[論文レビュー] Combining Clustering techniques and Formal Concept Analysis to characterize Interestingness Measures

Dhouha Grissa, Sylvie Guillaume+1 more|arXiv (Cornell University)|Aug 21, 2010

Rough Sets and Fuzzy Logic参考文献 22被引用数 5

ひとこと要約

本稿では、階層的（AHC）および分割型（k-means）クラスタリングから得られる興味の有る指標（IMs）のクラスタを検証および精錬するための形式概念分析（FCA）に基づくフレームワークを提案する。61個のIMsと19の意味的性質を形式的文脈としてモデル化することで、FCAは安定的で意味的に整合性のあるグループを明らかにし、AHC/k-meansの結果を検証するとともに、疑わしいまたは断片的なクラスタを同定し、知識発見におけるIM選択の原則的かつ体系的な手法を提供する。

ABSTRACT

Formal Concept Analysis "FCA" is a data analysis method which enables to discover hidden knowledge existing in data. A kind of hidden knowledge extracted from data is association rules. Different quality measures were reported in the literature to extract only relevant association rules. Given a dataset, the choice of a good quality measure remains a challenging task for a user. Given a quality measures evaluation matrix according to semantic properties, this paper describes how FCA can highlight quality measures with similar behavior in order to help the user during his choice. The aim of this article is the discovery of Interestingness Measures "IM" clusters, able to validate those found due to the hierarchical and partitioning clustering methods "AHC" and "k-means". Then, based on the theoretical study of sixty one interestingness measures according to nineteen properties, proposed in a recent study, "FCA" describes several groups of measures.

研究の動機と目的

• 関連ルールマイニングにおける豊富に存在する選択肢の中から適切な興味の有る指標（IMs）を選択する課題に対処すること。
• 形式的理論に基づくアプローチを用いて、IMsに適用された伝統的なクラスタリング手法（AHCおよびk-means）の結果を検証すること。
• 19の意味的基準に基づき、類似した行動的性質を有する安定的で意味的に整合性のあるIMsのグループを特定すること。
• 研究者および実務家が、効果的な知識発見のための高品質なIMsを評価および選択するための信頼できる手法を提供すること。

提案手法

• 61個のIMs（対象）と19の意味的性質（属性）の61×19行列から形式的文脈を構築し、セルがIMが特定の性質を満たすかどうかを示す。
• 形式的概念分析（FCA）を適用して、共有される性質に基づきIMsの概念的関係および階層的グループ化を明らかにする概念ラティスを生成する。
• ラティスの可視化を用いて、AHCおよびk-meansによって特定されたクラスタの妥当性を検証または疑問視する。特にクラスタの凝集性と境界の曖昧さを評価する。
• グループ構成とIMsの近接性を分析するための主要な概念ノード（例：C9、C5、C2）を選択し、安定したクラスタと疑わしいクラスタを特定する。
• クラスタの安定性を評価するため、クラスタのすべてのメンバーが同一の意図（性質の集合）を共有しているかどうかを確認する。また、外部指標がクラスタに近接しているかを評価する。
• ラティスにおける位置関係を分析することで、特定のIMs（例：再現率、情報的利益）が複数のクラスタにまたがる曖昧な所属関係にあるかどうかを同定する。

実験結果

リサーチクエスチョン

• RQ1 FCAは、AHCおよびk-meansクラスタリングによって生成されたIMsのクラスタを効果的に検証できるか？
• RQ2 どのIMsのクラスタが共有される性質に基づき強い意味的凝集性を示すか？
• RQ3 特定のクラスタ（例：C2、C5）がFCAによって検証しにくいのはなぜか？これはその構造的安定性に何を示唆するか？
• RQ4 FCAは、特定のIMsが複数のクラスタにまたがる曖昧な所属関係をどのように明らかにできるか？
• RQ5 FCAは、IM分析におけるクラスタリング結果の第三者検証メカニズムとして、どの程度有効に機能できるか？

主な発見

• FCAはC1およびC4クラスタを効果的に検証した。これらのクラスタのすべてのメンバーが共通の意図を有しており、ラティス内では一貫したグループを形成している。
• C9クラスタはFCAによって良好に検証されており、すべてのメンバーが安定した概念を形成し、ラティス内で密接に接続されている。これは、同様の行動を示すことを確認している。
• C2クラスタは、性質の共有が一貫せず、所属関係が曖昧なため疑わしい。FCAは、メンバーが完全に整合的ではなく、他のクラスタにも近接していることを明らかにした。
• C5クラスタはラティス内で断片化しており、2つのサブグループに分割されている：{負の信頼性, 因果的信頼性, 因果的確認信頼性} および {特異性, レバーブ, 潜在的因果的依存性}。これは凝集性が低いことを示している。
• 再現率、情報的利益、ジニ係数などの指標は、複数のクラスタ（例：C4、C5、C8、C9）に近接している。これは、曖昧または不安定なクラスタ所属を示しており、近接性から共有される性質は確認できるが、明確な割り当てはない。
• Fukudaの指標はC6クラスタ（IIE、IIER、IP3E）と密接に接続されており、そのグループへの配置が確認された。一方、相互情報量やfukudaなどの他の指標は複数のクラスタに近接しており、曖昧な位置づけであることを強調している。