Trong bài báo này, chúng tôi đề xuất một phương pháp mới để phân tích dữ liệu chuỗi thời gian đa chiều và phát hiện các điểm ngoại lệ và bất thường, được gọi là 'Học thông qua sự ngạc nhiên (LvS)'. Chúng tôi lưu ý rằng các kỹ thuật hiện có khó phân tích hiệu quả do các vấn đề như đa chiều, phân phối phức tạp và độ thưa thớt, và chúng tôi lấy cảm hứng từ khái niệm 'bất ngờ', đây là cách con người chú ý đến các độ lệch bất ngờ. LvS định lượng và ưu tiên các điểm bất thường trong dữ liệu chuỗi thời gian bằng cách định lượng và ưu tiên các độ lệch so với hành vi dự kiến. Chúng tôi áp dụng LvS cho ba dữ liệu chuỗi thời gian đa chiều: dữ liệu cảm biến, dữ liệu nguyên nhân tử vong toàn cầu và bài phát biểu của tổng thống Hoa Kỳ, và chứng minh rằng nó có thể xác định các điểm ngoại lệ, điểm bất thường và các đặc điểm dễ biến động nhất một cách hiệu quả và có thể diễn giải được. LvS kết nối các lý thuyết khoa học nhận thức và các phương pháp tính toán để cung cấp một cách mới để phát hiện các điểm bất thường và thay đổi trong khi vẫn duy trì ngữ cảnh.
