[論文レビュー] Faster Algorithms for Constructing a Galois Lattice, Enumerating All Maximal Bipartite Cliques and Closed Frequent Sets

Vicky Choi, Yang Huang|arXiv (Cornell University)|Feb 19, 2006

Rough Sets and Fuzzy Logic参考文献 27被引用数 5

ひとこと要約

本稿では、ガロア格子の構築、二部グラフにおける最大二部クリークの列挙、閉 frequent 集合の計算のための新規で効率的なアルゴリズムを提示する。ラティス構造を活用し、上位後続（upper descendants）の概念を導入することで、特に上位後続関係が疎である概念において、従来の手法よりも高速な実行時間を達成する。

ABSTRACT

In this paper, we give a fast algorithm for constructing a Galois lattice of a binary relation. When the binary relation is represented as a bipartite graph, each vertex of the lattice (called a concept) corresponds to a maximal bipartite clique of the bipartite graph. Thus, our algorithm also enumerates all maximal bipartite cliques. Further, our algorithm can be naturally modified to compute only large concepts that are known as closed frequent sets in data mining. The running time of our algorithm depends on the lattice structure and is faster than all other existing algorithms for these problems. Let B denote the set of all concepts, and L =< B, ≺> be the corresponding lattice. For a concept C ∈ B, a descendant D = (ext(D), int(D)) of C is called an upper descendant of C if there exists i ∈ int(D) such that for any descendant E ≺ C with i ∈ int(E), ext(E) ⊆ ext(D). Denote the set of upper descendants of C by UC. For most of concepts, UC consists of all successors of C only. The running time of our algorithm is O ( �

研究の動機と目的

• 二値関係からガロア格子を構築するためのより高速なアルゴリズムの開発を目的とする。
• 関係の二部グラフ表現において、すべての最大二部クリークを効率的に列挙することを目的とする。
• データマイニングにおいて関連する大きな閉 frequent 集合のみを計算するようにアルゴリズムを適応させることを目的とする。
• 特に上位後続関係に注目し、ラティスの構造的性質を活用して実行時間を短縮することを目的とする。
• 構造的最適化を通じて、時間計算量の面で既存のアルゴリズムを上回ることを目的とする。

提案手法

• アルゴリズムは、ラティスの部分順序に基づく深さ優先探索戦略を用いて、概念を走査することでガロア格子を構築する。
• 概念 C に対する上位後続 UC の概念を導入する。UC は、ある i ∈ int(D) に対して、i ∈ int(E) を満たすすべての以前の祖先 E ≺ C について ext(E) ⊆ ext(D) を満たす後続 D として定義される。
• 探索空間を上位後続に限定することで、冗長な計算を削減する。
• 形式的概念における意図（intent）と拡張（extent）の双対性を活用することで、走査中に正しさを保つ。
• サイズまたはサポートの閾値に基づいて概念をフィルタリングすることで、閉 frequent 集合のみを計算するようにアルゴリズムを自然に適応できる。
• 各概念 C に対して、実行時間は O(|B| × |UC|) で抑えられる。ここで UC は上位後続の集合であり、疎な構造においては性能向上が見込める。

実験結果

リサーチクエスチョン

• RQ1 ラティスの構造的性質を活用することで、ガロア格子の構築をより効率的に行えるか？
• RQ2 ラティスに基づく走査を用いることで、最大二部クリークの列挙をどのように高速化できるか？
• RQ3 上位後続関係は、ラティス構築における冗長な計算の削減にどのような影響を与えるか？
• RQ4 すべての概念を列挙せずに、大きな閉 frequent 集合のみを計算するようにアルゴリズムを最適化できるか？
• RQ5 時間計算量および実用的効率の面で、本アルゴリズムは既存手法と比較してどのように異なるか？

主な発見

• 本アルゴリズムは、ガロア格子の構築、最大二部クリークの列挙、閉 frequent 集合のマイニングのすべてにおいて、既存のすべてのアルゴリズムを上回る高速な実行時間を達成する。
• 各概念 C に対して、実行時間は O(|B| × |UC|) で抑えられる。ここで UC は上位後続の集合であり、UC が小さい場合には性能向上が顕著に現れる。
• 大多数の概念において、UC は正確にすべての後続の集合に一致するため、走査が簡素化され、オーバーヘッドが低減される。
• 特に上位後続関係が疎なラティスにおいて、アルゴリズムの効率性が顕著に向上し、実用的に顕著な高速化が達成される。
• 大きな概念のフィルタリングが自然にサポートされるため、閉 frequent 集合に焦点を当てたデータマイニング応用に適している。
• ラティス構造と上位後続のプルーニングを活用することで、冗長な操作を最小限に抑えることにより、先行手法を凌駆する。