评估时序数据流中的模式识别或标注
信息检索
2016-12-01 v1
摘要
在数据泛滥的背景下，随着数据在日益庞大的流中流动，流式数据中的模式识别或标注正成为一项至关重要且紧迫的任务。当处理时序数据，即具有持续时间（起始和结束时间戳）的模式时，对此类任务的评估并非易事。本文详述了一种基于编辑距离的方法：首先将已标注时序片段序列与真值序列进行对齐，然后通过回溯最优对齐路径，在标签级别提供混淆矩阵。基于此混淆矩阵，不仅可以轻松推导出标准的评估指标，还能得出诸如“延迟”等其他度量，这在（早期）模式检测应用中可能相当重要。
引用
@article{arxiv.1611.10248,
title = {Assessing pattern recognition or labeling in streams of temporal data},
author = {Pierre-François Marteau},
journal= {arXiv preprint arXiv:1611.10248},
year = {2016}
}