講演情報
[5N2-GS-11h-02]変数情報を考慮したAutoTimesによる多変量時系列予測に関する一考察
〇伊澤 碧大1、諏訪 晴哉1、楊 添翔2、邵 騰飛1、後藤 正幸1 (1. 早稲田大学、2. 慶應義塾大学)
キーワード：
多変量時系列予測、大規模言語モデル、コールドスタート問題、AutoTimes
近年，大規模言語モデル（LLM）が持つ高度な推論能力を時系列予測へ応用する研究が注目を集めている．その中でAutoTimesはLLM本来の自己回帰的特性を用いて逐次的に単変量予測を行うため，推論の中身が確認しやすくかつ柔軟な拡張が可能であるという利点を持つ．しかし，AutoTimesはLLMを高度な推論器として利用することに主眼があり，LLMの持つ意味的理解を最大限に活用するには至っていない．そこで本研究では，高い拡張性をもつAutoTimesをベースに， LLMの推論能力と意味的理解の双方を活用する多変量時系列予測モデルを提案する．提案手法では，変量名や属性テキストから抽出した意味的特徴を数値系列と統合する機構を採用し多変量予測を行う．これにより，数値情報のみでは捉えきれない変量間の意味的な依存関係や特性を考慮した予測が可能となる．評価実験では，実データを用いて従来手法との比較検証を行い，意味的理解の活用による予測精度の向上を検証する．これにより，購買データにおけるコールドスタート問題に寄与することが期待される．
コメント
コメントの閲覧・投稿にはログインが必要です。ログイン