解码时间序列：基于多智能体框架的跨域标注

时间序列数据在制造业、金融和医疗保健等多个领域广泛存在。高质量的标注对于有效理解时间序列及其在下游任务中的应用至关重要；然而，获取此类标注在尤其关键的领域尤为具有挑战性。本文提出了 TESSA，一个多智能体系统，用于自动生成时间序列数据的通用标注和领域特定标注。TESSA 引入了两个智能体：通用标注智能体和领域特定标注智能体。通用智能体捕获多个源领域之间的常见模式和知识，利用时间序列级别和文本级别的特征生成通用标注。而领域特定智能体则利用目标领域的有限标注来学习领域术语，生成针对性的标注。在多个合成数据集和真实世界数据集上的大量实验表明，TESSA 能够有效生成高质量的标注，显著优于现有方法。