TSDS-Toolbox: 시계열 데이터셋 유사도 측정을 위한 도구 모음

초록

인공지능(AI)의 급속한 발전은 시계열 분석 연구, 특히 예측, 분류 및 생성 작업에 있어 상당한 진전을 가져왔다. 최근 모델, 특히 파운데이션 모델은 미세 조정을 위한 소스 데이터셋 선택에서 중요한 역할을 하는 시계열 데이터셋 유사성의 이점을 활용한다. 그러나 시계열 데이터셋 유사성 방법을 벤치마킹하기 위한 기존 구현들은 분산되어 있고 확장하기 어려운 경우가 많다. 이러한 문제를 해결하기 위해 우리는 통합 프레임워크인 TSDS-Toolbox(Time-Series Dataset Similarity Toolbox)를 제시한다. 우리의 작업은 (1) 시계열 데이터셋 유사성 방법의 체계적이고 재현 가능한 비교, (2) 사용자가 맞춤형 데이터셋, 유사성 방법 및 다운스트림 시계열 작업을 추가할 수 있는 유연한 확장성, (3) 통합된 시계열 데이터셋 축소기를 통한 데이터셋 수준 및 시계열 수준 유사성 방법의 일관된 평가를 가능하게 한다. TSDS-Toolbox의 효과성은 다양한 실험 설정에서의 포괄적인 실험을 통해 검증된다. 우리의 도구는 공개적으로 제공된다.

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.