[論文レビュー] Time Warp Edit Distance

Pierre-François Marteau|ArXiv.org|Feb 24, 2008

Time Series Analysis and Forecasting参考文献 11被引用数 3

ひとこと要約

本稿では、個々の点ではなく線形セグメントに基づいて処理する、離散的時系列のための新しい類似性測度であるTime Warp Edit Distance (TWED) を導入する。セグメントベースの操作によるエラスティックなマッチングを可能にし、パラメータによる剛性の制御を施すことで、非一様にサンプリングされたイベントデータに対しても効果的に対処でき、時系列比較タスクにおけるロバスト性と正確性が向上する。

ABSTRACT

This technical report details a family of time warp distances on the set of discrete time series. This family is constructed as an editing distance whose elementary operations apply on linear segments. A specific parameter allows controlling the stiffness of the elastic matching. It is well suited for the processing of event data for which each data sample is associated with a timestamp, not necessarily obtained according to a constant sampling rate. Some properties verified by these distances are proposed and proved in this report.

研究の動機と目的

• 非一様なサンプリングレートを有する時系列を比較する課題に対処すること。特に、イベントベースのデータにおいて。
• 点単位の操作に依存する従来の編集距離の限界を克服し、時間的連続性をモデル化できないことに対処すること。
• 時系列の形状およびタイミングの変化を両方とも捉えることが可能な柔軟な類似性測度を開発すること。
• 提案された距離族の主要な性質を証明することで、数学的厳密性を確保すること。
• 不規則にサンプリングされたデータにおけるパターン認識、クラスタリング、情報検索の応用のための実用的フレームワークを提供すること。

提案手法

• 個々の点ではなく線形セグメントに適用する編集操作に基づく、時系列ワープ距離の族を定義する。
• セグメントの伸縮に対するコストを制御する剛性パラメータを導入する。
• 挿入、削除、置換のセグメント単位の操作の総コストを最小化する最適化問題として距離を定式化する。
• セグメントの連続性を考慮して、動的計画法を用いて2つの時系列間の最小コストの整合を計算する。
• 非負性、同一視の同一性、三角不等式といった主要な数学的性質が距離に満たされることを保証する。
• 時刻が不規則で、サンプリングが一様でない実世界のイベントデータに距離を適用する。

実験結果

リサーチクエスチョン

• RQ1 時間的連続性とセグメント単位の構造を尊重する時系列距離測度をどのように設計できるか？
• RQ2 剛性パラメータが時系列整合のロバスト性と正確性に与える影響は何か？
• RQ3 点ベースの手法と比較して、セグメントベースの編集操作は非一様にサンプリングされたイベントデータにおいて性能を向上させられるか？
• RQ4 提案された距離族が満たす数学的性質は何か？そしてそれらはクラスタリングや検索におけるその利用をどのように支援するか？
• RQ5 TWEDは、サンプリングの不規則性に対して、DTWなどの既存手法と比較して感受性が低いと言えるか？

主な発見

• TWEDは、非負性、同一視の同一性、三角不等式といった基本的な距離の性質を満たすことが証明された。
• 剛性パラメータにより、タイミングのずれに対する感受性と、サンプリングの不規則性に対するロバスト性の間で制御可能なトレードオフが可能である。
• 時系列の時間的連続性を線形セグメントによってモデル化することで、TWEDは非一様にサンプリングされた時系列において、従来の編集距離を上回る性能を発揮する。
• 各点がタイムスタンプを有し、サンプリングレートが変動するイベントデータにおいて、特に有効である。
• TWEDの計算のための動的計画法は、情報検索やパターン認識における実用的応用において、効率的かつスケーラブルである。
• 理論的分析により、TWEDが時系列のエラスティックマッチングに対して一貫性があり、数学的に妥当なフレームワークを提供することが確認された。