FiCoTS: Fine-to-Coarse LLM-Enhanced Hierarchical Cross-Modality Interaction for Time Series Forecasting
Created by
Haebom
Category
Empty
저자
Yafei Lyu, Hao Zhou, Lu Zhang, Xu Yang, Zhiyong Liu
개요
본 논문은 시계열 예측 분야에서 대규모 언어 모델(LLM)의 잠재력을 활용하기 위해 LLM-as-Enhancer 패러다임을 제안합니다. 특히, FiCoTS라는 LLM-향상 fine-to-coarse 프레임워크를 제시하여 텍스트 이해에 강점을 가진 LLM을 시계열 데이터 보완에 활용합니다. 이 프레임워크는 토큰, 특징, 결정 수준에서 세 가지 상호 작용 모듈을 통해 텍스트 정보가 시간적 예측을 효과적으로 지원하도록 합니다. 광범위한 실험을 통해 제안된 모델이 여러 실제 벤치마크에서 SOTA 성능을 달성했음을 보여줍니다.
시사점, 한계점
•
시사점:
◦
LLM을 예측 모델로 사용하는 대신, 텍스트 이해 능력을 활용하여 시계열 예측 성능을 향상시키는 새로운 접근 방식을 제시함.
◦
Fine-to-coarse 방식을 통해 텍스트와 시계열 데이터 간의 다단계 상호 작용을 효과적으로 구현함.
