[論文レビュー] A Model for Mining Multilevel Fuzzy Association Rule in Database

Pratima Gautam, Neelu Khare+1 more|arXiv (Cornell University)|Jan 20, 2010

Data Mining Algorithms and Applications参考文献 15被引用数 11

ひとこと要約

本稿では、取引データベースにおける不確実性を扱うために、鋭い区間の代わりに曖昧境界を用いる、多段階のファジィ関連ルールマイニングモデルを提案する。この手法は、最小サポートを段階ごとに変化させながら、複数の段階で大規模アイテムセットを発見するトップダウンで、段階を深めていくアプローチを採用しており、構造的かつ効率的に意味のある多段階ファジィ関連ルールを抽出する。

ABSTRACT

The problem of developing models and algorithms for multilevel association mining pose for new challenges for mathematics and computer science. These problems become more challenging, when some form of uncertainty like fuzziness is present in data or relationships in data. This paper proposes a multilevel fuzzy association rule mining models for extracting knowledge implicit in transactions database with different support at each level. The proposed algorithm adopts a top-down progressively deepening approach to derive large itemsets. This approach incorporates fuzzy boundaries instead of sharp boundary intervals. An example is also given to demonstrate that the proposed mining algorithm can derive the multiple-level association rules under different supports in a simple and effective manner.

研究の動機と目的

• データの曖昧性や関係性の曖昧さに起因する不確実性を伴うデータベースにおける関連ルールマイニングの課題に対処すること。
• 取引データベースにおける複数の抽象化レベルを効果的に処理できるスケーラブルなモデルの開発。
• 概念階層の異なる段階で最小サポート閾値を異なる値に設定できること。
• より現実的なデータ表現のため、鋭い区間の代わりに曖昧境界を組み込むこと。
• 異なるサポート条件下での多段階ルールを含む実用的例を通じて、アルゴリズムの有効性を示すこと。

提案手法

• アルゴリズムは、概念階層の複数の段階で大規模アイテムセットをマイニングするためのトップダウンで、段階を深めていく戦略を採用している。
• アイテム値に曖昧境界が適用され、鋭い区間ではなく、カテゴリ間の滑らかな移行を可能にしている。
• サポート閾値は各段階で独立に定義されており、柔軟で現実的なルール生成を可能にしている。
• トランザクションは、事前に定義された所属関数に基づいて値を曖昧集合にマッピングすることで処理される。
• 大規模アイテムセットは、上位の抽象化レベルから下位のレベルにかけて、頻出アイテムセットを段階的に拡張することで繰り返し生成される。
• 最終出力には、関連する信頼度とサポート値を持つ多段階ファジィ関連ルールが含まれる。

実験結果

リサーチクエスチョン

• RQ1 曖昧境界を多段階関連ルールマイニングに効果的に統合することで、不確実性をどのように扱えるか？
• RQ2 異なるサポート閾値を持つ複数の段階で、大規模アイテムセットをスケーラブルかつ効率的にマイニングするアプローチは何か？
• RQ3 トップダウンで段階を深めていく戦略は、意味のある多段階ファジィルールの発見を改善できるか？
• RQ4 曖昧集合は、取引データベースにおける関連ルールの表現力にどのように寄与するか？
• RQ5 提案モデルは、異なるサポート制約下でも、有用で解釈可能なルールをどの程度効果的に抽出できるか？

主な発見

• 提案モデルは、各段階で異なるサポート閾値を持つ多段階ファジィ関連ルールを効果的に生成した。
• 曖昧境界の使用により、鋭い区間よりも曖昧なデータや連続的データのモデリングがより自然に行えるようになった。
• トップダウンで段階を深めていくアプローチにより、複数段階にわたるアイテムセットラティスの効率的探索が可能になった。
• 異なるサポート条件下での詳細な例を通じて、アルゴリズムが意味のあるルールを効果的に抽出することを示した。
• 異なる抽象化レベルで異なる最小サポート値を許容することで、柔軟なルール発見が可能になった。
• 固有の不確実性を伴うデータベースにおける知識発見のための構造的フレームワークを提供した。