时间序列数据描述性文本的领域无关自动生成
计算与语言
2025-08-06 v2 机器学习
摘要
由于带有描述性文本标注的时间序列数据稀缺，训练模型为时间序列数据生成描述性文本具有挑战性。在本研究中，我们提出了一种从时间序列数据中系统性地生成领域无关描述性文本的方法。我们确定了创建时间序列数据与描述性文本对的两种不同方法：前向方法和后向方法。通过实现新颖的后向方法，我们创建了时间观测自动描述（TACO）数据集。实验结果表明，使用 TACO 数据集训练的基于对比学习的模型能够为全新领域的时间序列数据生成描述性文本。
引用
@article{arxiv.2409.16647,
title = {Domain-Independent Automatic Generation of Descriptive Texts for Time-Series Data},
author = {Kota Dohi and Aoi Ito and Harsh Purohit and Tomoya Nishida and Takashi Endo and Yohei Kawaguchi},
journal= {arXiv preprint arXiv:2409.16647},
year = {2025}
}