[論文レビュー] The Algorithms of Updating Sequential Patterns

Qingguo Zheng, Ke Xu+2 more|ArXiv.org|Mar 27, 2002

Data Mining Algorithms and Applications被引用数 5

ひとこと要約

本稿では、進化する時系列データベースにおける逐次パターンのインクリメンタルマイニングのためのIUSおよびDUSアルゴリズムを提案する。頻度の高いおよび負の境界シーケンスを活用することで、データ変更に伴うパターンの更新を効率的に行う。負の境界の閾値（Min_nbd_supp）が計算コストを制御し、動的データベースにおける逐次パターンのスケーラブルな維持を実現する。

ABSTRACT

Because the data being mined in the temporal database will evolve with time, many researchers have focused on the incremental mining of frequent sequences in temporal database. In this paper, we propose an algorithm called IUS, using the frequent and negative border sequences in the original database for incremental sequence mining. To deal with the case where some data need to be updated from the original database, we present an algorithm called DUS to maintain sequential patterns in the updated database. We also define the negative border sequence threshold: Min_nbd_supp to control the number of sequences in the negative border.

研究の動機と目的

• 時間の経過とともに変化する時系列データベースにおける逐次パターンの維持という課題に対処すること。
• データ更新後の再マイニングにおける計算コストを低減すること。
• パターン更新プロセスの高速化を図るため、負の境界シーケンスを用いたメカニズムを導入すること。
• サイズを制限し、更新のオーバーヘッドを制御するため、閾値（Min_nbd_supp）を定義・適用すること。
• 頻繁な更新が行われる動的データ環境におけるリアルタイムまたは準リアルタイムの逐次パターン維持のためのスケーラブルなアルゴリズムの開発。

提案手法

• IUSアルゴリズムは、元のデータベースからの頻度の高いおよび負の境界シーケンスを用いて、完全な再マイニングを伴わずに逐次パターンをインクリメンタルに更新する。
• DUSアルゴリズムはIUSを拡張し、負の境界構造を用いて影響を受けるパターンを特定することで、データ更新に対応する。
• 負の境界シーケンスの閾値（Min_nbd_supp）を導入し、負の境界に含まれるシーケンスの数を制限することで、ストレージおよび計算コストを削減する。
• アルゴリズムは、データ更新後に変化しうるのは、負の境界に属するシーケンスまたはその上位集合に限られるという性質に依存している。
• パターンの更新は、古いデータベースと新しいデータベースの差分を負の境界をピルーリングメカニズムとして分析することで計算される。
• 変更の影響を受ける可能性があるシーケンスに限定して処理を行うことで、更新されたデータベースの完全なスキャンを回避する。

実験結果

リサーチクエスチョン

• RQ1 データが時間の経過とともに変化する時系列データベースにおいて、逐次パターンをどのように効率的に更新できるか。
• RQ2 負の境界シーケンスは、インクリメンタルなパターン更新における再計算の最小化にどのように寄与するか。
• RQ3 正確性とパフォーマンスのバランスを保つために、負の境界のサイズをどのように制御できるか。
• RQ4 完全な再マイニングと比較して、インクリメンタル手法を用いた際の逐次パターンの維持に要する計算コストはどの程度か。
• RQ5 提案されたアルゴリズムは、頻繁な更新が行われる大規模な動的データベースにもスケーラブルに適用可能か。

主な発見

• IUSおよびDUSアルゴリズムは、完全な再マイニングと比較して、逐次パターンの更新にかかる計算コストを顕著に低減する。
• 負の境界シーケンスの使用により、データ更新後の影響を受けるパターンのみを効率的に特定できる。
• Min_nbd_supp閾値は、負の境界のサイズを効果的に制限し、ストレージおよび処理のオーバーヘッドを削減する。
• アルゴリズムは、データ更新の過程でも頻度の高いシーケンス集合の正しさと完全性を維持する。
• 実験結果から、データ量および更新頻度の増加に伴っても、インクリメンタルアプローチが良好にスケーリングすることが示された。
• 変更のないデータの再処理を減らせるため、動的環境では従来のバッチマイニングよりも本手法が優れている。