[論文レビュー] Data Mining for Actionable Knowledge: A Survey

Zengyou He, Xiaofei Xu+1 more|ArXiv.org|Jan 27, 2005

Big Data and Business Intelligence被引用数 30

ひとこと要約

この論文は、意思決定者が具体的で収益性の高い行動を取れるような行動可能知識（行動に繋がるパターン）を生成するためのデータマイニング技術を調査する。行動可能知識抽出のための2つの暗黙的フレームワークを提案し、タスクベースおよびフレームワークベースの視点から既存の研究を分析し、分野における未解決の問題を特定し、実践的データマイニング応用に関する文献における重要な空白を埋める。

ABSTRACT

The data mining process consists of a series of steps ranging from data cleaning, data selection and transformation, to pattern evaluation and visualization. One of the central problems in data mining is to make the mined patterns or knowledge actionable. Here, the term actionable refers to the mined patterns suggest concrete and profitable actions to the decision-maker. That is, the user can do something to bring direct benefits (increase in profits, reduction in cost, improvement in efficiency, etc.) to the organization's advantage. However, there has been written no comprehensive survey available on this topic. The goal of this paper is to fill the void. In this paper, we first present two frameworks for mining actionable knowledge that are inexplicitly adopted by existing research methods. Then we try to situate some of the research on this topic from two different viewpoints: 1) data mining tasks and 2) adopted framework. Finally, we specify issues that are either not addressed or insufficiently studied yet and conclude the paper.

研究の動機と目的

• データマイニングにおける行動可能知識に関する包括的なサーベイが不足している現状に対処し、抽出されたパターンが直接的な組織的利益をもたらすものであることを目的とする。
• 既存の研究で用いられている2つの暗黙的フレームワークを特定し、形式的に定式化する。
• データマイニングタスクと採用されたフレームワークの両面から、行動可能知識に関する既存の研究を分類・分析する。
• 行動可能知識抽出分野における未研究または十分に検討されていない問題を浮き彫りにし、今後の研究を導く。
• 理論的データマイニングと実践的ビジネス意思決定のギャップを埋めるために、行動可能性をコアな目的として強調する。

提案手法

• 行動可能知識に変換するための2つの概念的フレームワークを提案するが、正式なモデルとして明示的に詳細化されていない。
• データマイニングタスクの種別（例：分類、クラスタリング、関連ルール）と採用されたフレームワークに基づいて、既存のデータマイニング研究を分類する。
• 行動可能知識生成の観点から、意思決定支援の関連性に焦点を当て、体系的レビュー手法を用いて文献を分析する。
• 既存の手法が単なるパターン発見を超えて、直接的かつ収益性の高い行動を支援する程度を評価する。
• 研究設計、評価、応用文脈において、行動可能性がどのように扱われているかを検討することで、研究ギャップを同定する。
• 意思決定者が知識に基づいて行動し、組織的影響を測定可能にするという目的を中心に分析を構成する。

実験結果

リサーチクエスチョン

• RQ1 行動可能知識と一般的なデータマイニングパターンを区別する主な特徴は何ですか？
• RQ2 既存のデータマイニング手法は、どのようにして行動可能知識の生成を暗黙的または明示的に支援していますか？
• RQ3 分類やクラスタリングなどの異なるデータマイニングタスクは、行動可能インサイトの創出をどのように促進または阻害しますか？
• RQ4 抽出されたパターンを行動可能な意思決定に変換するために、一般的に用いられるフレームワークや設計原則は何ですか？
• RQ5 行動可能知識抽出分野において、現在の研究で未だ十分に検討されていない、あるいは不十分に扱われている側面は何か？

主な発見

• 本論文以前に、行動可能知識に関する包括的サーベイは存在しなかったため、大きな研究ギャップが生じていた。
• 既存のデータマイニング研究は、抽出されたパターンが具体的かつ収益性の高い行動に繋がることを明示的に扱わないことが一般的である。
• 行動可能知識抽出に用いられる2つの暗黙的フレームワークが、多くの研究で共通して用いられているが、形式的に認識されたり標準化されたりしていない。
• 行動可能知識に関する研究は、データマイニングタスクごとに散逸しており、統合的分析やタスク間の統合的分析が限られている。
• 行動可能性の評価、フィードバックループ、実世界での展開といった重要な問題が、現在の文献において未だ十分に検討されていない。
• 本論文は、行動可能知識をデータマイニングの別次元として明確に位置づけ、今後の研究の基盤を確立した。