본 논문은 의료 데이터와 같이 불규칙한 간격으로 기록되는 스파스하고 불규칙적으로 샘플링된 시계열 데이터를 처리하기 위한 새로운 방법인 Temporal Dynamic Embedding (TDE)을 제안합니다. 기존의 고정된 구조적 표현 대신, 각 시계열 변수를 시간에 따라 변화하는 임베딩 벡터로 간주하여 누락된 데이터 문제를 해결합니다. 각 시간 단계에서 관측된 변수의 부분 집합만 선택적으로 채택하고 집계하여 환자의 현재 상태를 나타냅니다. PhysioNet 2012, MIMIC-III, PhysioNet 2019 세 가지 임상 데이터셋을 사용한 실험 결과, TDE 모델은 기존의 imputation 기반 방법 및 최신 state-of-the-art 방법들과 비교하여 경쟁력 있는 성능 또는 더 나은 성능을 보였으며, 학습 시간도 단축되었습니다.
