Telesto: Indexação de Séries Temporais por Meio de Árvores de Sufixo Generalizadas

A time series is a collection of measurements made sequentially over time. Time series appear in various application such as finance, marketing, agriculture, weather and industrial and scientific data gathering. Similarity searching over time series databases is an important tool to extract knowledge. In this paper, we propose Telesto, a novel indexing technique aimed at time series similarity search, which is based on discretized time series and generalized suffix trees. Telesto discretizes time series and represents them as strings, using as a basis the Symbolic Aggregate Approximation (SAX) technique. Thereafter, these strings are indexed using a generalized suffix tree. To provide a range query operation among discretized time series, Telesto extends the suffix-tree substring searching algorithm by calculating distances in the discretized time series space. Performance tests showed that Telesto is scalable regarding the database and query sizes, in addition to be very efficient in similarity queries over large real-world time series databases. Resumo. Uma série temporal é uma coleção de medidas feitas sequencialmente ao longo do tempo sobre uma mesma coleção de variáveis. Séries temporais são encontradas nas mais variadas áreas de aplicação, tais como finanças, marketing, agricultura, meteorologia e coleta de dados industriais e científicos. A consulta por similaridade é uma ferramenta importante para extrair conhecimento em bases de dados de séries temporais. Neste artigo é proposto o método Telesto, uma nova abordagem de indexação destinada a consultas por similaridade em séries temporais. O método é baseado na discretização de séries temporais indexadas em árvores de sufixo generalizadas. Nesse método, as séries temporais são discretizadas em cadeias de caracteres (strings) utilizando a técnica Symbolic Aggregate Approximation (SAX) e então indexadas por meio de uma árvore de sufixo generalizada. Para realizar consultas por abrangência sobre uma coleção de séries temporais discretizadas, Telesto estende o algoritmo de busca por substrings em árvores de sufixo para calcular a distância entre essas séries. Testes de desempenho mostraram que Telesto é escalável quanto ao aumento do tamanho da base e do tamanho da consulta, além de responder eficientemente a consultas por abrangência em grandes bases de dados reais de séries temporais.