이동 평균 기반 동적 시간 와핑 기법을 이용한 시계열 키워드 데이터의 분류 성능 개선 방안
Enhancing Classification Performance of Temporal Keyword Data by Using Moving Average-based Dynamic Time Warping Method
1
조회
0
다운로드
6
인용
0
참고문헌
키워드
초록
본 연구는 시계열 특성을 갖는 데이터의 패턴 유사도 비교를 통해 유사 추세를 보이는 키워드를 자동 분류하기 위한 효과적인 방법을 제안하는 것을 목표로 한다. 이를 위해 대량의 웹 뉴스 기사를 수집하고 키워드를 추출한 후 120개 구간을 갖는 시계열 데이터를 생성하였다. 제안한 모델의 성능 평가를 위한 테스트 셋을 구축하기 위해, 440개의 주요 키워드를 8종의 추세 유형에 따라 수작업으로 범주를 부여하였다. 본 연구에서는 시계열 분석에 널리 활용되는 동적 시간 와핑(DTW) 기법을 기반으로, 추세의 경향성을 잘 보여주는 이동 평균(MA) 기법을 DTW에 추가 적용한 응용 모델인 MA-DTW를 제안하였다, 자동 분류 성능 평가를 위해 k-최근접 이웃(kNN) 알고리즘을 적용한 결과, ED와 DTW가 각각 마이크로 평균 F1 기준 48.2%와 66.6%의 최고 점수를 보인 데 비해, 제안 모델은 최고 74.3%의 식별 성능을 보여주었다. 종합 성능 평가를 통해 측정된 모든 지표에서, 제안 모델이 기존의 ED와 DTW에 비해 우수한 성능을 보임을 확인하였다.
Abstract
This study aims to suggest an effective method for the automatic classification of keywords with similar patterns by calculating pattern similarity of temporal data. For this, large scale news on the Web were collected and time series data composed of 120 time segments were built. To make training data set for the performance test of the proposed model, 440 representative keywords were manually classified according to 8 types of trend. This study introduces a Dynamic Time Warping(DTW) method which have been commonly used in the field of time series analytics, and proposes an application model, MA-DTW based on a Moving Average(MA) method which gives a good explanation on a tendency of trend curve. As a result of the automatic classification by a k-Nearest Neighbor(kNN) algorithm, Euclidean Distance(ED) and DTW showed 48.2% and 66.6% of maximum micro-averaged F1 score respectively, whereas the proposed model represented 74.3% of the best micro-averaged F1 score. In all respect of the comprehensive experiments, the suggested model outperformed the methods of ED and DTW.
참고문헌 (37)
- 박정희, "허밍 질의 기반 음악 검색을 위한 동적 타임 워핑의 성능 향상 방법", 정보과학회논문지 : 소프트웨어 및 응용, 41(4), pp.318~326 (2014), 한국정보과학회
- 박기현, "이동평균 개념을 이용한 웹 사이트 사용자 관심도 예측 시스템", 경영과학, 20(1), pp.25~36 (2003), 한국경영과학회
- 서장혁, "희소하고 긴 시계열 데이터의 동적 시간 워핑 거리 상계값 개선", 정보과학회논문지, 46(6), pp.570~576 (2019), 한국정보과학회[DOI]
- 안주영, "텍스트 마이닝을 이용한 매체별 에볼라 주제 분석 - 바이오 분야 연구논문과 뉴스 텍스트 데이터를 이용하여 -", 한국문헌정보학회지, 50(2), pp.289~307 (2016), 한국문헌정보학회[DOI]
- 이재원, "이동 평균선 패턴과 전환점 행렬에 기반한 주식 거래 시스템", 정보과학회 컴퓨팅의 실제 논문지, 18(7), pp.528~532 (2012), 한국정보과학회[DOI]
- 이천주, "DTW를 이용한 패턴 기반 일중 price momentum 효과 분석", 한국데이터정보과학회지, 28(4), pp.819~829 (2017), 한국데이터정보과학회[DOI]
- 정도헌, "자동 분류 기법과 지적 구조 분석 기법을 융합한 처방적 분석 시스템 구현 방안 연구", 정보관리학회지, 34(4), pp.33~57 (2017), 한국정보관리학회[DOI]
- 정도헌, "데이터 활용률 제고를 위한 기술 용어의 상호 네트워크 생성과 통제", 정보관리학회지, 35(1), pp.157~182 (2018), 한국정보관리학회[DOI]
- 정도헌, "토픽 모델링 기반 내용 분석을 통한 학제 간 융합기술 도출 방법", 정보관리학회지, 35(3), pp.77~100 (2018), 한국정보관리학회[DOI]
- 최상희, "독자 추천도서 정보를 이용한 작가 이미지 분석 연구", 정보관리학회지, 34(4), pp.153~171 (2017), 한국정보관리학회[DOI]
- 표순희, "도서관 빅데이터 서비스 모형 개발에 관한 연구: 공공도서관을 중심으로", 정보관리학회지, 32(2), pp.63~86 (2015), 한국정보관리학회[DOI]
- Aach, J., "Aligning gene expression time series with time warping algorithms", Bioinformatics, 17(6), pp.495~508 (2001)[DOI]
- Abe, H., "Trend detection from large text data", 2010 IEEE International Conference on Systems Man and Cybernetics (SMC), pp.310~315 (2010)
- Al-Naymat, G., "SparseDTW: a novel approach to speed up dynamic time warping", Proceeding of the Eighth Australasian Data Mining Conference, 101, pp.117~127 (2009)
- , 2013
- Fredrik Åström, "Changes in the LIS research front: Time-sliced cocitation analyses of LIS journal articles, 1990–2004", Journal of the American Society for Information Science and Technology, 58(7), pp.947~957 (2007), Wiley[DOI]
- Bagnall, A., "The great time series classification bake off: A review and experimental evaluation of recent algorithmic advances", 31(3), pp.606~660 (2017)
