该研究针对时间序列分析中存在的高阶交互建模不足的问题，提出了一种高阶交叉结构嵌入模型（high-ts）。该模型通过结合多尺度transformer和拓扑深度学习，联合建模时间和空间两个方面，利用对比学习生成稳健的、可区分的表示。实验结果表明，high-ts在多种时间序列任务中超越了现有的先进方法，突显了高阶交叉结构信息对提升模型性能的重要性。
该研究提出了一种高阶交叉结构嵌入模型（high-ts），结合多尺度transformer和拓扑深度学习，以提升时间序列分析的性能。实验结果表明，high-ts在多个任务中优于现有方法，突出了高阶交叉结构信息的重要性。
