arXiv cs.CL· Zhao Tan, Xianglong Bao, Zhipeng Xi, Ming Jin·· 12 小时前AI 评分29
TT-SAX：面向自然语言形状查询的两轨时间序列符号化方法
TT-SAX: A Two-Track Time Series Symbolization for Natural Language Shape Querying
AI 导读
TT-SAX 在 NLQTSBench 基准的形状查询任务上优于六种经典符号化方法，实验覆盖六款 LLM。该方法对 SAX 做最小改造：保留层级字母，为每个分段新增趋势字母，趋势在相邻分段之间测量并按查询所用形容词分级。作者指出经典符号化存在方向缺失、方向测量尺度过小、字母任意三项局限，消融实验逐项验证了增益来源。
正文 · AI 翻译
摘要：面向时间序列数据库的自然语言查询旨在让用户用平实的语言在漫长的数据历史中找到所需内容。形状查询询问的是序列如何变化。它们是这项任务的主要挑战。近期工作通过将符号化作为查询与长历史之间的桥梁，使这类查询变得可行。然而，现有的符号化是为压缩、相似性索引或分类而设计的。符号化应为自然语言查询提供什么，尚未得到系统研究。因此，我们针对这项任务考察了六种经典符号化的定义，并识别出三点局限。（1）字符串中缺失方向，（2）方向是在过小的尺度上度量的，（3）字母是任意的。由此得出三条设计原则。我们遵循这些原则，对 SAX 做了最小化重新设计，称为 TT-SAX（双轨 SAX）。层级字母保持不变。每个片段获得一个趋势字母。它是在相邻片段之间而非单个片段内部度量的，并分级以匹配查询所使用的形容词。我们在公开的 NLQTSBench 基准上开展了大量实验，在六个 LLM 上比较 TT-SAX 与六种经典符号化。TT-SAX 在形状查询上优于全部六种，消融实验将其增益逐一追溯到三点局限。本文是首个以自然语言查询为设计目标的时间序列符号化系统研究。它为这项任务的未来研究提供了基础。我们的代码可在 this https URL 获取。
| 评论： | 14 页，8 幅图，2 张表。已被 Australasian Database Conference (ADC 2026) 接收。这是同行评审前提交的稿件 |
| 主题： | 数据库（cs.DB）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.30593 [cs.DB] |
| （或 arXiv:2610.30593v1 [cs.DB] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.30593 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Zhao Tan [查看邮箱]
[v1]
2026 年 10 月 22 日星期四 01:49:10 UTC（519 KB）
来源：arXiv cs.CL · arxiv.org