TSDS-Toolbox: 時系列データセット類似度を測定するためのツールボックス

要旨

人工知能（AI）の急速な進歩により、時系列解析、特に予測、分類、生成タスクにおける研究は大幅に加速している。最近のモデル、特に基盤モデルは、ファインチューニングにおけるソースデータセット選択において重要な役割を果たす時系列データセットの類似性から恩恵を受けている。しかしながら、時系列データセット類似性手法のベンチマーキングを目的とした既存の実装の多くは断片的であり、拡張が困難である。この問題に対処するため、我々は統一フレームワークである時系列データセット類似性ツールボックス（TSDS-Toolbox）を提案する。本研究により、（1）時系列データセット類似性手法の体系的かつ再現可能な比較、（2）カスタムデータセット、類似性手法、および下流の時系列タスクを追加するための柔軟な拡張性、（3）統合された時系列データセットリデューサを通じたデータセットレベルおよび系列レベルの類似性手法の一貫した評価が可能となる。TSDS-Toolboxの有効性は、多様な実験設定の下での包括的な実験を通じて検証される。本ツールボックスは公開されている。

English

The rapid advancement of artificial intelligence (AI) has significantly accelerated research in time-series analysis, particularly in forecasting, classification, and generation tasks. Recent models, especially foundation models, benefit from time-series dataset similarity due to its significant role in source dataset selection for fine-tuning. However, many existing implementations for benchmarking time-series dataset similarity methods are fragmented and difficult to extend. To address this, we present a unified framework, the Time-Series Dataset Similarity Toolbox (TSDS-Toolbox). Our work enables (1) systematic and reproducible comparisons of time-series dataset similarity methods; (2) flexible extensibility for users to add customized datasets, similarity methods, and downstream time-series tasks; and (3) consistent evaluation of both dataset-level and series-level similarity methods through integrated time-series dataset reducers. The effectiveness of TSDS-Toolbox is validated through comprehensive experiments under diverse experimental settings. Our toolbox is publicly available.