The Shape of Consumer Behavior: A Symbolic and Topological Analysis of Time Series
消费者行为的形态：时间序列的符号与拓扑分析AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接比较消费者搜索时间序列的符号和拓扑聚类方法，分类依据是时间序列分析，未展示实际预测模型或结果。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
消费者行为的形态：时间序列的符号与拓扑分析
- 研究问题
- 面对高维且有噪声的消费者搜索时间序列，符号表示和拓扑分析在聚类稳定、复杂及波动模式时有何差异？
- 方法与思路
- 作者对二十个消费类别的 Google Trends 关键词序列，比较 SAX、增强 SAX 与基于持久同调的拓扑聚类方法。
- 材料陈述的贡献
- 摘要称符号方法快速且易解释，但处理复杂波动序列时易出现笼统聚类；拓扑方法得到更均衡且有意义的分组。
- 阅读关注点
- 应核对关键词选择、序列预处理、距离与聚类参数，以及分组均衡和有意义的判断是否有独立评价依据。
- 阅读边界
- 这是预印本，同行评审或期刊接收未核实；摘要未提供定量评价和预测验证，不能将聚类差异直接视为预测能力提升。
原文摘要
Understanding temporal patterns in online search behavior is crucial for real-time marketing and trend forecasting. Google Trends offers a rich proxy for public interest, yet the high dimensionality and noise of its time-series data present challenges for effective clustering. This study evaluates three unsupervised clustering approaches, Symbolic Aggregate approXimation (SAX), enhanced SAX (eSAX), and Topological Data Analysis (TDA), applied to 20 Google Trends keywords representing major consumer categories. Our results show that while SAX and eSAX offer fast and interpretable clustering for stable time series, they struggle with volatility and complexity, often producing ambiguous ``catch-all'' clusters. TDA, by contrast, captures global structural features through persistent homology and achieves more balanced and meaningful groupings. We conclude with practical guidance for using symbolic and topological methods in consumer analytics and suggest that hybrid approaches combining both perspectives hold strong potential for future applications.