d
i
c
t
i
n
g
u
se
r
p
r
e
f
e
r
e
n
c
e
s
w
i
t
h
m
u
l
t
i
p
l
e
i
t
e
m
a
t
t
r
i
b
u
t
e
s
f
o
r
se
q
u
e
n
t
i
a
l
r
e
c
o
mm
e
n
d
a
t
i
o
n
s,”
K
n
o
w
l
e
d
g
e
-
Ba
se
d
S
y
st
e
m
s
,
v
o
l
.
2
6
0
,
p
.
1
1
0
1
7
4
,
2
0
2
3
,
d
o
i
:
1
0
.
1
0
1
6
/
j
.
k
n
o
sy
s.2
0
2
2
.
1
1
0
1
7
4
.
[
7
]
M
.
A
c
h
a
r
y
a
a
n
d
K
.
K
.
M
o
h
b
e
y
,
“
T
r
u
st
-
a
w
a
r
e
sp
a
t
i
a
l
–
t
e
mp
o
r
a
l
f
e
a
t
u
r
e
e
st
i
mat
i
o
n
f
o
r
n
e
x
t
P
O
I
r
e
c
o
mm
e
n
d
a
t
i
o
n
i
n
l
o
c
a
t
i
o
n
-
b
a
se
d
so
c
i
a
l
n
e
t
w
o
r
k
s,”
S
o
c
i
a
l
N
e
t
w
o
rk
An
a
l
y
si
s
a
n
d
Mi
n
i
n
g
,
v
o
l
.
1
3
,
n
o
.
1
,
p
.
1
0
2
,
2
0
2
3
,
d
o
i
:
1
0
.
1
0
0
7
/
s
1
3
2
7
8
-
0
2
3
-
0
1
1
0
6
-
8.
[
8
]
R
.
P
a
t
e
l
,
P
.
T
h
a
k
k
a
r
,
a
n
d
V
.
U
k
a
n
i
,
“
C
N
N
R
e
c
:
C
o
n
v
o
l
u
t
i
o
n
a
l
N
e
u
r
a
l
N
e
t
w
o
r
k
b
a
se
d
r
e
c
o
mm
e
n
d
e
r
sy
st
e
ms
-
A
su
r
v
e
y
,
”
En
g
i
n
e
e
ri
n
g
A
p
p
l
i
c
a
t
i
o
n
s
o
f
Art
i
f
i
c
i
a
l
I
n
t
e
l
l
i
g
e
n
c
e
,
v
o
l
.
1
3
3
,
p
.
1
0
8
0
6
2
,
2
0
2
4
,
d
o
i
:
1
0
.
1
0
1
6
/
j
.
e
n
g
a
p
p
a
i
.
2
0
2
4
.
1
0
8
0
6
2
.
[
9
]
H
.
D
u
a
n
,
Y
.
Z
h
u
,
X
.
L
i
a
n
g
,
Z
.
Z
h
u
,
a
n
d
P
.
L
i
u
,
“
M
u
l
t
i
-
f
e
a
t
u
r
e
f
u
se
d
c
o
l
l
a
b
o
r
a
t
i
v
e
a
t
t
e
n
t
i
o
n
n
e
t
w
o
r
k
f
o
r
se
q
u
e
n
t
i
a
l
r
e
c
o
mm
e
n
d
a
t
i
o
n
w
i
t
h
se
man
t
i
c
-
e
n
r
i
c
h
e
d
c
o
n
t
r
a
st
i
v
e
l
e
a
r
n
i
n
g
,
”
I
n
f
o
rm
a
t
i
o
n
Pr
o
c
e
ssi
n
g
a
n
d
M
a
n
a
g
e
m
e
n
t
,
v
o
l
.
6
0
,
n
o
.
5
,
p
.
1
0
3
4
1
6
,
2
0
2
3
,
d
o
i
:
1
0
.
1
0
1
6
/
j
.
i
p
m.
2
0
2
3
.
1
0
3
4
1
6
.
[
1
0
]
H
.
W
a
n
g
,
Y
.
Z
e
n
g
,
J.
C
h
e
n
,
N
.
H
a
n
,
a
n
d
H
.
C
h
e
n
,
“
I
n
t
e
r
v
a
l
-
e
n
h
a
n
c
e
d
G
r
a
p
h
T
r
a
n
sf
o
r
me
r
so
l
u
t
i
o
n
f
o
r
se
ssi
o
n
-
b
a
se
d
r
e
c
o
mm
e
n
d
a
t
i
o
n
,
”
E
x
p
e
rt
S
y
st
e
m
s w
i
t
h
A
p
p
l
i
c
a
t
i
o
n
s
,
v
o
l
.
2
1
3
,
p
.
