Search citation statements
Paper Sections
Citation Types
Year Published
Publication Types
Relationship
Authors
Journals
Time series are used in several knowledge domains, such as economics, meteorology and agriculture. In many situations, scientists often associate annotations to series during their analysis. They have moreover to search and correlate many types of time series in order to conduct their research. This process is hampered not only by the heterogeneity among the series, but also by the search for relevant series to compute a given correlation. The predominant methods to search series are based either in keyword (annotation) matching or in pattern matching. They do not support looking for additional information not always directly associated to series. Given this scenario, this dissertation proposes T S 3 Annotation, a framework based on the use of semantic annotations to support the study of correlations among time series. The main contributions of this work are: (1) a time series semantic annotation model; (2) and the T S 3 Annotation a framework that allows experts to create semantic annotations and uses these annotations as the basis for the search. ix x ResumoSéries temporais são utilizadas em diversos domínios do conhecimento, por exemplo, economia, meteorologia e agricultura. Em várias situações, cientistas, muitas vezes, associam anotações a séries durante sua análise. Além disso, precisam buscar e correlacionar vários tipos de séries para estudar algum problema. Isto é dificultado não só pela heterogeneidade entre as séries, como também pela limitação dos mecanismos de busca por séries relevantes a uma correlação. As modalidades predominantes na busca por séries são baseadas ou em casamento de texto (anotações) ou em casamento de padrões. Não permitem buscas por séries que estejam relacionadas semanticamente. Diante deste cenário, esta dissertação propõe o T S 3 Annotation, um framework que usa anotações semânticas como base para permitir o estudo de correlações entre séries. As principais contribuições desta dissertação são: (1) um modelo de anotação semântica para séries temporais; (2) e o framework T S 3 Annotation que permite a especialistas anotar semanticamente séries, além de explorar o uso destas anotações como uma nova possibilidade na busca por séries temporais. xi xii AgradecimentosEu gostaria de agradecer à professora Claudia Bauzer Medeiros por toda paciência, suporte, oportunidade e aprendizado a mim concedidos.Agradeço também ao professor André Santanchè pela disponibilidade e apoio durante o desenvolvimento do trabalho.Eu gostaria de agradecer aos meus pais, Batista e Nide, ao meu irmão, Mateus e a toda minha família pelo suporte e por sempre acreditar em meu potencial, me ajudando em todas as dificuldades que encontrei até o momento.Eu gostaria de agradecer à Jacqueline Midlej por estar sempre ao meu lado, comemorando nossas vitórias e me apoiando nos momentos de tristeza.Agradeço aos membros do LIS pelas conversas, companheirismo e pelas reuniões que contribuíram para o aperfeiçoamento desta pesquisa.Agradeço a todos os meus amigos, em especial Anderson, Matheus, Ivo, Jaudete, Daniel, Jorge,...
Time series are used in several knowledge domains, such as economics, meteorology and agriculture. In many situations, scientists often associate annotations to series during their analysis. They have moreover to search and correlate many types of time series in order to conduct their research. This process is hampered not only by the heterogeneity among the series, but also by the search for relevant series to compute a given correlation. The predominant methods to search series are based either in keyword (annotation) matching or in pattern matching. They do not support looking for additional information not always directly associated to series. Given this scenario, this dissertation proposes T S 3 Annotation, a framework based on the use of semantic annotations to support the study of correlations among time series. The main contributions of this work are: (1) a time series semantic annotation model; (2) and the T S 3 Annotation a framework that allows experts to create semantic annotations and uses these annotations as the basis for the search. ix x ResumoSéries temporais são utilizadas em diversos domínios do conhecimento, por exemplo, economia, meteorologia e agricultura. Em várias situações, cientistas, muitas vezes, associam anotações a séries durante sua análise. Além disso, precisam buscar e correlacionar vários tipos de séries para estudar algum problema. Isto é dificultado não só pela heterogeneidade entre as séries, como também pela limitação dos mecanismos de busca por séries relevantes a uma correlação. As modalidades predominantes na busca por séries são baseadas ou em casamento de texto (anotações) ou em casamento de padrões. Não permitem buscas por séries que estejam relacionadas semanticamente. Diante deste cenário, esta dissertação propõe o T S 3 Annotation, um framework que usa anotações semânticas como base para permitir o estudo de correlações entre séries. As principais contribuições desta dissertação são: (1) um modelo de anotação semântica para séries temporais; (2) e o framework T S 3 Annotation que permite a especialistas anotar semanticamente séries, além de explorar o uso destas anotações como uma nova possibilidade na busca por séries temporais. xi xii AgradecimentosEu gostaria de agradecer à professora Claudia Bauzer Medeiros por toda paciência, suporte, oportunidade e aprendizado a mim concedidos.Agradeço também ao professor André Santanchè pela disponibilidade e apoio durante o desenvolvimento do trabalho.Eu gostaria de agradecer aos meus pais, Batista e Nide, ao meu irmão, Mateus e a toda minha família pelo suporte e por sempre acreditar em meu potencial, me ajudando em todas as dificuldades que encontrei até o momento.Eu gostaria de agradecer à Jacqueline Midlej por estar sempre ao meu lado, comemorando nossas vitórias e me apoiando nos momentos de tristeza.Agradeço aos membros do LIS pelas conversas, companheirismo e pelas reuniões que contribuíram para o aperfeiçoamento desta pesquisa.Agradeço a todos os meus amigos, em especial Anderson, Matheus, Ivo, Jaudete, Daniel, Jorge,...
Due to the proliferation of GPS-enabled devices in vehicles or with people, large amounts of position data are recorded every day and the management of such mobility data, also called trajectories, is a very active research field. A lot of effort has gone into discovering “semantics” from the raw geometric trajectories by relating them to the spatial environment or finding patterns, for example, by data mining techniques. A question is how the resulting “meaningful” trajectories can be represented or further queried. In this article, we propose a systematic study of annotated trajectory databases . We define a very simple generic model called symbolic trajectory to capture a wide range of meanings derived from a geometric trajectory. Essentially, a symbolic trajectory is just a time-dependent label; variants have sets of labels, places, or sets of places. They are modeled as abstract data types and integrated into a well-established framework of data types and operations for moving objects. Symbolic trajectories can represent, for example, the names of roads traversed obtained by map matching, transportation modes, speed profile, cells of a cellular network, behaviors of animals, cinemas within 2km distance, and so forth. Symbolic trajectories can be combined with geometric trajectories to obtain annotated trajectories. Besides the model, the main technical contribution of the article is a language for pattern matching and rewriting of symbolic trajectories. A symbolic trajectory can be represented as a sequence of pairs (called units) consisting of a time interval and a label. A pattern consists of unit patterns (specifications for time interval and/or label) and wildcards, matching units and sequences of units, respectively, and regular expressions over such elements. It may further contain variables that can be used in conditions and in rewriting. Conditions and expressions in rewriting may use arbitrary operations available for querying in the host DBMS environment, which makes the language extensible and quite powerful. We formally define the data model and syntax and semantics of the pattern language. Query operations are offered to integrate pattern matching, rewriting, and classification of symbolic trajectories into a DBMS querying environment. Implementation of the model using finite state machines is described in detail. An experimental evaluation demonstrates the efficiency of the implementation. In particular, it shows dramatic improvements in storage space and response time in a comparison of symbolic and geometric trajectories for some simple queries that can be executed on both symbolic and raw trajectories.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.