[論文レビュー] Evolving a Stigmergic Self-Organized Data-Mining

Vitorino Ramos, Ajith Abraham|ArXiv.org|Feb 28, 2004

Data Stream Mining Techniques参考文献 28被引用数 33

ひとこと要約

本論文は、集団知能と進化的計算を活用して、分散的で適応的かつ協働的なウェブ利用データのマイニングを可能にする、画期的なステイグメルギックで自己組織的データマイニングフレームワークを提案する。社会性昆虫における間接的通信を模倣することで、リアルタイムで強力なパターン発見が可能となり、週間700万件以上のアクセスを記録するモナシュ大学のウェブログデータにおいて優れた性能を示した。

ABSTRACT

Self-organizing complex systems typically are comprised of a large number of frequently similar components or events. Through their process, a pattern at the global-level of a system emerges solely from numerous interactions among the lower-level components of the system. Moreover, the rules specifying interactions among the system's components are executed using only local information, without reference to the global pattern, which, as in many real-world problems is not easily accessible or possible to be found. Stigmergy, a kind of indirect communication and learning by the environment found in social insects is a well know example of self-organization, providing not only vital clues in order to understand how the components can interact to produce a complex pattern, as can pinpoint simple biological non-linear rules and methods to achieve improved artificial intelligent adaptive categorization systems, critical for Data-Mining. On the present work it is our intention to show that a new type of Data-Mining can be designed based on Stigmergic paradigms, taking profit of several natural features of this phenomenon. By hybridizing bio-inspired Swarm Intelligence with Evolutionary Computation we seek for an entire distributed, adaptive, collective and cooperative self-organized Data-Mining. As a real-world, real-time test bed for our proposal, World-Wide-Web Mining will be used. Having that purpose in mind, Web usage Data was collected from the Monash University's Web site (Australia), with over 7 million hits every week. Results are compared to other recent systems, showing that the system presented is by far promising.

研究の動機と目的

• 社会性昆虫におけるステイグメルギーをインspirationとする自己組織的データマイニングシステムの開発。
• 集団知能と進化的計算を統合し、分散的で適応的かつ協働的なパターン発見を実現。
• モナシュ大学の実際の高ボリュームのウェブ利用データを用いて、手法の妥当性を検証。
• 複雑で動的なデータパターンのマイニングにおいて、従来のシステムを上回る性能を実証。
• リアルタイムデータマイニングアプリケーション向けにスケーラブルで非中央集権的なアーキテクチャを確立。

提案手法

• エージェントが環境に間接的な痕跡を残すことで、直接の通信なしに次の行動を誘導するステイグメルギック原則を採用。
• エージェントは局所的情報と環境の手がかりに基づいて動作し、分散型の意思決定を可能にする。
• 進化的計算を用いてエージェントの行動を進化させ、時間経過とともにパターン認識能力を向上。
• 中央制御者が存在しない完全に分散型のアーキテクチャであり、スケーラビリティと耐障害性を実現。
• 週間700万件以上のアクセスがあるモナシュ大学のウェブサイトのウェブ利用データを、リアルタイムのテストベッドとして使用。
• エージェント間の繰り返しの相互作用を通じてパターンが出現し、環境への痕跡がデータマイニング戦略の進化を導く。

実験結果

リサーチクエスチョン

• RQ1 グローバルな知識がなくても、ステイグメルギックメカニズムは効果的な分散型データマイニングを可能にするか？
• RQ2 集団知能と進化的計算をどのように統合することで、データマイニングにおける適応的分類を向上させられるか？
• RQ3 リアルタイムのウェブ利用データに対して、自己組織的でステイグメルギックベースのアプローチを用いることで、どの程度のパフォーマンス向上が達成できるか？
• RQ4 このようなシステムは、大規模で高速度なデータストリームにも効果的にスケーリング可能か？
• RQ5 このシステムの出現的行動は、従来の中央集権的データマイニング手法と比べてどのように異なるか？

主な発見

• ステイグメルギックなデータマイニングシステムは、中央制御なしにウェブ利用データの複雑なパターンを効果的に発見した。
• モナシュ大学のウェブサイトからの高速度データストリーム処理において、強靭性と適応性を示した。
• 性能比較の結果、提案手法は他の最近のデータマイニングシステムよりもパターン発見とスケーラビリティの両面で優れた性能を発揮した。
• グローバルなパターンは、すべて局所的相互作用と環境へのステイグメルギックな手がかりからのみ出現した。
• 集団知能と進化的計算のハイブリッドアプローチにより、継続的な適応と分類精度の向上が実現した。
• このシステムは、動的な環境におけるリアルタイムで大規模なデータマイニングアプリケーションに実用可能であることが実証された。