sekvenssiperusteiset

Sekvenssiperusteiset lähestymistavat ovat malleja ja analyysitapoja, joissa keskeinen tieto muodostuu sarjoista: merkeistä, tapahtumista tai mittaustuloksista, joiden järjestys ja siirtymät ovat olennaisia. Tällaiset menetelmät pyrkivät ymmärtämään, ennustamaan tai luokittelemaan ilmiöitä hyödyntäen sarjojen rakennetta ja kontekstia.

Käyttökohteita ovat laajalti kielitiede ja luonnollisen kielen prosessointi (esimerkiksi sanaketjut ja n-gram -mallinnus), bioinformatiikka (DNA- ja proteiinisäikeiden sekvenssianalyysi), aikaisarjoitusten ennusteet sekä käyttäjä- ja tapahtumatiedon sekvenssianalyysi. Sekvenssiperusteisia malleja hyödynnetään myös musiikissa, liiketoiminta-analytiikassa ja robotiikassa, joissa aikajärjestys kertoo toiminnan kontekstista.

Tavallisissa menetelmissä seuraava elementti riippuu aiemmista elementeistä. Käytettyjä tekniikoita ovat esimerkiksi n-gram-mallit, piilotetut Markov-mallit sekä ajan henkiin pitävien tai perättäisten mittausten analysointiin tarkoitetut mallit sekä nykyaikaiset neuroverkot, kuten reseptilähestymistavat ja transformer-mallit. Sekvenssit voidaan esittää listoina merkeistä, sanoista, tapahtumista tai mittausarvoista, ja niistä voidaan löytää toistuvia kuvioita tai etsiä optimaalisia siirtymiä.

Edut: kyky huomioida konteksti ja järjestys parantaa ennustettavuutta ja tulkintaa sarjatason ilmiöihin. Rajoitteet: vaativat usein suuria määriä dataa ja laskentatehoa; joidenkin menetelmien tulkittavuus on heikko, ja pitkien riippuvuuksien mallintaminen voi olla haastavaa.

Lisätietoa: sekvenssianalyysi, kielimallit ja aiemmat sekvenssiperusteiset menetelmät.