ESPRESSO: 이질적인 센서 데이터 처리를 위한 엔트로피 및 샤프(Shape) 기반 시계열 세그멘테이션

고차원의 웨어러블 센서 데이터, 스마트 기기 또는 IoT 데이터에서 정보성 있고 의미 있는 시간적 구간을 추출하는 것은 인간 활동 인식(HAR), 경로 예측, 제스처 인식, 라이프로그 기록 등 다양한 응용 분야에서 필수적인 전처리 단계이다. 본 논문에서는 시간적 시계열의 엔트로피와 시간적 형태 특성을 동시에 활용할 수 있도록 설계된 하이브리드 세그멘테이션 모델인 ESPRESSO(Entropy and ShaPe awaRe timE-Series SegmentatiOn)를 제안한다. ESPRESSO는 기존의 시간 시계열 데이터에 대해 특정 통계적 또는 시간적 특성에만 초점을 맞춘 방법들과 차별화된다. 모델 개발 과정에서, 엔트로피 지표를 기반으로 세그먼트를 추정하기 위한 탐욕적 탐색 방식을 활용한 새로운 시간적 표현 방식인 $WCAC$를 도입하였다. 실험 결과, ESPRESSO는 웨어러블 및 비웨어러블 센싱에 대한 7개의 공개 데이터셋에서 네 가지 최신 기술 대비 우수한 성능을 보였다. 또한, 다양한 데이터셋 특성에 따라 ESPRESSO와 그 구성 요소 방법들이 어떻게 성능을 발휘하는지 깊이 있는 분석을 수행하였다. 마지막으로, ESPRESSO를 적용함으로써 일상적인 활동 패턴과 인간의 정서 상태를 추론하는 데 어떻게 기여할 수 있는지 보여주는 두 가지 흥미로운 사례 연구를 제시한다.