TS2Vec：面向时间序列的通用表示学习框架
机器学习
2022-02-04 v4 人工智能
摘要
本文提出 TS2Vec，一种在任意语义层级上学习时间序列表示的通用框架。与现有方法不同，TS2Vec 在增强的上下文视图上以分层方式进行对比学习，从而为各个时间戳提供鲁棒的上下文表示。此外，要获取时间序列中任意子序列的表示，我们只需对相应时间戳的表示进行简单聚合即可。我们在时间序列分类任务上进行了大量实验以评估时间序列表示的质量。结果表明，在 125 个 UCR 数据集和 29 个 UEA 数据集上，TS2Vec 相较于现有的无监督时间序列表示 SOTA 方法取得了显著提升。学习到的时间戳级表示在时间序列预测与异常检测任务中也取得了优越结果。在所学表示之上训练的线性回归模型优于先前的时间序列预测 SOTA 方法。此外，我们给出了一种将所学表示应用于无监督异常检测的简单方法，其建立了文献中的 SOTA 结果。源代码已公开于 https://github.com/yuezhihan/ts2vec。
引用
@article{arxiv.2106.10466,
title = {TS2Vec: Towards Universal Representation of Time Series},
author = {Zhihan Yue and Yujing Wang and Juanyong Duan and Tianmeng Yang and Congrui Huang and Yunhai Tong and Bixiong Xu},
journal= {arXiv preprint arXiv:2106.10466},
year = {2022}
}
备注
Appears in AAAI-2022