本文提出了一种名为shapeDTW的改进算法，通过点对点的局部结构信息提高匹配精度。在最近邻分类器中使用该算法作为距离度量，能够在84个UCR时间序列数据集的64个上显著优于DTW，并且在18个数据集上将准确率提高了10%以上。

本文提出了一种名为shapeDTW的改进算法，通过点对点的局部结构信息来提高匹配的精度。在最近邻分类器中使用该算法作为距离度量，可以在84个UCR时间序列数据集的64个上显著优于DTW，并且在18个数据集上将准确率提高了10%以上。

本文提出了一种名为FuRePA的新方法，用于解决多跳问题回答。该方法在三个公认的多跳问题回答数据集的评估中，回答准确率提高了10%-12%。