TimeTok：通过分层标记化生成粒度可控的时间序列

时间序列数据本质上是多尺度的，跨越从粗略趋势到精细尺度动态的不同时间粒度。然而，现有的时间序列生成模型对输入和输出的时间粒度提供有限的控制，限制了它们根据用户提供的粗略草图进行调节并以所需的目标粒度生成样本的能力。为了解决这个问题，我们引入了 TimeTok，这是一个用于粒度可控时间序列生成 (GC-TSG) 的统一框架，它可以从任何较粗糙的输入（例如，粗略草图）或无需条件的情况下生成任何目标粒度的时间序列。 TimeTok 的核心是分层标记化策略，它将时间序列映射为有序的标记序列，时间粒度从粗到细。我们的自回归生成过程在这些粒度级别上运行，生成被解码回连续时间序列的词元块。这种设计自然地在单个框架内启用 GC-TSG，其中控制词元块的数量可以提供对输出细节的显式控制。实验表明，TimeTok 擅长 GC-TSG 任务，同时在标准生成中实现了最先进的性能。此外，我们通过对具有异构时间粒度的多个数据集进行训练，展示了 TimeTok 作为基础分词器的潜力，验证了强大的可转移性，该可转移性始终优于在单个数据集上训练的模型。据我们所知，这是第一个涵盖时间序列完整生成范围的统一框架，为受益于不同时间粒度的模型提供了宝贵的基础。