Large Models for Time Series and Spatio-Temporal Data: A Survey and Outlook

要約

時間データ、特に時系列データと時空間データは、現実世界のアプリケーションで広く普及しています。
これらは動的システム測定値をキャプチャし、物理センサーと仮想センサーの両方によって大量に生成されます。
これらのデータ型の分析は、データ型に含まれる豊富な情報を活用するために不可欠であり、幅広い下流タスクに利益をもたらします。
大規模言語およびその他の基本モデルの最近の進歩により、時系列および時空間データ マイニングにおけるこれらのモデルの使用が増加しています。
このような方法論は、さまざまな領域にわたって強化されたパターン認識と推論を可能にするだけでなく、共通の時間データを理解して処理できる汎用人工知能の基礎も築きます。
この調査では、時系列データと時空間データに合わせて調整された (または適応された) 大規模モデルの包括的かつ最新のレビューを提供します。その範囲は、データ タイプ、モデル カテゴリ、モデル スコープ、アプリケーション領域という 4 つの主要な側面に及びます。
タスク。
私たちの目的は、この未開発の領域でアプリケーションを開発し、さらなる研究を行うための知識を実践者に提供することです。
私たちは主に、既存の文献を 2 つの主要なクラスター、時系列分析のための大規模モデル (LM4TS) と時空間データ マイニング (LM4STD) に分類します。
これに基づいて、モデルの範囲 (つまり、一般的なものとドメイン固有のもの) およびアプリケーション領域/タスクに基づいて研究をさらに分類します。
また、主流のアプリケーションごとに分類された、データセット、モデル資産、便利なツールなどの関連リソースの包括的なコレクションも提供します。
この調査は、時系列および時空間データに関する大規模モデル中心の研究における最新の進歩を統合し、強固な基盤、現在の進歩、実用化、豊富なリソース、および将来の研究の機会を強調しています。

要約(オリジナル)

Temporal data, notably time series and spatio-temporal data, are prevalent in real-world applications. They capture dynamic system measurements and are produced in vast quantities by both physical and virtual sensors. Analyzing these data types is vital to harnessing the rich information they encompass and thus benefits a wide range of downstream tasks. Recent advances in large language and other foundational models have spurred increased use of these models in time series and spatio-temporal data mining. Such methodologies not only enable enhanced pattern recognition and reasoning across diverse domains but also lay the groundwork for artificial general intelligence capable of comprehending and processing common temporal data. In this survey, we offer a comprehensive and up-to-date review of large models tailored (or adapted) for time series and spatio-temporal data, spanning four key facets: data types, model categories, model scopes, and application areas/tasks. Our objective is to equip practitioners with the knowledge to develop applications and further research in this underexplored domain. We primarily categorize the existing literature into two major clusters: large models for time series analysis (LM4TS) and spatio-temporal data mining (LM4STD). On this basis, we further classify research based on model scopes (i.e., general vs. domain-specific) and application areas/tasks. We also provide a comprehensive collection of pertinent resources, including datasets, model assets, and useful tools, categorized by mainstream applications. This survey coalesces the latest strides in large model-centric research on time series and spatio-temporal data, underscoring the solid foundations, current advances, practical applications, abundant resources, and future research opportunities.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google