シーケンスデータマイニングの種類とは？時系列データから生物配列まで徹底解説

シーケンス（系列）とは、イベントを順序付けて並べたリストのことです。シーケンスは、その構成要素となるイベントの特徴に基づいて、大きく3つのカテゴリに分類できます。

1. 時系列データにおける類似性検索

時系列データセットは、時間の経過とともに繰り返し計測された数値の列で構成されます。値は通常、一定の時間間隔（毎分、毎時、毎日など）で測定されます。

時系列データベースは、株価分析、経済予測や売上予測、予算分析、公共事業調査、在庫管理、収益予測、ワークロード予測、プロセスおよび品質管理など、幅広い分野で活用されています。また、自然現象の研究、数学や工学の実験、医薬品治療の分析などにも有用です。

2. 時系列データにおける回帰とトレンド分析

時系列データの回帰分析は、データ解析や信号処理の分野で大きく発展してきました。トレンド分析では、次の4つの主要な変動要素を組み合わせた統合モデルによって時系列データを表現します。

トレンド（長期変動）

時系列グラフが長期的に向かう全体的な方向性を指します。例えば、加重移動平均法や最小二乗法を用いて、傾向曲線（破線で示される曲線など）を求めることができます。

循環変動

トレンド線またはトレンド曲線を中心とした長期的な振動のことです。景気循環などがこれに該当します。

季節変動

ホリデーショッピングシーズンのように、連続する年の同じ季節ごとにほぼ同様のパターンとして現れる変動です。効果的なトレンド分析を行うためには、自己相関から算出した季節指数に基づいて、データを「季節調整（deseasonalize）」する必要があります。

ランダム変動

労使紛争や組織内の人員異動の発表など、偶発的な出来事によって生じる不規則な変化を指します。

3. 記号列における逐次パターンマイニング

記号列（シンボリックシーケンス）は、明確な時間概念の有無にかかわらず記録される、順序付けられた要素やイベントの集合です。ユーザーの購買履歴、Webクリックストリーム、プログラムの実行シーケンス、生物学的配列、さらには自然科学・工学・自然現象・社会現象におけるイベント列など、応用範囲は非常に広くなっています。

特に生物学的配列は複雑な意味論的意味を持ち、多くの困難な研究課題を提示するため、バイオインフォマティクス分野での研究が盛んに行われています。

4. 生物学的配列のアラインメント

生物学的配列とは、ヌクレオチド（DNA・RNA）やアミノ酸の配列を指します。生物配列解析では、配列の比較、アラインメント、インデックス化、研究などが行われ、バイオインフォマティクスおよび現代生物学において不可欠な役割を果たしています。

配列アラインメントは、「すべての生物が進化によってつながっている」という事実に基づいています。つまり、進化系統樹上で近い関係にある種ほど、そのヌクレオチド配列やタンパク質配列により高い類似性が見られるはずだという考え方です。アラインメントとは、複数の配列を並べて一致度を最大化する操作であり、この最大一致度が配列間の類似性の程度を示します。