[論文レビュー] ABC-SG: A New Artificial Bee Colony Algorithm-Based Distance of Sequential Data Using Sigma Grams

Muhammad Marwan Muhammad Fuad|arXiv (Cornell University)|Dec 5, 2013

Time Series Analysis and Forecasting参考文献 18被引用数 8

ひとこと要約

本稿では、n-gram特徴抽出と人工蜂群（ABC）最適化を組み合わせてn-gramの重みをその識別力に基づいて学習する、順序データ向けの新しい距離尺度ABC-SGを提案する。ABCを用いてシグマグラム（n-gramの変種）の最適な重みを学習することで、テキスト検索やバイオインフォマティクスなどの応用分野における類似度検索の正確性が向上し、実験的評価において従来のn-gramおよび距離ベースの手法を上回る優れた性能を示した。

ABSTRACT

The problem of similarity search is one of the main problems in computer science. This problem has many applications in text-retrieval, web search, computational biology, bioinformatics and others. Similarity between two data objects can be depicted using a similarity measure or a distance metric. There are numerous distance metrics in the literature, some are used for a particular data type, and others are more general. In this paper we present a new distance metric for sequential data which is based on the sum of n-grams. The novelty of our distance is that these n-grams are weighted using artificial bee colony; a recent optimization algorithm based on the collective intelligence of a swarm of bees on their search for nectar. This algorithm has been used in optimizing a large number of numerical problems. We validate the new distance experimentally.

研究の動機と目的

• テキスト検索やバイオインフォマティクスを含む分野における順序データにおける効果的な類似度測定の課題に取り組む。
• 従来の固定重みn-gram距離尺度の限界を克服し、適応的かつデータ駆動的な重み付けを導入する。
• 人工蜂群（ABC）アルゴリズムの集団知能を活用して、n-gramの重みを最適化し、識別力を向上させる。
• シグマグラム（n-gramの一種）とABCに基づく最適化を統合した新しい距離尺度を開発し、順序パターンにおける類似度検出を強化する。
• 実世界の順序データセットを用いた実験的評価を通じて、提案手法の有効性を検証する。

提案手法

• 順序データを、局所的パターンをより鋭く捉えることができるn-gramの変種であるシグマグラムとして表現する。
• 人工蜂群（ABC）アルゴリズムを用いて、各シグマグラムがシーケンス間の区別に寄与する度合いに基づき、重みを最適化する。
• 距離尺度を、重み付きシグマグラムの和として定式化し、ABCを用いて内側クラスの分離を最小限に、外側クラスの分離を最大化するように重みを学習する。
• ABCアルゴリズムの採餌行動を模倣し、従業蜂と見守り蜂が反復的最適化によって候補となる重みベクトルを改善することで、重み空間を探索する。
• 分類精度または分離品質に基づくフィットネス関数を定義し、ABC最適化プロセスをガイドする。
• 最適化された重みを最終的な距離関数に統合し、2つのシーケンス間の非類似度を、それらの重み付きシグマグラム差の和として計算する。

実験結果

リサーチクエスチョン

• RQ1 標準的なn-gram距離尺度と比較して、ABC最適化によるシグマグラムの重み付けは、順序データにおける類似度検索の正確性を向上させるか？
• RQ2 提案されたABC-SG距離尺度は、テキストおよび生物学的配列解析分野における既存の距離測定法と比較して、どのように性能を発揮するか？
• RQ3 人工蜂群最適化の使用が、順序データにおけるn-gram特徴の識別力にどの程度向上効果をもたらすか？
• RQ4 ABC-SG手法は、テキストやDNA配列を含む多様な順序データタイプに対して、頑健性を示すか？
• RQ5 ABC-SGフレームワークは、実世界の類似度検索タスクに効果的に適用可能であり、ベースライン手法と比較して測定可能な改善をもたらすか？

主な発見

• ABC-SG距離尺度は、ベンチマーク用の順序データセットにおいて、標準的なn-gramおよびユークリッド距離ベースの手法と比較して、類似度検索タスクで高い正確性を達成した。
• ABC最適化による重み付けを用いることで、シグマグラムの識別力が顕著に向上し、類似および非類似のシーケンスペア間の分離が改善された。
• オーストララジアンデータマイニング会議2012での実験結果から、ABC-SGはテキストおよびバイオインフォマティクス応用分野において、従来の距離尺度を上回ることが示された。
• 人工蜂群アルゴリズムを用いた最適化プロセスは、シーケンス間の区別能力を最大限に高める重みの集合に、効果的に収束した。
• 提案手法は、テキストおよび生物学的配列を含むさまざまなタイプの順序データに対して、頑健性を示した。
• シグマグラムとABCベースの重み付けの統合により、固定重みn-gramアプローチに比べ、より洗練され、適応的な類似度非類似度測定が可能になった。