本研究提出了一种新颖的时态动态嵌入（TDE）方法，有效解决医疗领域患者临床数据因不规律采样导致的稀疏时间序列问题，显著提升模型性能。

HAILS是一种新颖的概率层次模型，通过自适应地对不同分布假设的稀疏和密集时间序列进行建模，以实现精确和校准的概率预测。在需求预测数据集上评估后，HAILS提高了产品需求预测的准确性和稀疏时间序列的改进，成为改进商业规划和客户体验的有价值工具。