Sonar-TS：面向时序数据库的先搜索后验证自然语言查询

摘要

时序数据库自然语言查询（NLQ4TSDB）旨在帮助非专业用户从海量时间记录中检索有意义的事件、区间和摘要。然而现有 Text-to-SQL 方法并非为形状或异常等连续形态意图设计，而时序模型难以处理超长历史。为应对这些挑战，我们提出 Sonar-TS，一个通过“先搜索后验证”流水线处理 NLQ4TSDB 的神经符号框架。类似主动声呐，它利用特征索引通过 SQL 探测候选窗口，再由生成的 Python 程序锁定候选并对照原始信号验证。为支持有效评估，我们提出 NLQTSBench，首个针对 TSDB 规模历史的 NLQ 大规模基准。实验凸显该领域的独特挑战，并证明 Sonar-TS 能有效处理传统方法失败的复杂时间查询。本工作对 NLQ4TSDB 进行首次系统研究，提供通用框架与评估标准以促进未来研究。

Sonar-TS：面向时序数据库的先搜索后验证自然语言查询 — 图3：Sonar-TS框架概览。工作流分为三个阶段：(1)离线数据处理（Offline Data Processing）构建紧凑的多尺度特征表（Feature Tables）作为可查询索引；(2)在线查询（Online Querying），其中Task Planner与Code Generator合成SQL用于快速候选检索、Python用于精确验证，并由不断演化分析洞见的闭环提示冷启动（Prompt Cold Start）机制支撑；(3)后处理（Post-processing）将执行产物转换为用户友好的界面。