TSEXPLAIN：通过揭示演变的贡献者来解释聚合时间序列
摘要：解释聚合时间序列的变化对于数据驱动的决策至关重要。然而，现有的解释引擎只能解释单个聚合值或两个关系之间的差异，无法解释KPI在时间上的持续变化。因此，我们提出了TSEXPLAIN系统，通过呈现底层演变的主要贡献者来解释聚合时间序列。我们利用先前对两个关系差异的研究成果，将聚合时间序列的分段问题建模为K-分割问题，使分割后的每个段都具有一致的解释，即贡献者。为了量化每个段的一致性，我们提出了一个新颖的在段内方差设计，该设计具有解释意识；为了得出最佳的K-分割方案，我们开发了一个高效的动态规划算法。在合成和真实数据集上的实验证明，我们的解释意识分段能够有效地识别聚合时间序列的演变解释，并优于不考虑解释的分段。此外，我们提出了一种优化的K选择策略和多种优化方法，以加快TSEXPLAIN的交互用户体验，实现了高达13倍的效率提升。
作者：Yiru Chen and Silu Huang
论文ID：2211.10909
分类：Databases
分类简称：cs.DB
提交时间：2022-11-22