抽象形状作为记号——面向时间序列分类的通用可解释模型

在时间序列分析中，近期许多研究寻求为跨多个领域的时间序列提供统一视角与表征，导致基础模型开发热潮。尽管存在多样建模技术，但现有模型皆为黑箱，无法提供关于表征的洞察与解释。本文提出 VQShape，一个预训练的、通用且可解释的时间序列表征学习与分类模型。通过引入新型表征，我们在 VQShape 的潜在空间与形状级特征之间建立联系。运用向量量化，显示来自不同领域的时间序列可由统一的低维代码描述，其中每个代码可在时间域中表示为抽象化的形状。在分类任务中，VQShape 的表征可用于构建可解释分类器，性能与专家模型持平。此外，在零样本学习中，VQShape 及其码本可推广至预训练过程中未包含的全新数据集与领域。代码与预训练权重已发布于 https://github.com/YunshiWen/VQShape。