في عالم يتزايد فيه الاعتماد على البيانات المتعددة الأبعاد، يعتبر توقع الأنماط الزمنية متعددة الأبعاد من المهام الحيوية. تتمحور التحديات حول دمج البيانات الرقمية مع الإشارات السياقية الأخرى، مثل النصوص. الحلول التقليدية غالباً ما تتعامل مع الميزات النصية والأنماط الزمنية بشكل منفصل، مما يؤدي إلى تجاهل التأثيرات المتعددة المقاييس للسياق. ولكن الآن، تم تقديم طريقة جديدة تُعرف باسم دمج النصوص الطيفية (Spectral Text Fusion - SpecTF)، والتي تُحدث ثورة في هذا المجال.

تعتمد الطريقة المقترحة على فك التحليل الطيفي، الذي يقوم بفصل الأنماط الزمنية إلى مكونات ترددية، مما يتيح فهم التغيرات على المدى القصير والطويل. يقوم SpecTF باستخراج التعبيرات النصية، وتحويلها إلى المجال الطيفي، ثم دمجها مع مكونات الوقت بطريقة مرنة باستخدام آلية الانتباه المتقاطع الخفيفة. يُعيد هذا النظام تقييم الأوزان بناءً على الأهمية النصية قبل إجراء التوقعات.

وتظهر النتائج التجريبية أن SpecTF يتفوق بشكل كبير على أحدث النماذج الموجودة في مجموعة متنوعة من بيانات الأنماط الزمنية متعددة الأبعاد، بينما يستخدم عددًا أقل بكثير من المعلمات. يمكن العثور على الكود البرمجي لهذه الطريقة على https://github.com/hiepnh137/SpecTF.

كيف ترى تأثير هذه الابتكارات في مجال توقع الأنماط الزمنية؟ شاركونا آراءكم في التعليقات!