Makalah ini mengusulkan ALER-TI, sebuah kerangka kerja imputasi deret waktu yang diperkaya dengan pengambilan (retrieval) yang memanfaatkan pola historis untuk melengkapi konteks lokal yang terdegradasi. Komponen intinya, Penyelarasan Embedding Laten (LEA), mengurangi ketidakcocokan representasi antara kueri yang rusak dan kandidat historis lengkap dengan menerapkan masking pasca-hoc di ruang laten.
- LEA menyelaraskan kandidat dengan pola missingness kueri sambil memungkinkan embedding historis dihitung sebelumnya dan di-cache untuk pengambilan yang efisien.
- Kerangka kerja ini agnostik terhadap model dan terintegrasi dengan berbagai backbone imputasi melalui modul adaptasi ringan.
- Eksperimen pada enam dataset dunia nyata menunjukkan ALER-TI secara konsisten meningkatkan model baseline yang kuat dan meningkatkan ketahanan di berbagai pengaturan imputasi.
ALER-TI mengatasi keterbatasan arsitektur yang ada yang mengandalkan konteks temporal terlokalisasi, yang dapat tidak memadai untuk dinamika non-stasioner dan korelasi lemah.