본 논문은 이상 탐지, 행동 예측, 유전 정보 분석 등에서 시퀀스 저장 및 검색의 어려움을 해결하기 위해 순차적 구조 연관 지식 그래프(SSAKGs)를 활용한 새로운 방법을 제시합니다. SSAKGs는 시퀀스를 객체를 나타내는 노드와 순서를 정의하는 에지로 구성된 추이 토너먼트로 인코딩합니다. 본 연구에서는 네 가지 순서 지정 알고리즘(Simple Sort, Node Ordering, Enhanced Node Ordering, Weighted Edges Node Ordering)을 개발하고, 합성 데이터셋과 실제 데이터셋(NLTK 라이브러리의 문장 시퀀스, miRNA 시퀀스)을 사용하여 성능을 평가했습니다. 평가 지표로는 정밀도, 민감도, 특이도를 사용했습니다. SSAKGs는 그래프 크기에 대해 이차 성장하는 메모리 용량을 보였으며, 학습이 필요 없고, 컨텍스트 기반 재구성이 유연하며, 희소 메모리 그래프에서 높은 효율성을 제공하는 등의 장점을 가지고 있습니다. 계산 신경 과학 및 생물 정보학 분야에 폭넓게 적용될 수 있는 확장 가능한 시퀀스 기반 메모리 작업 솔루션을 제공합니다.
