查询时序序列数据中的子序列答案

【问题标题】：Query sub-sequences in time-series sequence data查询时序序列数据中的子序列
【发布时间】：2020-09-16 10:51:22
【问题描述】：

我遇到了一个问题，我觉得图论或图数据库中有解决方案。我在这些领域的知识非常有限。我希望有人能认出我的问题，或许可以指出用于解决问题的技术名称。

简化示例：

我正在处理时间序列的状态。一个简单的例子，只有两种状态：

TS    State
t0    T
t1    F
t2    F
t3    F
t4    T
t5    T
t6    T
t7    F
t...  ...

我可以将其转换为具有两个节点（T 和 F）的图表，其中状态中的“停留时间”是一个属性（在括号中）：

T(1) -> F(3) -> T(3) -> F(1)

我的问题的一个例子是编写一个“查询”来提取与此模式F(>=2) -> T(<10) 匹配的任何子序列。在上面的示例中，我的查询将提取子序列： F(3) -> T(3)

但如果它存在于数据集中，查询也可以提取如下序列：

F(2) -> T(8)
F(20) -> T(3)

我举的例子是简化的：有两个以上的状态，更高级的查询将允许循环，这些循环可以限制在循环中花费的总时间，或者可以进行的循环数完成：例如

`T(>2) -> [loops of F(1)->T(1)] -> T(<10)`

我的循环可能会被限制为不超过 10 次迭代，或者不超过 10 个时间单位。锦上添花的是找到这样的序列

T(n)->F(<n)

翻译为：以 T 开头的序列（并在 T 中停留 n 个时间单位），然后是 F 状态，它在 F 中停留小于 n em>（即F比前面的T短）

我尝试了什么：

我最初想将其转换为字符串，并使用正则表达式来提取匹配项。正则表达式可以满足我的所有需求，但无法理解像“大于”这样的算术。我想我可以保留我的原始时间序列状态 (TFFFTTTF) 并对此进行正则表达式...但它看起来很丑。

想到自然语言处理、图论、图数据库等领域，这些领域也会有类似的问题。我不知道如何在我的图表中编码“状态持续时间”属性。我不知道是否有某种“行业标准”查询语言用于图形数据库中的子序列搜索。

问题：

-是否有解决这些子序列提取问题的框架，如果有，它是如何调用的？有“最佳实践”吗？我应该如何构建我的数据？是否有查询语言来查询序列数据库中的子序列？

【问题讨论】：

标签： nlp sequence graph-theory graph-databases graph-data-science

【解决方案1】：

我可能会解决这个问题。您已经指出这是时间序列数据。鉴于此，我可能会在每次状态更改时创建一个新的状态节点。然后，我将对前一个节点中的“停留”时间进行编码，并将新节点链接到前一个状态节点，在图形数据库中创建一个链表。有了这种结构，您的模式查询就变得简单了。

Objectivity/DB 是一个基于模式的对象/图形数据库，具有一整套图形导航查询功能。它有自己的查询语言，称为声明性客观性或 DO。

我们从模式定义开始：

UPDATE SCHEMA { 
    CREATE CLASS State{
        label       : String,
        dwellTime   : INTEGER { Storage: B32 },               
        prev        : Reference { referenced: State, Inverse: next },
        next        : Reference { referenced: State, Inverse: prev}
    }           
};

然后我们可以执行如下的 DO 查询：

MATCH p = (:State {label == 'T' AND dwellTime > 5})
           -->(:State {label == 'F' AND dwellTime > 5})
           -->(:State {label == 'T' AND dwellTime < 2})
           -->(:State {label == 'T' AND dwellTime > 100})
           -->(:State {label == 'F' AND dwellTime > 100})
           RETURN p;

这种查询会找到所有满足指定停留时间的“TFTTF”模式。

【讨论】：