[論文レビュー] CASP-DM: Context Aware Standard Process for Data Mining

Fernando Martínez‐Plumed, Lidia Contreras-Ochando+6 more|arXiv (Cornell University)|Sep 19, 2017

Data Stream Mining Techniques参考文献 44被引用数 21

ひとこと要約

CASP-DM は、データ、目的、ドメインにおける変化を能動的に管理できる文脈認識活動を CRISP-DM に拡張することで、モデル再利用を可能にし、プロジェクトの再作業を削減する。標準的なデータマイニングライフサイクルに、文脈同定、再定式化、モデル監視に特化したタスクを統合し、より柔軟で保守性の高いデータマイニングプロジェクトを実現する。

ABSTRACT

We propose an extension of the Cross Industry Standard Process for Data Mining (CRISPDM) which addresses specific challenges of machine learning and data mining for context and model reuse handling. This new general context-aware process model is mapped with CRISP-DM reference model proposing some new or enhanced outputs.

研究の動機と目的

• CRISP-DM や KDD、SEMMA といった既存のデータマイニング手法における体系的な文脈認識の欠如に取り組む。
• 新たなデータ分布、言語の変化、不正行動パターンの進化といった予期しない文脈変化によって引き起こされるプロジェクトの再作業やコスト増加を低減する。
• 完全な再トレーニングや再設計なしに、異なるドメインや文脈間でモデルを再利用・適応可能にする。
• CRISP-DM との後方互換性を確保することで、実務家による即時の導入と RapidMiner や IBM SPSS Modeler といった既存ツールとの統合を可能にする。
• casp-dm.org を通じてコミュニティ主導の標準を確立し、新たな課題への対応に応じたデータマイニング手法の継続的進化を支援する。

提案手法

• CRISP-DM の6段階ライフサイクルに、文脈同定、文脈変化の監視、文脈に基づくモデル選択といった新しい文脈認識タスクを各段階に追加する。
• 再トレーニングから完全に再始動するのではなく、新しい文脈にモデルを適応させるためのコア技術として「再定式化（reframing）」の概念を導入する。
• 文脈を、モデルのパフォーマンスやデプロイメントに影響を与えるパrameter群（例：データ分布、言語、タスク目標、コスト制約）の集合として定義する。
• デプロイメント段階と評価段階に文脈監視を統合し、変化を追跡してモデル更新や再選択をトリガーする。
• リアルタイムでの文脈推定に基づき、複数の文脈特化モデルを維持・管理し、適切なモデルを選択するためのモデルプール管理戦略を提案する。
• 文脈対応の経験を文書化する最終段階のプロセスを開発し、文脈同定、モデルの汎用性、再定式化の有効性に関する教訓を蓄積する。

実験結果

リサーチクエスチョン

• RQ1 データ分布、言語、ビジネス目標の変化といった文脈変化に対して、データマイニングプロジェクトをどれほど耐性を持たせられるか。
• RQ2 データマイニングライフサイクル全体にわたり、文脈を体系的に同定・管理するために必要な具体的なタスクと出力は何か。
• RQ3 文脈変化が生じた際に、モデル再利用と再定式化が完全な再トレーニングの必要性をどの程度低減できるか。
• RQ4 CRISP-DM に後方互換性を保ちつつ、文脈認識をどのように統合できるか。
• RQ5 コミュニティプラットフォームは、文脈認識型データマイニング手法の継続的進化と維持にどのような役割を果たせるか。

主な発見

• CASP-DM は、文脈変化を予測・管理する文脈認識活動を CRISP-DM に効果的に拡張し、プロジェクトの再作業リスクを低減した。
• MoReBikeS ケーススタディでは、文脈認識型モデル選択により、類似した文脈プロファイルを持つ新たな自転車レンタルステーションでも、既存のモデルを再利用できた。
• 経験文書化の結果、文脈同定と再定式化がモデルの適応性を著しく向上させ、デプロイメントコストを削減した。
• 文脈をファーストクラスのパrameterとして扱うことで、多言語テキスト要約や進化する不正検出など、多様な文脈間でのモデル再利用を可能にする。
• CRISP-DM との後方互換性により、RapidMiner や IBM SPSS Modeler を使用する実務家による即時の導入が可能である。
• casp-dm.org をコミュニティプラットフォームとして設立することで、文脈認識型データマイニング実務の継続的標準化と進化が支援された。