时间序列数据的相关反馈检索

最近，对时间序列数据的检索引起了很多关注。早期的工作使用固定的相似性度量（例如，欧几里得距离）来确定用户指定查询与数据库中项目之间的相似性。在这里，我们描述了一种通过使用用户的相关反馈来调整相似性度量的新方法。这一点很重要，因为欧几里得距离度量无法捕捉时间序列之间许多相似性概念。特别是，欧几里得距离对各种“失真”如偏移平移、幅度缩放等非常敏感。根据领域和用户的不同，查询可以在对这些失真敏感或不敏感的程度上有所不同。本文通过引入一个编码用户在某一领域中主观相似性概念的轮廓来解决这个问题。这些轮廓可以通过与用户的互动持续学习。我们进一步展示了用户轮廓如何嵌入到使用相关反馈的系统中，以类似熟悉的文本检索算法的方式修改查询。