CLaSP：从自然语言监督中学习时间序列信号的概念
计算与语言
2025-08-07 v3 机器学习
摘要
本文提出CLaSP，一种新颖模型，用于使用描述信号特征的自然语言查询检索时间序列信号。基于描述性查询搜索时间序列信号的能力在工业诊断等领域至关重要，数据科学家经常需要查找具有特定特征的信号。然而，现有方法依赖基于草图的输入、预定义同义词词典或特定领域的手工设计，限制了其可扩展性和适应性。CLaSP通过采用对比学习将时间序列信号映射到自然语言描述来解决这些挑战。与先前方法不同，它消除了对预定义同义词词典的需求，并利用大语言模型（LLM）丰富的上下文知识。使用将时间序列信号与自然语言描述配对的TRUCE和SUSHI数据集，我们证明CLaSP在基于自然语言查询检索各种时间序列模式方面实现了高准确性。
引用
@article{arxiv.2411.08397,
title = {CLaSP: Learning Concepts for Time-Series Signals from Natural Language Supervision},
author = {Aoi Ito and Kota Dohi and Yohei Kawaguchi},
journal= {arXiv preprint arXiv:2411.08397},
year = {2025}
}