# John Paparrizos ## 定義 John Paparrizos は [[The Ohio State University]] および Aristotle University of Thessaloniki に所属する研究者である。時系列クラスタリング・類似度検索・異常検知を主要研究テーマとし、k-Shape（2015）の原著者として知られる。Columbia University で [[Luis Gravano]] の指導のもと博士号を取得し、Alexander S. Onassis Foundation の奨学生でもあった。([[@2025__PVLDB__Time-Series Clustering - A Comprehensive Study of Data Mining, Machine Learning, and Deep Learning Methods]], [[@2016__SIGMOD Record__k-Shape - Efficient and Accurate Clustering of Time Series]]) ## 役割・位置づけ - k-Shape（2015, ACM SIGMOD）を提案し、10年後の包括的ベンチマーク（84手法、2025）でも最強の時系列クラスタリングベースラインであることを実証した。 - 時系列距離尺度のサーベイ（arXiv 2024）、時系列異常検知のベンチマーク（TSB-UAD、VUS）、時系列分析の効率化（GRAIL）等、時系列解析の基盤インフラを一貫して整備する立場にある。 - [[@2025__PVLDB__Time-Series Clustering - A Comprehensive Study of Data Mining, Machine Learning, and Deep Learning Methods]] では、tslearn の k-Shape 実装にバグがあることを発見し、原著者実装を用いて先行ベンチマークの結論を覆した。 ## 主要業績（本 ingest 論文の参考文献から） - k-Shape（2015, SIGMOD）: 形状ベースの時系列クラスタリング。SBD 距離を用いたスケーラブルな手法 - k-ShapeStream（2021, IEEE PowerTech）: ストリーミング時系列クラスタリング - Odyssey（2023, PVLDB）: 時系列クラスタリングのエンジン - TSB-UAD（2022, PVLDB）: 時系列異常検知のエンドツーエンドベンチマーク - VUS（2022/2025, PVLDB/VLDB Journal）: 時系列異常検知の精度評価指標 - GRAIL（2019, PVLDB）: 時系列表現学習 ## 関連 - 組織: [[The Ohio State University]] - 概念: [[時系列クラスタリング]] / [[異常検知]] - ソース: [[@2025__PVLDB__Time-Series Clustering - A Comprehensive Study of Data Mining, Machine Learning, and Deep Learning Methods]] / [[@2016__SIGMOD Record__k-Shape - Efficient and Accurate Clustering of Time Series]] ## 出典 - [[@2025__PVLDB__Time-Series Clustering - A Comprehensive Study of Data Mining, Machine Learning, and Deep Learning Methods]] - [[@2016__SIGMOD Record__k-Shape - Efficient and Accurate Clustering of Time Series]]