[論文レビュー] TaSPM: Targeted Sequential Pattern Mining

Gengsen Huang, Wensheng Gan+1 more|arXiv (Cornell University)|Feb 26, 2022

Data Mining Algorithms and Applications被引用数 6

ひとこと要約

本稿では、ユーザーが定義したクエリシーケンスに焦点を当てることでパターン発見を高速化する汎用的なフレームワークであるTaSPMを提案する。CM-SPAMに基づいて構築されたTaSPMは、無関係なパターン拡張を排除するための4つのプルーニング戦略を採用しており、多様なデータセットおよびクエリタイプにおいて、ベースライン手法と比較して高速な実行時間と低いメモリ使用量を達成している。

ABSTRACT

Sequential pattern mining (SPM) is an important technique of pattern mining, which has many applications in reality. Although many efficient sequential pattern mining algorithms have been proposed, there are few studies can focus on target sequences. Targeted querying sequential patterns can not only reduce the number of sequences generated by SPM, but also improve the efficiency of users in performing pattern analysis. The current algorithms available on targeted sequence querying are based on specific scenarios and cannot be generalized to other applications. In this paper, we formulate the problem of targeted sequential pattern mining and propose a generic framework namely TaSPM, based on the fast CM-SPAM algorithm. What's more, to improve the efficiency of TaSPM on large-scale datasets and multiple-items-based sequence datasets, we propose several pruning strategies to reduce meaningless operations in mining processes. Totally four pruning strategies are designed in TaSPM, and hence it can terminate unnecessary pattern extensions quickly and achieve better performance. Finally, we conduct extensive experiments on different datasets to compare the existing SPM algorithms with TaSPM. Experiments show that the novel targeted mining algorithm TaSPM can achieve faster running time and less memory consumption.

研究の動機と目的

• 従来の逐次パターンマイニング（SPM）が、不要なパターンを大量に生成する非効率性を是正するため、ユーザー指定のターゲットシーケンスに焦点を当てる。
• 多様な分野に応用可能な汎用的で拡張性のあるターゲット指向の逐次パターンマイニングフレームワークを構築する。
• マイニング中に意味のないパターン拡張を排除することで、計算オーバーヘッドとメモリ消費量を低減する。
• 大規模なトランザクションデータにおいて、単一アイテムおよび複数アイテムのターゲットシーケンスに対するクエリ効率を向上させる。
• 既存のSPMアルゴリズム（例：CM-SPAM）を上回る実行時間およびメモリ使用量を実現するスケーラブルなソリューションを提供する。

提案手法

• TaSPMは、高速なパターン生成メカニズムを有するCM-SPAMアルゴリズムの拡張として構築されている。
• フレームワークは、マイニングプロセスの初期段階で有望でないパターン拡張を効果的に排除するための4つのプルーニング戦略を導入している。
• プルーニングはターゲットクエリシーケンスに基づいて実施され、関連する部分パターンのみが探索対象となるように保証されている。
• 後処理技術により、発見されたパターンがユーザーが指定した構造的および順序制約を満たしていることを確認している。
• アルゴリズムはI-ExtensionおよびS-Extensionクエリの両方をサポートしており、柔軟なパターン発見が可能である。
• 改良版のTaSPM V2は、強化されたプルーニングとデータ構造管理により、メモリ使用量と実行時間を最適化している。

実験結果

リサーチクエスチョン

• RQ1 ユーザー定義のターゲットシーケンスに焦点を当てることで、すべての頻出パターンをマイニングする従来の逐次パターンマイニング（SPM）の非効率性をどのように是正できるか？
• RQ2 ターゲットマイニング中に無意味なパターン拡張の数を効果的に削減するためのプルーニング戦略は何か？
• RQ3 異なるデータセットにおいて、CM-SPAMなどのベースラインSPMアルゴリズムと比較して、TaSPMの実行時間およびメモリ使用量はどのように評価できるか？
• RQ4 単一アイテムおよび複数アイテムのシーケンスを含む、さまざまなクエリシーケンスタイプにおいて、TaSPMのパフォーマンスはどのように変化するか？
• RQ5 データセットサイズの増加および最小サポート閾値の変化に伴い、TaSPMのスケーラビリティはどの程度向上するか？

主な発見

• TaSPM V2は、特に大規模および複数アイテムベースのデータセットにおいて、CM-SPAMと比較して顕著に高速な実行時間を達成している。
• TaSPM V2のメモリ使用量は、合成および実世界のデータセットにおいて、CM-SPAMと比較して一貫して低く、最大で数倍の削減が見られた。
• Accidents10kおよびBibleデータセットでは、minsupが変化してもTaSPM V2は安定したメモリ使用量を維持しており、耐障害性が確認された。
• クエリシーケンスの長さが増加するにつれて、TaSPM V2は実行時間を短縮するのに対し、TaSPM V1はほとんど変化しないことから、V2のスケーラビリティが優れていることが示された。
• スケーラビリティ実験の結果、TaSPM V1およびV2は、データセットサイズの増加に対してCM-SPAMほど敏感ではなく、パフォーマンスがターゲットパターンの数に依存するため、全体的なデータ量とは無関係に安定していることが分かった。
• Syn10kデータセットでminsupを5に低下させた場合、CM-SPAMはパターンを発見できなかったが、TaSPM V2は正常にタスクを完了した。これにより、優れた耐障害性が裏付けられた。