多模态预测器：联合预测时间序列和文本数据
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了当前预测方法过于单一、忽视伴随时间序列的丰富文本数据的问题，开发了时间文本语料库（TTC），这是一个精心策划的多模态预测基准数据集。尽管提出的混合多模态预测器（Hybrid-MMF）未能超越现有基线，但这一研究揭示了多模态预测中固有的挑战，为未来研究提供了重要见解。
本研究提出了一种新颖的文本引导时间序列预测任务（TGTSF）及其基准模型TGForecaster，利用交叉注意机制融合文本与时间序列数据，验证了其在多种数据集上的优越性能，推动了多模态数据集成的发展。
