DualSG：デュアルストリーム・エクスプレシット・セマンティック・ガイドド多変量時系列予測フレームワーク

多変量時系列予測は、多くのアプリケーションにおいて重要な役割を果たしています。近年の研究では、大規模言語モデル（LLM）を用いてMTSF（多変量時系列予測）を行うことが試みられ、その推論能力を活かすことが目的とされています。しかし、多くの手法ではLLMをエンドツーエンドの予測モデルとして扱っており、これにより数値の精度が損なわれたり、LLMが意図した設計範囲を超えたパターンを処理せざるを得なくなるといった問題が生じます。あるいは、潜在空間内でのテキストと時系列のモダリティを統合しようとする手法は、しばしば統合の困難さに直面します。本論文では、LLMを単独の予測モデルとして扱うのではなく、二重ストリームフレームワーク内の意味的ガイドモジュールとして扱うことを提案します。我々は、明示的な意味的ガイドを提供する二重ストリームフレームワーク「DualSG」を提案し、LLMは従来の予測を置き換えるのではなく、補強する役割を果たします。DualSGの一部として、時系列データのトレンドパターンを自然言語で要約し、LLMに解釈可能な文脈を提供する「Time Series Caption（時系列キャプション）」という明示的なプロンプト形式を導入します。これは、潜在空間内でのテキストと時系列の暗黙的な統合に依存するのではなく、明示的な文脈提供を行うものです。また、キャプションをもとにした統合モジュールを設計し、変数間の関係を明示的にモデル化しながらノイズと計算コストを低減します。異なるドメインから得られた現実世界のデータセットを用いた実験により、DualSGが15の最先端のベースラインを常に上回ることが確認され、数値予測と意味的ガイドの明示的な統合が有効であることが示されました。