我正在开展一个项目，根据文件系统过去 6 个月的元数据。我有以下关于文件的属性：
- 过去 6 个月文件使用的时间顺序（无论何时读取/写入/修改文件以及由谁）。
- 所有在服务器上并且可以访问文件的用户。
- 最后修改/写入/读取的纪元时间和由谁。
- 文件创建纪元时间和由谁创建。
- 文件的任何合规性规定（文件是否包含任何机密数据）。
- 文件的大小、名称、扩展名、版本、类型。
- 可以访问文件的用户数。
- 文件路径。
- 访问的总次数。
- 允许的用户。
现在，我打算使用 LSTM，但对于标准 LSTM，输入只是时间序列。但是，我所拥有的所有属性在预测文件的未来使用方面似乎都很重要。
- 我还应该如何利用我拥有的文件的属性？
- 我是否应该训练前馈神经网络，而不考虑它通常在时间序列上失败的事实？
- 我应该如何进行？
- 是否存在可以考虑文件属性并预测文件在不久的将来使用情况的 LSTM 变体？
- 我是否需要像混合使用 MLP 和 LSTM 一样？