跳到主要内容
返回时间线
arXiv来源发表:

时序数据库的形状查询换了符号表:TT-SAX 给每段加趋势字母,六个模型上召回与候选同时改善

核心概要

自然语言查询时序数据库时,形状查询要求系统回答“价格何时急跌后迅速回升”这类走势问题,而现有符号化把时间序列压成字母串时丢掉了方向信息。TT-SAX 在保留 SAX 电平字母的同时,为每段增加一个跨相邻段测量、按查询形容词分级的趋势字母,形成两条对齐的字母轨道。在公开基准 NLQTSBench 的 220 条复合趋势查询上,TT-SAX 在六个大模型下均取得高于六种经典符号化的 lift,无技能提示时为 2.42,带技能时为 3.04。

Source-provided article image: TT-SAX: A Two-Track Time Series Symbolization for Natural Language Shape Querying
arXiv

深度剖析

时间序列被压成字母串后,走势方向第一次以独立字母写进字符串,而不是只能靠电平字母的先后顺序暗示。 此前的 SAX、ESAX 等电平符号化不写方向,1d-SAX、TFSAX、TSAX 虽写方向却在单个短段内测量,长趋势中的噪声会把一次持续上升写成断续的趋势字母。 在 NLQTSBench 的 220 条复合趋势查询上,TT-SAX 无技能时 lift 为 2.42,带技能时为 3.04;同一设置下六种经典符号化无技能时 lift 最高为 1.42,带技能时最高为 2.16。

趋势字母跨相邻段测量,测量宽度与电平网格解耦,因此平滑尺度可以按自然语言描述走势的粒度来选。 段内测量受噪声支配,而加长段又会粗化电平字母、抹掉短形状,两者此前无法兼顾。 消融中把趋势测量逐步加宽,TT-SAX 的召回先升后降,在两个相邻段时最好;去掉趋势字母后 lift 降到 1.00,去掉电平字母后 lift 仍为 2.03。

趋势字母表按大模型可读性设计,用 F、f、s、r、R 表示急跌、缓跌、平稳、缓升、急升,大小写区分缓急。 经典符号化的字母只是距离计算中的名字,改名不影响结果,因此字母本身是否帮助检索此前少有研究。 在三十种字母表、两个大模型的比较中,带方向词含义的一组在两个模型上都最好;把 FfsrR 改写为大小写互换的 fFsRr,召回下降,八组互换平均损失五个百分点。

启示与展望

评估集中在 NLQTSBench 的复合趋势子集,共 220 条跨领域真实通道查询,另用该基准公开生成器合成 1000 条去重查询做压力测试;符号检索只是先检索后验证流程的第一阶段,返回的候选窗口仍需在原始数值上验证。

最佳邻段数并非普适,取决于查询分布、数据以及符号化的其他参数,因此实验全程沿用基准的共享设置而未搜索该空间;两个趋势阈值在实验前固定,事后用另外五组阈值做了敏感性检查。