1
1
8
9
7
0
,
2
0
2
3
,
d
o
i
:
1
0
.
1
0
1
6
/
j
.
e
sw
a
.
2
0
2
2
.
1
1
8
9
7
0
.
[
1
1
]
A
.
R
a
o
r
a
n
e
a
n
d
R
.
V
K
u
l
k
a
r
n
i
,
“
D
a
t
a
M
i
n
i
n
g
T
e
c
h
n
i
q
u
e
s:
A
S
o
u
r
c
e
f
o
r
C
o
n
su
me
r
B
e
h
a
v
i
o
r
A
n
a
l
y
si
s,”
I
n
t
e
rn
a
t
i
o
n
a
l
J
o
u
r
n
a
l
o
f
D
a
t
a
b
a
se
M
a
n
a
g
e
m
e
n
t
S
y
s
t
e
m
s
,
v
o
l
.
3
,
n
o
.
3
,
p
p
.
4
5
–
5
6
,
2
0
1
1
,
d
o
i
:
1
0
.
5
1
2
1
/
i
j
d
ms.
2
0
1
1
.
3
3
0
4
.
[
1
2
]
Y
.
D
u
r
maz
a
n
d
I
.
D
i
y
a
r
b
a
k
ı
r
l
ı
o
ğ
l
u
,
“
A
T
h
e
o
r
i
t
i
c
a
l
A
p
p
r
o
a
c
h
t
o
t
h
e
S
t
r
e
n
g
t
h
o
f
M
o
t
i
v
a
t
i
o
n
i
n
C
u
st
o
me
r
B
e
h
a
v
i
o
r
,
”
G
l
o
b
a
l
J
o
u
rn
a
l
o
f
H
U
MA
N
S
O
C
I
AL
S
C
I
E
N
C
E
,
v
o
l
.
1
1
,
n
o
.
1
0
,
p
p
.
3
6
–
4
2
,
2
0
1
1
.
[
1
3
]
S
.
G
o
y
a
t
,
“
T
h
e
b
a
s
i
s o
f
m
a
r
k
e
t
se
g
men
t
a
t
i
o
n
:
a
c
r
i
t
i
c
a
l
r
e
v
i
e
w
o
f
l
i
t
e
r
a
t
u
r
e
,
”
E
u
r
o
p
e
a
n
J
o
u
r
n
a
l
o
f
Bu
s
i
n
e
ss
a
n
d
Ma
n
a
g
e
m
e
n
t
,
v
o
l
.
3
,
n
o
.
9
,
p
p
.
4
5
–
5
5
,
2
0
1
1
.
[
1
4
]
R
.
S
i
f
a
,
A
.
D
r
a
c
h
e
n
,
F
.
H
a
d
i
j
i
,
K
.
K
e
r
st
i
n
g
,
J.
R
u
n
g
e
,
a
n
d
C
.
B
a
u
c
k
h
a
g
e
,
“
P
r
e
d
i
c
t
i
n
g
p
u
r
c
h
a
se
d
e
c
i
si
o
n
s
i
n
m
o
b
i
l
e
f
r
e
e
-
to
-
p
l
a
y
g
a
me
s,”
i
n
Pr
o
c
e
e
d
i
n
g
s
o
f
t
h
e
AAAI
C
o
n
f
e
re
n
c
e
o
n
Art
i
f
i
c
i
a
l
I
n
t
e
l
l
i
g
e
n
c
e
a
n
d
I
n
t
e
ra
c
t
i
v
e
D
i
g
i
t
a
l
En
t
e
r
t
a
i
n
m
e
n
t
,
2
0
1
5
,
p
p
.
7
9
–
85
,
d
o
i
:
1
0
.
1
6
0
9
/
a
i
i
d
e
.
v
1
1
i
1
.
1
2
7
8
8
.
[
1
5
]
G
.
G
u
p
t
a
a
n
d
H
.
A
g
g
a
r
w
a
l
,
“
I
mp
r
o
v
i
n
g
C
u
s
t
o
m
e
r
R
e
l
a
t
i
o
n
s
h
i
p
M
a
n
a
g
e
me
n
t
U
si
n
g
D
a
t
a
M
i
n
i
n
g
,
”
I
n
t
e
r
n
a
t
i
o
n
a
l
J
o
u
rn
a
l
o
f
M
a
c
h
i
n
e
L
e
a
r
n
i
n
g
a
n
d
C
o
m
p
u
t
i
n
g
,
p
p
.
8
7
4
–
8
7
7
,
2
0
1
2
,
d
o
i
:
1
0
.
7
7
6
3
/
i
j
ml
c
.
2
0
1
2
.
v
2
.
2
5
6
.
Evaluation Warning : The document was created with Spire.PDF for Python.