LaSTR：语言驱动的时间序列分段检索
计算与语言
2026-03-03 v1
摘要
有效检索时间序列数据对系统分析至关重要，但现有方法往往需要专家设计的相似性准则，或依赖于全局的、整个序列级别的描述。我们研究了语言驱动的分段检索：给定自然语言查询，目标是从大型时间序列仓库中检索相关的局部分段。我们通过应用TV2基于分段对LOTSA窗口进行分割，并利用GPT-5.2生成分段描述，构建了大规模的分段-标题训练数据，然后在共享的文本-时间序列嵌入空间中训练一个基于Conformer的对比检索器。在保留的测试集上，我们评估了单正例检索以及标题侧一致性（SBERT和VLM作为评判员）并在多种候选池大小下进行测试。在所有设置下，LaSTR均优于随机和CLIP基线，检索分段的排序质量得到改善，检索分段与查询意图之间的语义一致性也得到增强。
引用
@article{arxiv.2603.00725,
title = {LaSTR: Language-Driven Time-Series Segment Retrieval},
author = {Kota Dohi and Harsh Purohit and Tomoya Nishida and Takashi Endo and Yusuke Ohtsubo and Koichiro Yawata and Koki Takeshita and Tatsuya Sasaki and Yohei Kawaguchi},
journal= {arXiv preprint arXiv:2603.00725},
year = {2026}
}