Nov, 2023

时间宝藏：基于内容的时序检索系统用于发现洞见

PDF
TL;DR我们研究了内容基于时间序列检索（CTSR）问题，针对包含多个领域的数据库提出了一个基准数据集，并比较了几种常见的时间序列建模和检索方法。鉴于这一问题的重要性，我们提出了一种优于现有方法的新型距离学习模型。研究总结了跨多个领域解决 CTSR 问题的重要性，并为未来研究提供了有用的基准数据集。
发现论文，激发创造
  • 高效的基于内容的时间序列检索系统

    我们提出了一种有效且高效的基于内容的时间序列检索模型，超越了其他模型，在提供合理的推理运行时间的同时，展示了解决业务问题的能力。

    Oct, 2023

  • 基于检索的时间序列预测

    本文旨在探讨如何降低时间序列预测的不确定性，并介绍了一种基于相关时间序列引用的简单有效的两阶段方法 ReTime 用于空时序列和时间序列插值。

    Sep, 2022

  • 莫纳什大学，UEA，UCR 时间序列外生回归归档

    该研究提出了第一个 Time Series Extrinsic Regression benchmarking archive，用于为更广泛的时间序列问题提供通用方法，由 19 个不同领域的数据集组成，并进行了现有模型的初始基准测试。

    Jun, 2020

  • 使用可学习哈希的神经时变点过程检索连续时间事件序列

    通过探索 NeuroSeqRet 框架，本研究提出了一个具有多个改进的大规模时间序列检索系统，用于解决复杂的连续时间事件序列的检索问题，并将其应用于预测建模和相关任务中，展示了较大的准确性提升以及哈希机制的有效性。

    Jul, 2023

  • 在线推荐系统的检索与提取：一种无时序数据偏移的框架

    在当前的推荐系统中，时间数据的转变构成了一个重要挑战。为应对数据转变，我们设计了一种使用检索技术的框架来利用转变的数据来训练相关性网络，并使用知识蒸馏将相关性网络的知识转移到参数化模块中，即搜索蒸馏模块。我们将这整个过程称为检索与蒸馏范式（RAD）。在未来的研究方向中，我们旨在利用 RAD 将更多种类的数据纳入 CTR 模型，并提升蒸馏方法的性能。

    Apr, 2024

  • 走向可控时间序列生成

    时间序列生成（TSG）是在许多应用中不可或缺的一种关键技术，本文提出了一种针对数据稀缺情况的可控时间序列生成（CTSG）问题，并介绍了具有出色性能的 CTSG 框架 CTS 及其在生成高质量可控输出方面的应用。

    Mar, 2024

  • 多模态金融时间序列检索通过潜空间投影

    在本文中，我们提出和演示了一种使用深度编码器将金融时间序列的多模态数据存储在低维潜空间中的框架，使潜空间投影不仅捕获时间序列趋势，还捕获金融时间序列数据的其他有价值的信息或属性（例如价格波动性），同时允许用户友好的查询界面，包括自然语言文本和时间序列的草图。我们展示了我们的方法在计算效率和准确性方面在真实历史数据和合成数据上的优势，并突出了使用潜空间投影在金融时间序列数据的存储和检索中的实用性。

    Sep, 2023

  • LightCTS: 一种用于相关时间序列预测的轻量级框架

    本研究旨在创建轻量级的相关时间序列预测模型，LightCTS 框架采用时间和空间运算符的简单堆叠，以及最后压缩方案，以提高计算效率，同时在单步和多步预测基准数据集上也表现出接近最先进的准确性。

    Feb, 2023

  • CNTS：用于时间序列的合作网络

    本文提出一种称为合作网络时间序列 (CNTS) 的无监督异常检测方法，该方法利用深度学习技术实现时间序列数据的异常检测，通过 CNTS 检测器和重构器的协作优化模型，达到可靠性和高效性。

    Feb, 2023

  • 针对相关时间序列预测的联合神经网络架构和超参数搜索

    通过 SEARCH 可自动生成适用于大规模数据的优化深度学习架构，达到比人工设计与现有的自动生成 CTS 模型更好的性能表现。

    Nov, 2022