Self-Gating Attention for Efficient Time Series Forecasting
自门控注意力：高效时间序列预测
🧭 高效注意力机制 · 时序预测
提出即插即用的自门控注意力，以线性复杂度维持预测性能，避免冗余注意力计算。
📌 工作参考价值（4 点）
- 在推荐系统的用户行为序列建模中，可直接替换标准自注意力，省略 query/key 投影，显著降低长序列的计算和内存开销，适合高并发在线推理。
- 共享注意力矩阵 + 轻量残差的设计，可应对行为序列中常见的重复模式（如周期性、固定套路），对电商场景的点击序列预测有直接迁移价值。
- 即插即用特性允许快速集成到现有 Transformer 推荐模型（如 SASRec、BERT4Rec）中，仅需微小改动即可获得推理加速。
- 在边缘设备或资源受限推理环境下，SGA 能保持竞争力性能，适合部署在移动端推荐、实时出价等延迟敏感系统。