近日，我校计算机科学学院王蒙副教授团队最新成果“Towards Lightweight Time Series Forecasting: a Patch-wise Transformer with Weak Data Enriching”在国际顶级会议IEEE International Conference on Data Engineering（ICDE 2025）发表并作学术报告，这是继该团队研究成果在中国计算机学会（CCF）A类数据挖掘顶级期刊TKDE发表后，再度攻克轻量级高精度时间序列预测难题。作为数据挖掘领域三大国际顶尖学术会议之一，ICDE收录的学术论文代表数据挖掘、数据安全与隐私、AI驱动的数据智能、数据管理、数据工程等研究领域的最高水平，是中国计算机学会（CCF）推荐的A类顶级国际会议。
该研究聚焦于时间序列预测“高精度”与“轻量化”双重挑战难题，针对资源受限且对响应速度有极高要求的边缘应用场景，创新性地提出了一种弱数据增强策略。王蒙团队巧妙地引入无需高昂人工标注成本的弱标签作为先验，构建了统一多模态外源协变量对比学习预训练框架，利用嵌入编码精准捕捉文本与数值形态协变量的时间依赖性，同时结合隐式时间弱标签增强时序数据对比学习理解深度，从而实现预测精度的显著提升。设计的轻量化网络LiPFormer凭借其独创的Cross-Patch和基于线性变换的注意力机制，克服了传统Transformer架构中自注意力机制计算复杂度高的问题，显著削减了计算开销。通过九个权威基准数据集的全面验证，LiPFormer架构不仅预测精度全面超越所有SOTA方法，而且在参数规模、训练时长及GPU内存占用方面显著降低，在边缘设备上的推理速度仅为经典Transformer的三分之一，展现了极高的应用潜力。弱数据增强框架能够无缝地集成到基于Transformer的模型中，提升原模型的总体性能，为时间序列预测乃至更广泛领域的解决方案设计提供了全新的解决方案。
该成果得到国家自然科学基金、陕西省自然科学基础研究、陕西省教育厅重点科学研究计划、西安市科技计划等项目的支持；该论文合作者还包括我校硕士研究生杨锦涛、计算机科学学院杨博副教授、硕士研究生弓同鑫，以及华东师范大学杨彬教授、西安电子科技大学李辉教授和崔江涛教授。
据悉，王蒙团队在数据挖掘领域的另一优秀研究成果“MC2LS: Towards Efficient Collective Location Selection in Competition”也受邀在本次ICDE大会作海报报告。
（撰稿：刘俊华 审稿：樊威 闫小兵）
