Dynamic Time Warping (DTW) เป็นระยะทางมาตรฐานสำหรับการค้นหาความคล้ายคลึงของอนุกรมเวลาที่มีการจัดเรียงเวลาไม่ตรงกัน แต่ต้นทุนของมันขึ้นอยู่กับกำลังสองของความยาวอนุกรม และการจำกัดขอบเขตล่างมักจะตัดตัวเลือกไป ทำให้การค้นหาในชุดอนุกรมยาวขนาดใหญ่เป็นไปอย่างเชื่องช้า
การเรียนรู้การประมาณค่าช่วยให้การเปรียบเทียบมีราคาถูกลง แต่การเปรียบเทียบทุกคู่ด้วยกฎคงที่เดียวกันนั้นแตกต่างจาก DTW ที่ปรับการจัดเรียงสำหรับแต่ละคู่
ด้วยการนำเสนอ Weighted Euclidean Time Warping (WETW) ซึ่งเป็นระยะทางที่เรียนรู้เพื่อปรับการเปรียบเทียบการฝังตัวคงที่ให้เข้ากับแต่ละคู่ โดยใช้เครือข่ายขนาดเล็กในการทำนายน้ำหนักสำหรับแต่ละมิติและแต่ละคู่
เมื่อใช้ไปป์ไลน์กรองและตรวจสอบ (WETW-FV) พบว่าสามารถเร็วกว่าวิธีที่แม่นยำที่สุดใน UCR Suite ได้ถึง 11.4 เท่า โดยมีค่า recall@10 เฉลี่ยอยู่ที่ 0.93 ในชุดข้อมูลแปดชุด
ศัพท์ที่ควรรู้
- Dynamic Time Warping (DTW) – เป็นวิธีการมาตรฐานในการวัดระยะทางสำหรับอนุกรมเวลาที่ไม่ตรงกัน
- Weighted Euclidean Time Warping (WETW) – คือระยะทางที่เรียนรู้ซึ่งปรับการเปรียบเทียบการฝังตัวให้เข้ากับแต่ละคู่
- Embedding – คือการแปลงอนุกรมเวลาให้เป็นรูปแบบที่มีมิติคงที่เพื่อการเปรียบเทียบ
- Recall@10 – คือตัวชี้วัดประสิทธิภาพที่วัดว่าการค้นหาที่เร็วขึ้นนั้นสามารถค้นพบเพื่อนบ้านที่ใกล้ที่สุดได้ถูกต้องกี่เปอร์เซ็นต์
ที่มา: arxiv.org