[論文レビュー] Expert Opinion Extraction from a Biomedical Database

Ahmed Samet, Thomas Guyet+4 more|arXiv (Cornell University)|Sep 11, 2017

Multi-Criteria Decision Making参考文献 3被引用数 24

ひとこと要約

本稿では、不確実なバイオメディカルデータベースを対象とした新規な意見マイニング手法OpMinerを提案する。この手法は、Dempster-Shaferの証拠理論を用いて専門家の意見を質量関数としてモデル化する。妥当性に基づくコミットメントに基づくサポートの再定義により、断片的な回答要因ではなく、より情報量が多く包括的な意見パターン（例：完全な信念構造）を抽出する。実世界のバイオメディカルデータにおいて、従来の手法に比べて顕著に品質の高いパターンを生成する。

ABSTRACT

In this paper, we tackle the problem of extracting frequent opinions from uncertain databases. We introduce the foundation of an opinion mining approach with the definition of pattern and support measure. The support measure is derived from the commitment definition. A new algorithm called OpMiner that extracts the set of frequent opinions modelled as a mass functions is detailed. Finally, we apply our approach on a real-world biomedical database that stores opinions of experts to evaluate the reliability level of biomedical data. Performance analysis showed a better quality patterns for our proposed model in comparison with literature-based methods.

研究の動機と目的

• 古典的手法が不確実なデータベースから断片的な回答要因しか抽出しないという限界を是正するため。
• 証拠データベースにおける専門家の意見を質量関数（基本信頼割当）としてモデル化し、不確実性と信念のレベルをより正確に表現するため。
• コミットメント関係（妥当性順序）に基づく新しいサポート測度を考案し、頻出する意見パターンを特定するため。
• 実世界のバイオメディカル専門家データベースにおける頻出意見パターンをマイニングするための効率的アルゴリズムOpMinerを設計・評価するため。
• 意見パターン（完全な信念構造として表現されるもの）が、従来の回答ベースのパターンよりも情報量が多く信頼性が高いことを実証するため。

提案手法

• 専門家の意見を、評価結果の可能性のある集合（識別フレーム）上での基本信頼割当（BBAs）としてモデル化し、さまざまな評価結果に対する信念の度合いを表現する。
• 妥当性に基づくコミットメントから導出される新しいサポート測度を導入し、パターンが意見のコミットメントレベルと整合している場合にのみ頻出とみなす。
• コミットメントに基づくサポートの反単調性を活用し、候補パターンを効率的に pruning することで、計算コストを低減する。
• アルゴリズムはBBAsを原子的アイテムとして処理し、専門家の意見の完全な構造を分解せず、保存する。
• 必要に応じて質量分布を空虚な信念に近づけるための信頼性要因（α）を導入し、不確実性に対する耐性を高める。
• 実際のバイオメディカルデータベース（専門家評価）を用い、OpMinerとEDMA、U-Aprioriの間でパターン数、実行時間、解釈可能性の観点から評価する。

実験結果

リサーチクエスチョン

• RQ1 不確実なデータベースにおける意見マイニングは、断片的な回答要因ではなく完全な専門家の意見を捉えるために、どのように再定義できるか？
• RQ2 証拠データベースにおいて、頻出する意見パターンを効果的に同定するためのコミットメント関係に基づくサポート測度は何か？
• RQ3 OpMinerは、EDMA や U-Apriori といった古典的手法と比較して、パターンの品質と計算効率の面でどのように異なるか？
• RQ4 完全な信念構造（BBAs）は、頻出パターンマイニングにおいて、焦点要素よりも情報量の多い結果をもたらす原子的アイテムとして機能できるか？
• RQ5 抽出された意見パターンは、バイオメディカルデータソースの解釈可能性と信頼性評価をどの程度向上させるか？

主な発見

• OpMinerは、焦点要素に分解されたものではなく、完全なBBAsを原子的アイテムとして用いるため、EDMA や U-Apriori よりも少ないがより情報量の多い頻出パターンを生成する。
• OpMinerが抽出するパターン数は、EDMAが属性のすべての部分集合からマイニングするため、顕著に少ない。これは、より優れたpruningと冗長性の低減を示している。
• OpMinerは計算効率が高く、特にminsup閾値が高い場合に、EDMA や U-Apriori よりも実行時間が短い。
• OpMinerの最良パターンは明確で解釈可能な意見を示す（例：複数の質問に対して「中程度」で高い信頼性）。一方、EDMAのパターンは「高」か「中程度」の間で曇った猶予を示している。
• OpMinerのパターンは直接的な信頼性評価（例：「S1は中程度信頼できる」）を可能にするが、EDMAの出力は排他的な回答集合のため、解釈が複雑になる。
• 本研究では、BBAsとしてモデル化された意見パターンが、バイオメディカル専門家データベースにおいて、従来の回答ベースのパターンよりも高品質で、実行可能なインサイトをもたらすことを確認した。