论文
连续性和序数很重要：使用 大语言模型 约束时间序列标记以进行有效的时间序列分析
Continuity and Ordinality Matter: Constraining Time Series Tokens for Effective Time Series Analysis with Large Language Models
摘要
基于词元的时间序列 大语言模型 (TS-LLM) 已成为时间序列分析和推理的一个有前途的方向。然而，先前的研究很大程度上忽视了时间序列标记固有的连续性和有序性，这极大地限制了模型的性能。在本文中，我们认为在时间序列词元嵌入中保留这些属性对于基于词元的 TS-LLM 的有效性至关重要。为此，我们提出了 COM（Continuity and Ordinality Matter），这是一种连续性和序数感知策略，它将几何约束集成到初始化和训练阶段。多个时间序列分析基准的实证结果表明，COM 持续提高了基于词元的 TS-LLM 的性能，取得了有竞争力的结果和很强的通用性。代码可在 https://anonymous.4open.science/r/COM 获取。