领域无关的时间序列数据描述文本自动生成
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了时间序列数据缺乏标注描述文本的问题，提出了一种系统生成领域无关描述文本的方法。通过实现新颖的反向方法，创建了时间序列观察自动标注数据集（TACO），实验结果表明，基于TACO数据集训练的对比学习模型能够为新领域的时间序列数据生成描述文本，推动了该领域的发展。
本研究提出了一种新的文本引导时间序列预测任务（TGTSF），并开发了基准模型TGForecaster。该模型通过交叉注意机制融合文本和时间序列数据。在四个基准数据集上的评估中，TGForecaster表现优异，展示了文本信息在时间序列预测中的潜力，为多模态数据集成的发展提供了新基准。
