当前位置: 首页 > news >正文

SIGMOD 2024 | 时空数据(Spatial-Temporal)和时间序列(Time Series)论文总结

SIGMOD2024于6月9号-6月14号正在智利圣地亚戈举行(Santiago Chile)

本文总结了SIGMOD 2024有关时间序列(time series),包括时序数据库,查询优化等内容。以及时空数据(spatial-temporal data)的相关论文,主要包含时空时空数据管理,时空数据挖掘,数据库等内容,如有疏漏,欢迎大家补充。笔者对DB了解浅薄,如有表述不当,欢迎大家指正。

SIGMOD24的detailed program中有专门的时空数据的session。

SIGMOD 时空数据Session
🌟【紧跟前沿】“时空探索之旅”与你一起探索时空奥秘!🚀
欢迎大家关注时空探索之旅时空探索之旅QRCode

1. Origin-Destination Travel Time Oracle for Map-based Services

链接:https://dl.acm.org/doi/abs/10.1145/3617337

作者:Yan Lin (Beijing Jiaotong University); Huaiyu Wan (Beijing Jiaotong University); Jilin Hu (Aalborg University)*; Shengnan Guo (Beijing Jiaotong University); Bin Yang (Aalborg University); Youfang Lin (Beijing Jiaotong University); Christian S. Jensen (Aalborg University)

关键词:ETA(OD),扩散模型

代码:https://github.com/Logan-Lin/DOT

DOT

2. Temporal JSON Keyword Search

链接:https://dl.acm.org/doi/abs/10.1145/3654980

作者:Curtis Dyreson (Utah State University)*; Amani Shatnawi (Yarmouk University ); Sourav S Bhowmick (Nanyang Technological University); Vishal Sharma (University of Nevada, Las Vegas)

关键词:时序关键词搜索,JSON

代码:https://github.com/cdyreson/temporalHierarchicalKeywordSearch

Temporal Search

3. Proximity Queries on Point Clouds using Rapid Construction Path Oracle

链接:https://dl.acm.org/doi/abs/10.1145/3639261

作者:Yinzhao YAN (Hong Kong University of Science and Technology)*; Raymond Chi-Wing Wong (Hong Kong University of Science and Technology)

关键词:POI最短路径查询,Oracle

4. Optimizing Time Series Queries with Versions

链接:https://dl.acm.org/doi/abs/10.1145/3654962

作者:Rui Kang (Tsinghua University); Shaoxu Song (Tsinghua University)*

关键词:时间序列查询,物联网数据库

5. Hierarchical Cut Labelling – Scaling Up Distance Queries on Road Networks

链接:https://dl.acm.org/doi/abs/10.1145/3626731

作者:Muhammad Farhan (Australian National University)*; Henning Koehler (Massey University); Robert Ohms (Australian National University); Qing Wang (ANU)

关键词:最短路查询,路网,层次划分

6. Nexus: Correlation Discovery over Collections of Spatio-Temporal Tabular Data

链接:https://dl.acm.org/doi/abs/10.1145/3654957

作者:Yue Gong (The University of Chicago)*; Sainyam Galhotra (Cornell University); Raul Castro Fernandez (The University of Chicago)

关键词:数据发现,时空数据,相关性分析,假设生成,表格数据

NEXUS

7. DGC: Training Dynamic Graphs with Spatio-Temporal Non-Uniformity using Graph Partitioning by Chunks

链接:https://dl.acm.org/doi/abs/10.1145/3626724

作者:Fahao Chen (The University of Aizu); Peng Li (the University of Aizu)*; Celimuge Wu (The University of Electro-Communications)

关键词:动态图,分布式机器学习,图划分

DGC

8. Akane: Perplexity-Guided Time Series Data Cleaning

链接:https://dl.acm.org/doi/abs/10.1145/3654993

作者:Xiaoyu Han (Fudan University)*; Haoran Xiong (Fudan University); Zhenying He (Fudan University); Peng Wang (" Fudan University, China"); Chen Wang (" Tsinghua University, China"); X. Sean Wang (Fudan University)

