Beyond Trend and Periodicity: Guiding Time Series Forecasting with Textual Cues

要約

この研究では、新しいテキストガイド付き時系列予測 (TGTSF) タスクが導入されています。
TGTSF は、チャンネルの説明や動的なニュースなどのテキスト キューを統合することで、純粋に履歴データに依存する従来の方法の重大な制限に対処します。
このタスクをサポートするために、クロスアテンション メカニズムを使用してテキスト キューと時系列データを融合する堅牢なベースライン モデルである TGForecaster を提案します。
次に、単純な周期データから複雑なイベント駆動型の変動に至るまで、提案されたフレームワークを検証するために、細心の注意を払って厳選された 4 つのベンチマーク データセットを提示します。
私たちの包括的な評価は、TGForecaster が一貫して最先端のパフォーマンスを達成していることを実証し、時系列予測にテキスト情報を組み込むことの変革の可能性を強調しています。
この研究は、新しい予測タスクの先駆者であるだけでなく、将来の研究のための新しいベンチマークを確立し、時系列モデルのマルチモーダル データ統合の進歩を推進します。

要約(オリジナル)

This work introduces a novel Text-Guided Time Series Forecasting (TGTSF) task. By integrating textual cues, such as channel descriptions and dynamic news, TGTSF addresses the critical limitations of traditional methods that rely purely on historical data. To support this task, we propose TGForecaster, a robust baseline model that fuses textual cues and time series data using cross-attention mechanisms. We then present four meticulously curated benchmark datasets to validate the proposed framework, ranging from simple periodic data to complex, event-driven fluctuations. Our comprehensive evaluations demonstrate that TGForecaster consistently achieves state-of-the-art performance, highlighting the transformative potential of incorporating textual information into time series forecasting. This work not only pioneers a novel forecasting task but also establishes a new benchmark for future research, driving advancements in multimodal data integration for time series models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google