일반 부분 순서 탐색을 통한 이벤트 스트림 패턴 발견

초록

본 논문은 이벤트 스트림에서 빈번히 발생하는 일반 부분 순서(Partial Order) 에피소드를 효율적으로 탐색하는 알고리즘을 제안한다. 기존의 직렬(Serial) 및 병렬(Parallel) 에피소드 탐색 기법을 특수화하여 포함시키면서, 부분 순서의 조합 폭을 억제하기 위한 새로운 흥미도 측정법과 필터링 절차를 함께 제공한다. 실험을 통해 제안 기법의 정확도와 효율성이 입증되었다.

상세 분석

이 논문은 이벤트 스트림 마이닝 분야에서 “에피소드”(episode)라는 개념을 일반 부분 순서 형태로 확장함으로써, 기존에 직렬(Serial)과 병렬(Parallel) 에피소드에 국한되던 탐색 범위를 크게 넓힌다. 핵심 아이디어는 부분 순서 그래프를 노드와 이벤트 타입의 매핑으로 정의하고, 이 그래프가 스트림 내에서 발생하는 순서 제약을 만족하는 경우를 빈번한 패턴으로 간주하는 것이다.

첫 번째 기여는 일반 부분 순서 에피소드를 위한 효율적인 후보 생성(candidate generation)과 지원도 계산(support counting) 메커니즘이다. 후보 생성 단계에서는 기존 Apriori‑like 방식에 부분 순서의 전이(transitive closure)와 최소·최대 선후 관계를 활용해 후보 그래프를 체계적으로 확장한다. 이를 통해 불필요한 후보를 사전에 차단하고, 탐색 공간을 급격히 축소한다. 지원도 계산에서는 “윈도우 기반” 접근법을 채택해, 스트림을 고정 길이 슬라이딩 윈도우로 나눈 뒤 각 윈도우 내에서 부분 순서 매칭을 수행한다. 매칭 과정은 DAG(Directed Acyclic Graph) 형태의 부분 순서를 토폴로지 정렬(topological sort) 후, 각 노드에 해당하는 이벤트 타입이 윈도우 내에서 순서대로 등장하는지를 검사함으로써 O(|E|·|W|) 시간 복잡도를 달성한다. 여기서 |E|는 에피소드의 노드 수, |W|는 윈도우 길이이다.

두 번째 기여는 특정 부분 순서 서브클래스에 대한 특화 가능성이다. 예를 들어, “트리형 부분 순서”나 “체인형 부분 순서”와 같이 구조적 제약을 추가하면 후보 생성 규칙을 더욱 간소화할 수 있다. 논문은 이러한 서브클래스가 실제 도메인(예: 네트워크 트래픽, 생물학적 시퀀스)에서 어떻게 활용될 수 있는지를 사례와 함께 제시한다.

세 번째이자 가장 혁신적인 부분은 흥미도(interestingness) 측정이다. 빈도만으로는 부분 순서의 의미를 충분히 평가하기 어렵다는 점을 지적하고, “구조 복잡도”(order complexity)와 “빈도 대비 기대 빈도”(frequency vs. expected frequency) 두 축을 결합한 새로운 스코어를 정의한다. 구조 복잡도는 DAG의 엣지 수와 높이(height)를 정규화한 값이며, 기대 빈도는 독립 가정 하에 각 노드의 개별 빈도를 곱한 값으로 계산한다. 최종 흥미도 점수는
\