Knowledge Discovery from Sequential Data

Höppner, Frank

doi:10.24355/dbbs.084-200511080100-565

Published

Knowledge Discovery from Sequential Data

English
German

A new framework for analyzing sequential or temporal data such as time series is proposed. It differs from other approaches by the special emphasis on the interpretability of the results, since interpretability is of vital importance for knowledge discovery, that is, the development of new knowledge (in the head of a human) from a list of discovered patterns. While traditional approaches try to model and predict all time series observations, the focus in this work is on modelling local dependencies in multivariate time series. This makes it possible to deal with irregular or chaotic series. The proposed discovery process consists of (1) time series abstraction to get a representation close to the human perception of time series, (2) the enumeration and ranking of qualitative relationships in the data, (3) the specialization with quantitative constraints and the generalization of patterns to overcome limitations that are implicitly induced by the search bias.

In dieser Arbeit wird ein Ansatz zur Analyse sequentieller oder zeitlicher Daten (etwa Zeitreihen) vorgestellt. Er unterscheidet sich von anderen Ansätzen in der besonderen Berücksichtigung der Interpretierbarkeit der Ergebnisse, weil dies für die Wissenentdeckung, also die Entwicklung neuen Wissens (im Kopf eines Menschen) aus einer Liste von entdeckten Mustern, entscheidend ist. Während traditionelle Ansätze versuchen, ein globales zugrundeliegendes Modell für die gesamte Zeitreihe zu finden, liegt der Schwerpunkt hier auf der Modellierung lokaler Zusammenhänge. Dadurch können auch irreguläre oder chaotische Systeme untersucht werden. Der Prozeß besteht aus (1) der Abstraktion der Zeitreihen, um der Art der Wahrnehmung duch den Menschen besser gerecht zu werden, (2) der Aufzählung und Bewertung qualitativer Zusammenhänge in den Daten, (3) der Spezialisierung mit quantitativen Nebenbedingungen und der Generalisierung von Mustern zur Überwindung von Einschränkungen, die implizit durch die Definition des Suchraumes gegeben sind.