- Tugrul U. Daim, "Forecasting emerging technologies: Use of bibliometrics and patent analysis", Technological Forecasting and Social Change, 73(8), pp.981~1012 (2006), Elsevier BV[DOI]
- Jean-Christophe Doré, "How to analyze publication time trends by correspondence factor analysis: Analysis of publications by 48 countries in 18 disciplines over 12 years", Journal of the American Society for Information Science and Technology, 52(9), pp.763~769 (2001), Wiley[DOI]
- Geler, Z., "Impact of the sakoe-chiba band on the DTW time-series distance measure for kNN classification", International Conference on Knowledge Science, Engineering and Management (KSEM 2014): Knowledge Science, Engineering and Management, pp.105~114 (2014)
- Wolfgang Glänzel, "National research profiles in a changing Europe (1983–2003) An exploratory study of sectoral characteristics in the Triple Helix", Scientometrics, 70(2), pp.267~275 (2007), Springer Science and Business Media LLC[DOI]
- Hui-Huang Hsu, "KNN-DTW Based Missing Value Imputation for Microarray Time Series Data", Journal of Computers, 6(3), pp.418~425 (2011), International Academy Publishing (IAP)[DOI]
- Hwang, M. N., "Application of trend detection of technical terms to technology opportunity discovery", Communications in Computer and Information Science(CCIS), 264, pp.258~262 (2011)[DOI]
- Jeffery, S. R., "Declarative support for sensor data cleaning", International Conference on Pervasive Computing, (3968), pp.88~100 (2006), LNCS
- B.-H. Juang, "On the Hidden Markov Model and Dynamic Time Warping for Speech Recognition-A Unified View", AT&T Bell Laboratories Technical Journal, 63(7), pp.1213~1243 (1984), Institute of Electrical and Electronics Engineers (IEEE)[DOI]
- Eamonn Keogh, "Exact indexing of dynamic time warping", Knowledge and Information Systems, 7(3), pp.358~386 (2005), Springer Science and Business Media LLC[DOI]
- Keogh, E. J., "Derivative dynamic time warping", Proceedings of the 2001 SIAM International Conference on Data Mining, pp.1~11 (2001)
- Jinhyung Kim, "Technology trends analysis and forecasting application based on decision tree and statistical feature analysis", Expert Systems with Applications, 39(16), pp.12618~12625 (2012), Elsevier BV[DOI]
- Ko, M. H., "Online context recognition in multisensor systems using dynamic time warping", 2005 International Conference on Intelligent Sensors, Sensor Networks and Information Processing (2005)
- Mei, Q., "Discovering evolutionary theme patterns from text: An exploration of temporal text mining", The 11th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp.198~207 (2005)
- Niennattrakul, V., "On clustering multimedia time series data using K-Means and dynamic time warping", 2007 International Conference on Multimedia and Ubiquitous Engineering (MUE'07) (2007)
- Rajagopalan, S., "Wind power forecasting and error analysis using the autoregressive moving average modeling", 2009 IEEE Power & Energy Society General Meeting (2009)
- Stan Salvador, "Toward accurate dynamic time warping in linear time and space", Intelligent Data Analysis, 11(5), pp.561~580 (2007), IOS Press[DOI]
- ten Holt, G. A., "Multi-dimensional dynamic time warping for gesture recognition", Thirteenth annual conference of the Advanced School for Computing and Imaging (2007)
- Tsokos, C. P., "K-th Moving, Weighted and exponential moving average for time series forecasting models", European Journal of Pure and Applied Mathematics, 3(3), pp.406~416 (2010)
- Kiyoung Yang, "An efficient k nearest neighbor search for multivariate time series", Information and Computation, 205(1), pp.65~98 (2007), Elsevier BV[DOI]
- Zhuang, Y., "A weighted moving average-based approach for cleaning sensor data", 27th International Conference on Distributed Computing Systems(ICDCS ’07) (2007)