ShapeCond 빠른 Shapelet 기반 시계열 데이터 압축

초록

본 논문은 시계열 분류를 위한 데이터셋 압축 기법인 ShapeCond를 제안한다. ShapeCond는 데이터셋 전반에 존재하는 판별적 모티프인 shapelet을 사전 탐색하고, 이를 가이드로 삼아 전역 시계열 구조와 지역 shapelet 구조를 동시에 최적화한다. 후보 shapelet 탐색을 샘플 및 위치 제약을 통해 O(1) 비용으로 수행함으로써 시퀀스 길이에 무관한 합성 비용을 달성한다. 실험 결과, 기존 CondTSC 대비 최대 29배, 긴 시계열에서는 10,000배 이상의 속도 향상을 보이며, 압축된 데이터셋으로 학습한 모델이 원본 데이터와 동등한 정확도를 유지한다.

상세 분석

ShapeCond는 시계열 데이터의 특성을 반영한 데이터셋 압축 프레임워크로, 크게 세 단계로 구성된다. 첫 번째 단계인 Fast Shapelet Discovery에서는 전통적인 shapelet 탐색의 O(N·L·M) 복잡도를 크게 낮추기 위해 두 가지 핵심 전략을 적용한다. 첫째, 데이터 샘플을 무작위로 일정 비율(p)만큼 제외하고 후보 shapelet을 생성함으로써 후보 수를 (1‑p)·M 수준으로 감소시킨다. 둘째, 후보 shapelet과 전체 시계열 간 거리 계산을 전체 길이가 아닌 후보가 추출된 위치 주변의 고정 크기 윈도우 N(j)로 제한한다. 이 위치‑제한 거리 평가(˜D)는 기존 최소 거리 계산과 동일한 판별력을 유지하면서도 연산량을 O(1)로 만든다. 이렇게 얻어진 후보 shapelet은 정보 이득(Information Gain)을 기준으로 상위 k개를 선택해 shapelet 풀 S*를 구성한다.

두 번째 단계인 Knowledge Fetching에서는 선택된 shapelet들을 이용해 각 시계열을 k‑차원 shapelet 거리 벡터 STrans(x;S*)로 변환한다. 이 변환은 지역 패턴을 명시적으로 표현하므로, 이후 합성 단계에서 지역 모티프 보존을 위한 명확한 목표를 제공한다.

세 번째 단계인 Data Synthesis는 Global–Local Temporal Structure Optimization이라는 이중 목표 최적화를 수행한다. 전역 구조는 모델 인코더(예: 1‑D CNN 또는 Transformer)의 그라디언트를 이용해 합성 시계열이 원본 데이터의 전체적인 트렌드와 장기 의존성을 반영하도록 유도한다. 반면, 지역 구조는 shapelet‑guided loss를 통해 합성 시계열이 선택된 shapelet과 최소 거리(또는 매칭 손실)를 갖도록 강제한다. 구체적으로, 전체 손실 L = λ₁·L_task(θ_T, C) + λ₂·L_shapelet(C, S*) 로 정의되며, λ₁, λ₂는 전역·지역 손실의 가중치를 조절한다. 이때 L_task은 합성 데이터 C를 이용한 모델 학습 손실이며, L_shapelet은 합성 데이터와 shapelet 풀 사이의 거리 매칭 손실이다.

알고리즘은 합성 데이터 C와 모델 파라미터 θ를 교대로 업데이트한다. C는 미분 가능한 텐서로 초기화된 뒤, 위 손실에 대한 그래디언트를 통해 업데이트되며, θ는 C에 대해 학습된 모델을 통해 최적화된다. 중요한 점은 shapelet‑guided 손실이 시퀀스 길이에 독립적이라는 점이다. 따라서 L이 커질수록 전역 손실만이 추가 비용을 발생시키지만, 이는 인코더의 복잡도에 비례하므로 전체 합성 비용은 여전히 O(1) 수준에 가깝다.

실험에서는 UCR·UEA 등 30여 개의 공개 시계열 분류 벤치마크와 고해상도 Sleep 데이터셋(3,000 타임스텝)에서 평가하였다. 압축 비율은 1%5% 수준으로 설정했으며, ShapeCond는 기존 최첨단 CondTSC 대비 평균 17.56% 높은 정확도를 기록했다. 특히, 지역 모티프가 중요한 ECG, 동작 인식 데이터에서는 정확도 격차가 10% 이상 나타났다. 시간 효율성 측면에서는 후보 shapelet 탐색 단계에서 p=0.50.7 정도의 샘플 프루닝이 정확도에 거의 영향을 주지 않으며, 전체 합성 시간은 기존 방법 대비 10배~29배 단축되었다. 가장 긴 시계열(3,000 타임스텝)에서는 shapelet 기반 기존 방법 대비 10,000배 이상의 속도 향상을 보였다.

한계점으로는 shapelet 후보 수 k와 프루닝 비율 p에 대한 하이퍼파라미터 튜닝이 필요하고, 매우 짧은 시계열에서는 지역 패턴이 충분히 구분되지 않아 이점이 감소할 수 있다. 또한, 현재 구현은 단일 GPU 환경을 기준으로 하며, 다중 GPU 혹은 분산 환경에서의 확장성은 추가 연구가 필요하다.

전반적으로 ShapeCond는 시계열 데이터의 전역·지역 구조를 동시에 고려한 최초의 데이터셋 압축 프레임워크로, 높은 압축 비율에서도 원본 데이터와 동등한 학습 성능을 유지하면서 연산 비용을 크게 절감한다는 점에서 실무와 연구 양쪽 모두에 큰 파급 효과를 기대한다.