텍스트가 이끄는 시계열 예측을 위한 적응형 정보 라우팅
읽는 시간: 2 분
...
📝 원문 정보
- Title: Adaptive Information Routing for Multimodal Time Series Forecasting
- ArXiv ID: 2512.10229
- 발행일: 2025-12-11
- 저자: Jun Seo, Hyeokjun Choe, Seohui Bae, Soyeon Park, Wonbin Ahn, Taeyoon Lim, Junhyeok Kang, Sangjun Han, Jaehoon Lee, Dongwan Kang, Minjae Kim, Sungdong Yoo, Soonyoung Lee
📝 초록 (Abstract)
시계열 예측은 다양한 실생활 응용에서 핵심 과제이다. 기존 방법은 주로 과거 시계열 데이터만을 이용해 미래 값을 추정하지만, 실제 상황에서는 정보가 제한적이어서 정확도가 떨어진다. 이를 보완하기 위해 텍스트와 같은 추가 모달리티를 결합한 다중모달 시계열 예측이 연구되고 있다. 본 연구에서는 다중모달 시계열 예측을 위한 새로운 프레임워크인 Adaptive Information Routing (AIR)을 제안한다. 기존 방법이 텍스트 데이터를 시계열 데이터와 동등한 보조 특성으로 취급하는 데 반해, AIR은 텍스트 정보를 동적으로 활용해 시계열 모델이 어떻게, 어느 정도로 다변량 시계열 정보를 결합할지를 제어한다. 또한 대형 언어 모델을 이용해 원시 텍스트를 예측에 적합한 형태로 정제하는 텍스트‑리파인먼트 파이프라인과 이를 기반으로 한 벤치마크를 제공한다. 원유 가격 및 환율 등 실제 시장 데이터를 대상으로 한 실험 결과, AIR가 텍스트 입력을 통해 시계열 모델의 동작을 효과적으로 조정하여 다양한 예측 과제에서 정확도를 크게 향상시킴을 확인하였다.💡 논문 핵심 해설 (Deep Analysis)
