[論文レビュー] Granular association rules on two universes with four measures

Fan Min|arXiv (Cornell University)|Sep 25, 2012

Rough Sets and Fuzzy Logic参考文献 43被引用数 9

ひとこと要約

本稿では、二つのユニバース間の粒状関連ルールを導入し、四つの意味的測定値—ソースカバレッジ、ターゲットカバレッジ、ソースコンフィデンス、ターゲットコンフィデンス—を用いて、従来のサポートとコンフィデンスに依存するものよりも、より豊かで洗練されたパターン発見を可能にする。このアプローチにより、高度なコールドスタート推薦が実現され、サブタイプ固有のアルゴリズムを用いることで2–3桁の高速化が達成され、さらに1つのサブタイプに対して前向き/後向きアルゴリズムを用いた最適化がなされている。

ABSTRACT

Relational association rules reveal patterns hide in multiple tables. Existing rules are usually evaluated through two measures, namely support and confidence. However, these two measures may not be enough to describe the strength of a rule. In this paper, we introduce granular association rules with four measures to reveal connections between granules in two universes, and propose three algorithms for rule mining. An example of such a rule might be "40% men like at least 30% kinds of alcohol; 45% customers are men and 6% products are alcohol." Here 45%, 6%, 40%, and 30% are the source coverage, the target coverage, the source confidence, and the target confidence, respectively. With these measures, our rules are semantically richer than existing ones. Three subtypes of rules are obtained through considering special requirements on the source/target confidence. Then we define a rule mining problem, and design a sandwich algorithm with different rule checking approaches for different subtypes. Experiments on a real world dataset show that the approaches dedicated to three subtypes are 2-3 orders of magnitudes faster than the one for the general case. A forward algorithm and a backward algorithm for one particular subtype can speed up the mining process further. This work opens a new research trend concerning relational association rule mining, granular computing and rough sets.

研究の動機と目的

• 多関係データベースにおいて、サポートとコンフィデンスのみに依存する従来の関連ルールの意味的制限を解消すること。
• 複数対複数の関係を有する二つのデータユニバース（例：顧客と製品）間で、より表現力のあるパターン発見を可能にすること。
• ソース／ターゲットコンフィデンスの閾値に基づくルールのサブタイプに特化した効率的で効果的なマイニングアルゴリズムを開発すること、特にコンフィデンスが100％に達する場合に注力すること。
• 粒状計算、関係的関連ルールマイニング、推薦システムを統合し、新規ユーザーと新規アイテムを含むコールドスタートシナリオに特に適した応用を実現すること。
• 実世界のデータセットにおける複雑な関係性を扱うスケーラブルで意味的豊かなルールマイニングの基盤を構築すること。

提案手法

• 四つの測定値を定義する：ソースカバレッジ（ソースの粒状の割合）、ターゲットカバレッジ（ターゲットの粒状の割合）、ソースコンフィデンス（ソース粒状インスタンスのうちターゲットに一致する割合）、ターゲットコンフィデンス（ターゲット粒状インスタンスのうちソースに一致する割合）。
• 二つのユニバース間の粒状を結ぶステートメントとして、粒状関連ルールを形式化し、二重のコンフィデンスとカバレッジ測定値のおかげで、従来の関連ルールよりも意味的豊かさを有する。
• ソースコンフィデンス、ターゲットコンフィデンス、または両方が100％であるかどうかに基づき、三つのルールマイニングサブタイプを導入し、最適化を可能にする。
• 各サブタイプに応じて異なるルールチェック戦略を適用する「サンドイッチアルゴリズム」を提案し、一般ケースの全探索マイニングよりも効率性を向上させる。
• 完全一致サブタイプ（100％のソースおよびターゲットコンフィデンス）に対して、前向きおよび後向きアルゴリズムを設計し、粗い集合の近似を活用して計算を高速化する。
• アプレオリ属性と粒状に基づくプルーニングを用いて、特に大規模データセットにおいて探索空間を削減する。

実験結果

リサーチクエスチョン

• RQ1 二つのユニバース間の関連ルールは、従来のサポートとコンフィデンスを越えて、どのようにして現実の関係性をよりよく反映させるか？
• RQ2 粒状関連ルールマイニングにおいて、一般ルールマイニングとサブタイプ固有の最適化の間で、性能のトレードオフはどのようなものか？
• RQ3 前向きおよび後向きアルゴリズムは、完全一致ルールサブタイプのマイニングを顕著に高速化できるか？
• RQ4 提案された四つの測定値（ソースおよびターゲットにおけるカバレッジとコンフィデンス）は、発見されたルールの解釈可能性と意味的豊かさをどのように向上させるか？
• RQ5 提案されたアルゴリズムは、データサイズや閾値の異なる実世界データセットにおいて、スケーラビリティをどのように示すか？

主な発見

• 提案された四測定値フレームワークは、従来の関連ルールよりも意味的豊かさを有しており、ソースおよびターゲットの粒状カバレッジとコンフィデンスを両方とも捉えているためである。
• 三つのサブタイプ固有のアルゴリズムは、二つの実世界データセットにおいて、一般ケースのアルゴリズムと比較して2–3桁の高速化を達成している。
• 前向きおよび後向きアルゴリズムは、完全一致サブタイプのマイニングをさらに加速させ、ベースライン手法と比較して顕著な高速化を示している。
• サンドイッチアルゴリズムは、各サブタイプに特化したルールチェック戦略を適用することで、サブタイプ全体にわたる効率性を的確にバランスさせている。
• 新規ユーザーと新規アイテム間の関係を粒状関連でモデル化することで、効果的なコールドスタート推薦が可能になる。
• カバーに基づく粗い集合と変動精度の粗い集合に基づく理論的基盤は、将来的により複雑なルールタイプへの拡張に有望であると特定された。