सीक्वेंस डेटा माइनिंग के प्रकार
एक अनुक्रम घटनाओं की एक क्रमबद्ध सूची है। अनुक्रमों को उनके द्वारा परिभाषित घटनाओं की विशेषताओं के आधार पर तीन समूहों में विभाजित किया जा सकता है:
1. टाइम-सीरीज डेटा में समानता खोज (Similarity Search in Time-Series Data)
एक टाइम-सीरीज डेटा सेट में समय की दोहराई गई गणना पर प्राप्त पूर्णांक मूल्यों के अनुक्रम शामिल होते हैं। मूल्यों को आमतौर पर समान समय अंतराल पर मापा जाता है (जैसे प्रत्येक मिनट, घंटा, या दिन)।
टाइम-सीरीज डेटाबेस कई अनुप्रयोगों में लोकप्रिय हैं जिनमें स्टॉक मार्केट विश्लेषण, आर्थिक और बिक्री पूर्वानुमान, बजट विश्लेषण, उपयोगिता अध्ययन, इन्वेंट्री अध्ययन, राजस्व अनुमान, कार्यभार अनुमान, और प्रक्रिया और गुणवत्ता सेवा शामिल हैं। वे प्राकृतिक घटनाओं, गणितीय और इंजीनियरिंग प्रयोगों, और फार्मास्युटिकल उपचारों के अध्ययन के लिए फायदेमंद हैं।
2. टाइम-सीरीज डेटा में रिग्रेशन और प्रवृत्ति विश्लेषण (Regression and Trend Analysis in Time-Series Data)
टाइम-सीरीज डेटा के रिग्रेशन विश्लेषण को डेटा और सिग्नल विश्लेषण के अनुप्रयोग में काफी हद तक विकसित किया गया है। प्रवृत्ति विश्लेषण टाइम-सीरीज डेटा को परिभाषित करने के लिए निम्नलिखित चार प्रमुख तत्वों या आंदोलनों का उपयोग करके एक एकीकृत मॉडल बनाता है:
- प्रवृत्ति या दीर्घकालिक आंदोलन: ये उस सामान्य दिशा को दर्शाते हैं जिसमें एक टाइम-सीरीज ग्राफ समय के साथ बदल रहा है, उदाहरण के लिए, वेटेड मूविंग एवरेज और लीस्ट स्क्वायर दृष्टिकोण का उपयोग करके प्रवृत्ति वक्र खोजने के लिए जिसमें धराशायी वक्र शामिल है।
- चक्रीय आंदोलन: ये एक प्रवृत्ति रेखा या वक्र के बारे में दीर्घकालिक कंपन हैं।
- मौसमी विविधताएं: ये बारीकी से समान पैटर्न हैं जो एक टाइम सीरीज लगातार वर्षों के समकक्ष मौसमों के दौरान पालन करती प्रतीत होती है, जिसमें छुट्टी खरीदारी के मौसम शामिल हैं। कुशल प्रवृत्ति विश्लेषण के लिए, डेटा को ऑटोकॉरेलेशन द्वारा गणना किए गए मौसमी सूचकांक के आधार पर "डीसीजनलाइज़" करने की आवश्यकता होती है।
- यादृच्छिक आंदोलन: ये श्रम विवादों या संगठन के भीतर घोषित कार्मिक परिवर्तनों जैसे मौके की घटनाओं के कारण छिटपुट परिवर्तनों को परिभाषित करते हैं।
3. प्रतीकात्मक अनुक्रमों में अनुक्रमिक पैटर्न माइनिंग (Sequential Pattern Mining in Symbolic Sequences)
एक प्रतीकात्मक अनुक्रम में तत्वों या घटनाओं का एक क्रमबद्ध समूह शामिल होता है, जिसे समय की ठोस अवधारणा के साथ या बिना दर्ज किया जाता है। प्रतीकात्मक श्रृंखला के डेटा के कई अनुप्रयोग हैं जिनमें उपयोगकर्ता खरीदारी अनुक्रम, वेब क्लिक स्ट्रीम, प्रोग्राम कार्यान्वयन अनुक्रम, जैविक अनुक्रम, और विज्ञान और इंजीनियरिंग में घटनाओं के अनुक्रम और प्राकृतिक और सामाजिक विकास शामिल हैं।
चूंकि जैविक अनुक्रम जटिल सिमेंटिक अर्थ देते हैं और कई चुनौतीपूर्ण शोध समस्याएं पेश करते हैं, अधिकांश जांच बायोइनफॉरमैटिक्स के अनुप्रयोग में निर्देशित होती हैं।
4. जैविक अनुक्रमों का संरेखण (Alignment of Biological Sequences)
जैविक अनुक्रम न्यूक्लियोटाइड्स या अमीनो एसिड के अनुक्रमों को परिभाषित करते हैं। जैविक अनुक्रम विश्लेषण जैविक अनुक्रमों की तुलना, संरेखण, इंडेक्स, और अध्ययन करता है और इसलिए बायोइनफॉरमैटिक्स और वर्तमान जीव विज्ञान में एक आवश्यक भूमिका निभाता है।
अनुक्रम संरेखण इस तथ्य पर निर्भर करता है कि सभी जीवित जीव विकास द्वारा जुड़े हुए हैं। यह इंगित करता है कि विकास में एक-दूसरे के निकट प्रजातियों के न्यूक्लियोटाइड (DNA, RNA) और प्रोटीन अनुक्रम उच्च समानता प्रदर्शित करेंगे। एक संरेखण अनुक्रमों को अधिकतम पहचान स्तर प्राप्त करने के लिए लाइन अप करने की प्रक्रिया है, जो अनुक्रमों के बीच समानता की डिग्री को भी परिभाषित करता है।
