> ## Documentation Index
> Fetch the complete documentation index at: https://docs.factagora.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Timeseries

> Timeseries 활용 베스트 프랙티스

## 모든 시간 기반 콘텐츠와 호환

Timeseries는 콘텐츠를 시간순으로 정리합니다, 이벤트 기반 콘텐츠(뉴스 기사, 보고서, 공시)와 구조화된 데이터 페이지 모두에서 작동합니다. 각 데이터 포인트는 특정 시점에 발생한 일을 텍스트 설명으로 담으며, 숫자 값이 아닙니다.

```json theme={null}
{ "timestamp": "2023-03", "label": "Italy temporarily bans ChatGPT over privacy concerns" }
{ "timestamp": "2024-08", "label": "EU AI Act enters into force" }
```

## 타임스탬프는 사전 정규화됨

타임스탬프는 항상 `YYYY`, `YYYY-MM`, `YYYY-MM-DD` 세 가지 형식 중 하나로 반환됩니다. 문자열 그대로 안전하게 정렬하고 비교할 수 있습니다.

```javascript theme={null}
// 타임스탬프는 이미 정규화되어 있어 변환이 필요 없습니다
dataPoints.sort((a, b) => a.timestamp.localeCompare(b.timestamp));
```

## 콘텐츠가 풍부한 페이지의 URL 사용

명확한 시간 기반 정보가 담긴 기사, 보고서, 데이터 페이지를 가리키는 URL이 가장 좋은 결과를 만듭니다. 내용이 빈약하거나 내비게이션만 있는 페이지는 데이터 포인트가 적게 반환될 수 있습니다.

```json theme={null}
{ "url": "https://en.wikipedia.org/wiki/Timeline_of_artificial_intelligence" }
```

## PDF와 보고서에는 파일 엔드포인트 사용

연간 보고서, 백서, 연구 문서의 경우 URL을 전달하기보다 `/api/v1/timeseries/file` 엔드포인트로 파일을 직접 업로드하세요.

```bash theme={null}
curl -X POST "https://api.factagora.com/api/v1/timeseries/file" \
  -H "Authorization: Bearer fag_your_api_key" \
  -F "file=@annual-report-2024.pdf"
```

## Causality Graph와 결합

시계열을 추출한 뒤, [Causality Graph](/ko/api-reference/causality-graph)를 사용해 이벤트 시퀀스 뒤에 있는 인과 관계를 이해하세요.

```
Timeseries (이벤트 시퀀스) → Causality Graph (각 이벤트가 왜 일어났는가?)
```