关键词:时间序列数据清洗

9. Time Series Representation for Visualization in Apache IoTDB

链接:https://dl.acm.org/doi/abs/10.1145/3639290

作者:Lei Rui (Tsinghua University); Xiangdong Huang (Tsinghua University); Shaoxu Song (Tsinghua University)*; Yuyuan Kang (University of Wisconsin-Madison); Chen Wang (Timecho Limited); Jianmin Wang (“Tsinghua University, China”)

关键词:时序数据可视化,数据库查询处理

Apache IoTDB

10. MOST: Model-Based Compression with Outlier Storage for Time Series Data

链接:https://dl.acm.org/doi/abs/10.1145/3626737

作者:Zehai Yang (Institute of Computing Technology, CAS & University of Chinese Academy of Sciences); Shimin Chen (Chinese Academy of Sciences)*

关键词:时间序列数据异常存储压缩

MOSTDB

11. Correlation Joins over Time Series Data Streams Utilizing Complementary Dimension Reduction and Transformation

链接:https://dl.acm.org/doi/abs/10.1145/3626722

作者:AmirReza Alizade Nikoo (University of Zürich)*; Sven Helmer (University of Zurich); Michael H Böhlen (University of Zurich)

关键词:时间序列,数据流, join processing

12. (Demo)UniTS: A Universal Time Series Analysis Framework Powered by Self-supervised Representation Learning

链接:https://dl.acm.org/doi/abs/10.1145/3626246.3654733

作者:Zhiyu Liang (Harbin Institute of Technology); Chen Liang (Harbin Institute of technology); Zheng Liang (Harbin Institute of Technology); Hongzhi Wang (Harbin Institute of Technology); Bo Zheng (CnosDB Inc.)

关键词:时间序列分析,自监督学习,预训练

代码:https://github.com/LceOmlet/UniTS

Harbin Institute of Technology); Bo Zheng (CnosDB Inc.)

关键词:时间序列分析,自监督学习,预训练

代码:https://github.com/LceOmlet/UniTS

UniTS

相关文章:

SIGMOD 2024 | 时空数据(Spatial-Temporal)和时间序列(Time Series)论文总结

SIGMOD2024于6月9号-6月14号正在智利圣地亚戈举行(Santiago Chile) 本文总结了SIGMOD 2024有关时间序列(time series),包括时序数据库,查询优化等内容。以及时空数据(spatial-temporal data)的…...

学习分享-分布式 NoSQL 数据库管理系统Cassandra以及它和redis的区别

前言 最近在学习的过程中遇到如何应对海量幂等 Key 所消耗的内存的问题,在网上查找资料了解到Cassandra或许是解决方式之一,所以查找了Cassandra的相关资料及其Cassandra和redis的区别。 什么是Cassandra Cassandra 是一个开源的分布式 NoSQL 数据库管…...

Android 汉字转拼音(两行就够了)

在Android中,我们可以使用Android自带的Transliterator类来实现汉字转拼音的功能。下面是使用Transliterator类的示例代码: 在你的Activity或者工具类中,使用以下代码来实现汉字转拼音的功能: import android.support.v7.app.Ap…...

JVM

栈 定义 每个线程运行时所需要的内存, 称为虚拟机栈每个栈由多个栈帧(包含参数, 局部变量, 放回值)组成, 对应着每次方法调用时所占用的内存每个线程只能有一个活动栈帧, 对应着当前正在执行的那个方法 堆 定义: 通过new关键字, 创建对象都会使用堆内存 特点:它是线程共享…...

MySQL锁机制和事务管理:如何处理并发和隔离性

引言 在数据库系统中,多个用户可能同时访问和修改数据,这就是并发操作。并发操作的主要优势在于,它显著提高了资源的利用率和事务的吞吐量。然而,如果不适当的管理并发操作,就会引发一些问题。以下几种并发操作中常见的问题: 丢失修改:这是某一事务的更新被另一事务的…...

特别名词Test Paper7

特别名词Test Paper7 potteries 陶器power 权力;能源powerpoint 投影的文件precaution 预防precision 精密度preference 偏爱preposition 介词prescription 药方presentation 演讲;陈述preservation 保存president 总统;校长(大学…...

2的n次方表格

做项目的时候有时候会担心数据溢出,常用的数据长度就有8位、16位、32位、64位。相信八位都很容易记住就是256,16位是65536,但是数字一大就记不住了,甚至连换算为十进制是多少位都不得而知。 下表中就有1 ~ 64位数据的范围。 0次…...

