세계적으로 인구의 고령화가 급속히 이루어지면서 헬스케어에 관련된 개인 및 사회 비용이 증가하고 있다. 최근 헬스케어를 위한 장기간 행위 패턴 모니터링 기반의 헬스케어 지원 시스템 연구가 활발히 진행되고 있다. 기존의 연구들은 통계적 모델 또는 시퀀스 모델을 이용하여 행위 패턴을 마이닝 하였다. 통계적 모델은 행위 발생 순서를 표현하지 못하며, 시퀀스 모델은 일일 패턴의 분석만 가능하다는 단점을 갖는다. 본 논문에서는 행위를 노드로 표현하고 행위 발생 순서를 에지로 표현하는 행위 그래프를 이용한 행위 패턴 모델을 제시하고, 이를 이용한 마이닝 기법을 제안한다. 제안한 기법은 다양한 시간 윈도우를 갖는 행위 그래프를 생성함으로써 일별, 주별, 월별 등 다양한 주기를 갖는 행위 패턴 마이닝이 가능하다. 행위 그래프 생성 시, 다중 시퀀스 얼라이먼트 기법을 도입하여 각 행위 시퀀스의 행위 순서 정보를 유지하여, 효율적인 마이닝을 위하여 그래프의 크기를 최대한 작게 생성한다. 실험을 통하여 기존의 행위 패턴 마이닝 방법들과 비교하여 제안하는 방법이 헬스케어에 더 유용한 패턴들을 마이닝 할 수 있음을 입증하였다.
As the number of older people in the world population rapidly increases, personal and social costs related to healthcare are on rise. Recently a healthcare support system using long-term activity pattern monitoring is increasingly being studied as a new approach to support healthcare. The existing studies mine activity patterns based on statistics or sequential pattern model. Those models have shortcomings in that the statistics model cannot reflect all activity sequence and the sequential pattern model can mine only daily activity patterns. In this paper, we propose a notion of activity graph for activity pattern model and activity mining techniques using the activity graph. By creating activity graphs with different time windows. the proposed approach supports mining activity patterns with various periods such as daily, weekly, or monthly patterns. We adopt a multiple sequences alignment (MSA) for generating the activity graph with keeping each activity sequence information. In experiment, we show our proposed technique can generate more useful patterns for healthcare compared to existing activity pattern mining approaches.
