实体
NLQTSBench
NLQTSBench
PulseAugur coverage of NLQTSBench — every cluster mentioning NLQTSBench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的TT-SAX方法增强了自然语言时间序列查询能力
研究人员开发了TT-SAX，一种用于符号化时间序列数据以改进自然语言查询的新方法。现有的符号化技术主要用于压缩或分类，在捕捉适合自然语言查询的尺度上的方向信息方面存在局限性。TT-SAX通过纳入跨段测量的趋势字母并根据查询形容词进行分级来解决这些问题。在NLQTSBench基准上的实验表明，TT-SAX在形状查询方面优于多个LLM的六种经典符号化方法，消融实验证实了其设计原则的优势。
-
Sonar-TS框架增强了时间序列数据的自然语言查询能力
研究人员推出Sonar-TS，一个旨在改进时间序列数据库自然语言查询的新框架。这种神经符号方法采用搜索后验证（Search-Then-Verify）流水线，首先使用特征索引通过SQL识别候选数据窗口，然后使用生成的Python程序针对原始信号确认这些候选。为了便于评估，该团队还开发了NLQTSBench，一个用于评估大规模时间序列数据自然语言查询的新基准。