TSCenter/awesome-time-series-papers

解决的问题

本项目提供了一个集中且经过精选的资源库，汇集了时间序列分析领域的最新研究论文和代码实现。它帮助研究人员和从业者快速发现各类时间序列任务中的前沿方法，免去了手动搜索各大AI会议论文集的繁琐工作。

工作原理

该资源库作为一个有组织的社区维护索引运行。它按特定子领域（如预测、异常检测和基础模型）对论文进行分类，并按发表年份和会议进行追踪。许多条目包含指向原始研究论文及其相关代码仓库的直接链接，并重点标注了高引用或推荐的作品。

适用人群

本资源专为需要紧跟时间序列机器学习快速发展趋势的AI研究人员、数据科学家和学生设计。对于那些寻找基准测试、实现示例或领域内最新理论进展的人来说，它尤为有用。

亮点

• 全面覆盖 NeurIPS, ICML, KDD, ICLR, 和 AAAI 等主要AI会议。
• 主题广泛，涵盖预测、异常检测、基础模型、因果发现等。
• 活跃的社区参与，定期更新并支持 pull requests。
• 提供高引用论文和个人推荐的视觉标识，帮助用户更高效地浏览文献。