캘린더 기반 주기성 탐지를 위한 효율적 인터벌 패턴 분석

초록

본 논문은 연·월·일 단위의 캘린더 주기를 갖는 인터벌 기반 시간 패턴을 식별하기 위한 새로운 방법을 제시한다. 시간 구간들의 발생 횟수를 나타내는 ‘발생 함수’를 정의하고, 이를 이용해 지역 최대값을 효율적으로 찾는 알고리즘을 설계한다. 연속형과 이산형 두 도메인 모두에서 O(n log n)·O(n) 시간 복잡도를 달성하며, 시간 계층 구조 간 주기성 관계를 정리한 정리도 제공한다.

상세 분석

이 논문은 기존의 주기성 마이닝 연구와 달리 “인터벌 기반 시간 패턴”이라는 개념을 도입한다. 패턴이 연속적인 구간에 존재하고, 구간 사이에 공백이 있는 경우에도 동일한 패턴으로 간주한다는 점이 핵심이다. 이를 위해 저자들은 각 타임스탬프가 포함된 구간 수를 나타내는 발생 함수 ρ(t)를 정의하고, 구간의 시작·끝을 ‘왼쪽 개방·닫힘’, ‘오른쪽 개방·닫힘’ 네 종류로 구분한다.

정리 1은 정렬된 구간 끝점 사이에서는 ρ(t)가 상수임을 증명함으로써 구간 사이의 변화를 탐지할 필요가 없음을 보인다. 정리 2는 특정 타임스탬프에서 발생 함수의 좌·우극한을 구간 끝점 종류의 개수와 연결시켜, 함수값 변화를 정확히 계산할 수 있게 한다. 이러한 수학적 기반 위에 알고리즘 1이 설계되었으며, 입력으로 2n개의 끝점 레코드를 정렬한 뒤 한 번 스캔하면서 변화 기록(d 배열)을 만든다. 연속형 도메인에서는 각 변화 지점의 좌·우극한을 그대로 사용하고, 이산형 도메인에서는 연속 확장을 통해 다음 타임스탬프의 값을 보정한다.

시간 복잡도 측면에서 정렬 단계가 O(n log n)이고, 스캔 단계가 O(n)인 점은 기존 O(n²) 혹은 O(n log n · k) 형태의 알고리즘에 비해 현저히 빠르다. 또한, 발생 함수의 지역 최대값을 이진 탐색으로 즉시 찾을 수 있어, 캘린더 주기(연·월·일)별로 패턴의 강도를 효율적으로 추출한다.

추가로 제시된 정리 3(논문에서는 섹션 6)에서는 시간 계층(예: 연‑월‑일, 시‑분‑초) 간 주기성 전이 관계를 수식화한다. 즉, 상위 계층에서 완전 주기성을 보이는 패턴은 하위 계층에서도 일정한 주기성을 유지한다는 것을 증명함으로써, 다중 스케일 분석에 이론적 근거를 제공한다.

실험에서는 실제 기후·주식·소매 데이터에 적용해 연간, 월간, 일간 주기성을 성공적으로 발견했으며, 기존 방법 대비 실행 시간이 30% 이상 단축된 것을 보고한다. 다만, 구간 추출 단계에서 DTW를 사용한다는 점은 패턴 형태가 사전에 정의돼야 하는 제한을 만든다. 또한, 발생 함수가 구간 겹침을 전제로 하므로, 겹치지 않는 희소 구간에 대해서는 민감도가 낮을 수 있다. 전반적으로 수학적 엄밀성과 알고리즘적 효율성을 겸비한 접근법이라 평가할 수 있다.