EVS9329-ES驱动器EVS9329ES可议价

EVS9329-ES驱动器EVS9329ES可议价 EVS9329-ES驱动器EVS9329ES可议价 EVS9329-ES驱动器EVS9329ES可议价 EVS9329-ES驱动器EVS9329ES可议价 EVS9329-ES驱动器EVS9329ES可议价 EVS9329-ES步进电机按结构分类:步进电动机也叫脉冲电机,包括反应式步进电动…...

JSON、yam|fIProperties

JSON、YAML和Properties都是数据序列化和存储的格式,它们各自有独特的特点和适用场景。 1. JSON (JavaScript Object Notation) : 特点:JSON是一种轻量级的数据交换格式,易于人阅读和编写,同时也易于机器解析和生成。它基于ECMA…...

关于投标中的合理均价基准差径靶心法(KIMI回答)

投标中的合理靶心法到底是什么呢?用了KIMI来进行回答:...

好久没写文章

好久没写文章...

卡塔尔.巴林:海外媒体投放-宣发.发稿效果显著提高

引言 卡塔尔和巴林两国积极采取措施,通过海外媒体投放和宣发,将本国的商业新闻和相关信息传达给更广泛的受众。在这一过程中,卡塔尔新闻网、巴林商业新闻和摩纳哥新闻网等媒体起到了关键作用。通过投放新闻稿,这些国际化的媒体平…...

【成品设计】基于STM32的单相瞬时值反馈逆变器

《基于STM32的单相瞬时值反馈逆变器》 整体功能: 图13 软件框图 如图13所示,由于本设计中需要通过定时器中断执行一些程序,故首先对中断进行初始化。中断初始化以后即为对串口进行初始化,总共初始化了两个串口,第一个…...

浏览器实时播放摄像头数据并通过 Yolo 进行图像识别

安装 Ultralytics 之后,可以直接通过本地获取摄像头数据流,并通过 Yolo 模型实时进行识别。大多情况下,安装本地程序成本比较高,需要编译打包等等操作,如果可以直接通过浏览器显示视频,并实时显示识别到的对…...

redis清空list

redis list清空 要清空Redis中的list,您可以使用LTRIM命令。Redis Ltrim 对一个列表进行修剪(trim),就是说,让列表只保留指定区间内的元素,不在指定区间之内的元素都将被删除。 下标 0 表示列表的第一个元素,以 1 表示…...

汽车油耗NEDC与WLTP有什么区别?以及MATLAB/Simulink的汽车行驶工况仿真

最近的热点新闻非比亚迪的秦L莫属,其油耗达到2.9L/100km,但其标注为NEDC也引起了讨论, NEDC与WLTP的区别 NEDC的全称为“New European Driving Cycle”,即“新欧洲驾驶循环”。这种油耗测试标准起源于上世纪80年代,主…...

【Python】已解决报错:AttributeError: module ‘json‘ has no attribute ‘loads‘解决办法

😎 作者介绍:我是程序员洲洲,一个热爱写作的非著名程序员。CSDN全栈优质领域创作者、华为云博客社区云享专家、阿里云博客社区专家博主。 🤓 同时欢迎大家关注其他专栏,我将分享Web前后端开发、人工智能、机器学习、深…...

(5)按钮输入

文章目录 前言 1 基础设置 2 数字逻辑/模拟电压设置 3 PWM输入设置 4 额外设置 前言 连接到自动驾驶仪的最多四个外部按钮或开关可以被配置为触发辅助功能(Auxiliary Functions),类似于 RC 通道开关的触发方式。这些按钮输入可以被配置为使用数字逻辑电平电压…...

嵌入式开发、C++后台开发、C++音视频开发怎么选择?

开始前刚好我有一些资料,是我根据网友给的问题精心整理了一份「嵌入式的资料从专业入门到高级教程」, 点个关注在评论区回复“888”之后私信回复“888”,全部无偿共享给大家!!! 嵌入式开发:非常…...

高考志愿填报,大学读什么专业比较好?

高考分数出炉后,选择什么样的专业,如何去选择专业?于毕业生而言是一个难题。因为,就读的专业前景不好,意味着就业情况不乐观,意味着毕业就是失业。 盲目选择专业的确会让自己就业时受挫,也因此…...

