テキストから予測へ：Temporal Evolution Semantic Space（TESS）によるモダリティ間ギャップの橋渡し

要旨: テキスト情報を時系列予測に組み込むことは、イベント駆動の非定常性に対処する有望性を秘めています。しかし、基本的なモダリティ間のギャップが効果的な統合を妨げます。テキストの記述は時間的影響を暗黙的かつ定性的に表現しますが、予測モデルは明示的かつ定量的な信号に依存します。制御された半合成実験を通じて、既存の手法は冗長なトークンに過度に注意を払い、テキストの意味を信頼性の高い数値的手掛かりへ確実に翻訳するのに苦労することを示します。ギャップを埋めるために、TESSはモダリティ間の中間ボトルネックとして「時系列進化意味空間」を導入します。この空間は、解釈可能で数値的に根拠のある時間的プリミティブ（平均シフト、ボラティリティ、形状、ラグ）から成り、構造化プロンプトを介してテキストから抽出され、信頼度を考慮したゲーティングを通してフィルタリングされます。4つの実世界データセットを用いた実験は、最先端の単一モダリティおよびマルチモダリティのベースラインと比較して、予測誤差を最大で29％削減できることを示しています。コードは採択後に公開される予定です。