用于时间序列的大语言模型：综述
机器学习
2024-05-08 v3 人工智能
计算与语言
摘要
大语言模型（LLM）在自然语言处理和计算机视觉等领域已得到广泛应用。超越文本、图像和图形，LLM 在时间序列数据分析方面展现出巨大潜力，可使气候、物联网、医疗保健、交通、音频和金融等领域受益。本文深入探索并详细分类了利用 LLM 进行时间序列分析的各种方法。我们探讨了弥合 LLM 原始文本数据训练与时间序列数据数值特性之间差距的固有挑战，并探索了将 LLM 的知识迁移和蒸馏到数值时间序列分析中的策略。我们详细介绍了各种方法，包括：（1）直接提示 LLM，（2）时间序列量化，（3）对齐技术，（4）利用视觉模态作为桥接机制，以及（5）将 LLM 与工具结合。此外，本综述全面概述了现有的多模态时间序列与文本数据集，并深入探讨了这一新兴领域的挑战与未来机遇。我们维护了一个最新的 GitHub 仓库，其中包含本综述中讨论的所有论文和数据集。
引用
@article{arxiv.2402.01801,
title = {Large Language Models for Time Series: A Survey},
author = {Xiyuan Zhang and Ranak Roy Chowdhury and Rajesh K. Gupta and Jingbo Shang},
journal= {arXiv preprint arXiv:2402.01801},
year = {2024}
}
备注
GitHub repository: https://github.com/xiyuanzh/awesome-llm-time-series