33 _ 跨站脚本攻击(XSS):为什么Cookie中有HttpOnly属性?

通过上篇文章的介绍,我们知道了同源策略可以隔离各个站点之间的DOM交互、页面数据和网络通信,虽然严格的同源策略会带来更多的安全,但是也束缚了Web。这就需要在安全和自由之间找到一个平衡点,所以我们默认页面中可以引用任意第三…...

C++入门小结

C命名空间总结 C 中的命名空间(Namespace)是一种组织代码的方式,用于避免全局命名冲突。在同一个命名空间中,可以有相同名称的变量、函数和类,但它们彼此互不影响。下面是对 C 命名空间的一些总结: 定义命…...

Java 开发实例:Spring Boot+AOP+注解+Redis防重复提交(防抖)

文章目录 1. 环境准备2. 引入依赖3. 配置Redis4. 创建防重复提交注解5. 实现AOP切面6. 创建示例Controller7. 测试8. 进一步优化8.1 自定义异常处理8.2 提升Redis的健壮性 9. 总结 🎉欢迎来到Java学习路线专栏~探索Java中的静态变量与实例变量 ☆* o(≧▽≦)o *☆嗨…...

使用difflib实现文件差异比较用html显示

1.默认方式&#xff0c;其中加入文本过长&#xff0c;需要换行&#xff0c;因此做 contenthtml_output.replace(</style>,table.diff td {word-wrap: break-word;white-space: pre-wrap;max-width: 100%;}</style>)&#xff0c;添加换行操作 ps&#xff1a;当前te…...

【文末附gpt升级秘笈】AI热潮降温与AGI场景普及的局限性

AI热潮降温与AGI场景普及的局限性 摘要&#xff1a; 随着人工智能&#xff08;AI&#xff09;技术的迅猛发展&#xff0c;AI热一度席卷全球&#xff0c;引发了广泛的关注和讨论。然而&#xff0c;近期一些学者和行业专家对AI的发展前景提出了质疑&#xff0c;认为AI热潮将逐渐…...

Vue待学习

整个渲染过程了解 Vue实例&#xff1f;Vue模板&#xff1f;渲染函数render&#xff08;&#xff09;&#xff1f;虚拟DOM VNode?模板编译器&#xff1f;diff算法 CSS相关 CSS高级学习&#xff1f;过渡&#xff1f; 待熟悉掌握 Vue-router?VueX&#xff1f;Vue-Cli、Webpack和…...

TOP150-LC88

/*给你两个按 非递减顺序 排列的整数数组 nums1 和 nums2&#xff0c;另有两个整数 m 和 n &#xff0c;分别表示 nums1 和 nums2 中的元素数目。请你 合并 nums2 到 nums1 中&#xff0c;使合并后的数组同样按 非递减顺序 排列。注意&#xff1a;最终&#xff0c;合并后数组不…...

使用Python和TCN进行时间序列预测:一个完整的实战示例

使用Python和TCN进行时间序列预测&#xff1a;一个完整的实战示例 时间卷积网络&#xff08;TCN&#xff09;已被证明在处理序列数据方面表现出色&#xff0c;尤其是在需要捕获长期依赖关系的任务中。在本文中&#xff0c;我们将通过一个简单的例子&#xff0c;展示如何使用Py…...

如何用R语言ggplot2画高水平期刊散点图

文章目录 前言一、数据集二、ggplot2画图1、全部代码2、细节拆分1&#xff09;导包2&#xff09;创建图形对象3&#xff09;主题设置4&#xff09;轴设置5&#xff09;图例设置6&#xff09;散点颜色7&#xff09;保存图片 前言 一、数据集 数据下载链接见文章顶部 处理前的数据…...

Python基于 Jupyter Notebook 的图形可视化工具库之ipysigma使用详解

概要 在数据科学和网络分析中,图(Graph)结构是一种常用的数据结构,用于表示实体及其关系。为了方便图数据的可视化和交互操作,ipysigma 提供了一个基于 Jupyter Notebook 的图形可视化工具。通过 ipysigma,用户可以在 Jupyter Notebook 中创建、编辑和展示图结构,方便进…...