时间序列数据描述性文本的领域无关自动生成
Domain-Independent Automatic Generation of Descriptive Texts for Time-Series Data
AI总结：
针对时间序列数据描述文本稀缺问题，提出反向方法生成领域无关描述文本，构建TACO数据集，并用对比学习模型验证其在新领域生成描述文本的有效性。
摘要：
由于带有描述性文本标注的时间序列数据稀缺，训练一个为时间序列数据生成描述性文本的模型具有挑战性。在本研究中，我们提出了一种从时间序列数据中系统性地生成领域无关描述性文本的方法。我们确定了创建时间序列数据与描述性文本对的两种不同方法：正向方法和反向方法。通过实现新颖的反向方法，我们创建了时间观测的自动字幕（TACO）数据集。实验结果表明，使用TACO数据集训练的基于对比学习的模型能够为新颖领域中的时间序列数据生成描述性文本。
英文摘要：
Due to scarcity of time-series data annotated with descriptive texts, training a model to generate descriptive texts for time-series data is challenging. In this study, we propose a method to systematically generate domain-independent descriptive texts from time-series data. We identify two distinct approaches for creating pairs of time-series data and descriptive texts: the forward approach and the backward approach. By implementing the novel backward approach, we create the Temporal Automated Captions for Observations (TACO) dataset. Experimental results demonstrate that a contrastive learning based model trained using the TACO dataset is capable of generating descriptive texts for time-series data in novel domains.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
