Insight Miner: 用于跨领域对齐的时间序列分析数据集
机器学习
2025-12-15 v1
摘要
时间序列数据对许多科学和工业领域至关重要，包括环境分析、农业、交通和金融。然而，从这些数据中挖掘洞察通常需要深厚的领域专业知识，这一过程既耗时又劳动密集。在本文中，我们提出了Insight Miner，一个用于生成高质量、全面的时间序列描述并丰富领域特定知识的大多模态模型（LMM）。为此，我们引入了TS-Insights，这是首个用于时间序列与语言对齐的通用领域数据集。TS-Insights包含来自20个预测数据集的10万个时间序列窗口。我们使用一种新颖的智能体工作流构建该数据集，其中我们使用统计工具从原始时间序列中提取特征，然后在将其合成为连贯趋势描述之前使用GPT-4进行处理。在TS-Insights上进行指令微调后，Insight Miner在生成时间序列描述和洞察方面超越了最先进的多模态模型，如LLaVA和GPT-4。我们的结果表明，利用LMM进行时间序列分析是一个有前景的方向，也是实现LLM将时间序列作为原生输入模态进行解读的基础步骤。
引用
@article{arxiv.2512.11251,
title = {Insight Miner: A Time Series Analysis Dataset for Cross-Domain Alignment with Natural Language},
author = {Yunkai Zhang and Yawen Zhang and Ming Zheng and Kezhen Chen and Chongyang Gao and Ruian Ge and Siyuan Teng and Amine Jelloul and Jinmeng Rao and Xiaoyuan Guo and Chiang-Wei Fang and Zeyu Zheng and Jie Yang},
journal= {arXiv preprint arXiv:2512.11251},
year = {2025}
}