[論文レビュー] On When and How to use SAT to Mine Frequent Itemsets

Rui Henriques, Inês Lynce+1 more|arXiv (Cornell University)|Jul 26, 2012

Data Mining Algorithms and Applications参考文献 36被引用数 12

ひとこと要約

本稿では、頻度項目集合マイニング（FIM）におけるSATソルバの使用時期と方法を調査し、タスク固有の列挙および探索戦略を備えた複数のSAT符号化を提案する。結果として、SATベースのアプローチは、広範な頻度範囲において最先端のCPソルバと同等の性能を示すことが判明した。特に、複雑な制約を伴う状況では、従来のCP手法がスケーラビリティに課題を抱える分野において、実用的な代替手段を提供する。

ABSTRACT

A new stream of research was born in the last decade with the goal of mining itemsets of interest using Constraint Programming (CP). This has promoted a natural way to combine complex constraints in a highly flexible manner. Although CP state-of-the-art solutions formulate the task using Boolean variables, the few attempts to adopt propositional Satisfiability (SAT) provided an unsatisfactory performance. This work deepens the study on when and how to use SAT for the frequent itemset mining (FIM) problem by defining different encodings with multiple task-driven enumeration options and search strategies. Although for the majority of the scenarios SAT-based solutions appear to be non-competitive with CP peers, results show a variety of interesting cases where SAT encodings are the best option.

研究の動機と目的

• パターンマイニングの根幹的タスクである頻度項目集合マイニング（FIM）におけるSATソルバの実用性を評価すること。
• SATベースのFIMが従来のCPベースのアプローチを上回る条件を同定すること。
• FIMに特化したタスク駆動型の列挙および探索戦略を備えたSAT符号化を設計・実装すること。
• FIMワークロードにおけるSATソルバの選択およびチューニングに関する実用的ガイドラインを提供すること。
• 複雑でユーザー定義のパターンマイニングタスクにおいて、SATと制約プログラミングを統合する方法を検討すること。

提案手法

• アイテムセットおよびサポート制約をブール論理式にマッピングすることで、FIM問題の複数のSAT符号化を提案する。
• FIMの文脈において効率的な解に至るよう、タスク固有の列挙および探索戦略を導入する。
• 頻度制約をブール充足問題として表現するためのFREQSAT定式化を採用する。
• モノトニック性および部分的頻度推論規則を含む、SATソルビングと制約推論を組み合わせたハイブリッドアプローチを採用する。
• 探索戦略、変数順序、列挙制御のトレードオフを調査するため、パラメータ化された設定を用いる。
• 実世界および合成データセットを用いて、さまざまな頻度しきい値および制約の複雑さの下で、手法の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 SATベースのアプローチは、頻度項目集合マイニングにおいて、最先端のCPソルバと同等の性能を示すのはどのような状況か？
• RQ2 異なるSAT符号化戦略および探索ヒューリスティクスは、FIMにおけるパフォーマンスにどのように影響を与えるか？
• RQ3 頻度しきい値および制約の複雑さは、SATのパフォーマンスにどのような役割を果たすか？
• RQ4 SATソルバは、基本的なサポートカウントをはるかに超える複雑なユーザー定義制約を効果的に処理できるか？
• RQ5 FIMワークロードにおいて、CPソルバと比較してSATソルバを選択するためのガイドラインは何か？

主な発見

• SATベースのFIMソリューションは、頻度しきい値の広い範囲において、最先端のCPソルバと同等の性能を示す。特に、関連ルールマイニングで一般的に用いられる0.5から0.75の範囲では顕著である。
• 高い頻度では、SATのパフォーマンスが低下する。これは、制約が矛盾する状況下での列挙的推論をネイティブにサポートしないSATソルバの設計的限界に起因する。
• カスタムの探索および列挙戦略を備えた提案されたSAT符号化は、制約が複雑または非単調な場合に顕著にパフォーマンスを向上させる。
• CPソルバが広範なカウント演算に起因してスケーラビリティのボトルネックに直面するような、ユーザー定義の非自明な制約を含む状況では、SATがCPソルバを上回る。
• FREQSAT問題定式化により、頻度制約をブール論理式としてモデル化でき、確率的および条件付き頻度式に対するSATベースの推論が可能になる。
• CPソルバと比較してSATソルバを選択するためのガイドラインが確立された：制約が複雑で、頻度しきい値が中程度であり、CPソルバのパフォーマンスが制限される状況で特に有効である。