[論文レビュー] Towards a semantic and statistical selection of association rules

Slim Bouker, Rabie Saidi+2 more|arXiv (Cornell University)|May 24, 2013

Data Mining Algorithms and Applications参考文献 32被引用数 4

ひとこと要約

本稿では、スカイライン支配と意味的同等性を用いて、意味的に同等で統計的に支配されていない関連ルールを選択する新規アルゴリズムRARを提案する。ルール爆発を低減する。ルール集合の圧縮が顕著に達成され、しきい値の指定や指標選択を必要とせず、ルール集合のサイズと一貫性においてしきい値ベースの手法を上回る。最大90%のルール集合削減を達成する。

ABSTRACT

The increasing growth of databases raises an urgent need for more accurate methods to better understand the stored data. In this scope, association rules were extensively used for the analysis and the comprehension of huge amounts of data. However, the number of generated rules is too large to be efficiently analyzed and explored in any further process. Association rules selection is a classical topic to address this issue, yet, new innovated approaches are required in order to provide help to decision makers. Hence, many interesting- ness measures have been defined to statistically evaluate and filter the association rules. However, these measures present two major problems. On the one hand, they do not allow eliminating irrelevant rules, on the other hand, their abun- dance leads to the heterogeneity of the evaluation results which leads to confusion in decision making. In this paper, we propose a two-winged approach to select statistically in- teresting and semantically incomparable rules. Our statis- tical selection helps discovering interesting association rules without favoring or excluding any measure. The semantic comparability helps to decide if the considered association rules are semantically related i.e comparable. The outcomes of our experiments on real datasets show promising results in terms of reduction in the number of rules.

研究の動機と目的

• 関連ルールマイニングアルゴリズムが生成する膨大なルール集合の課題に対処すること。
• 既存の興味の度合い指標の限界を克服し、意味的に無関係なルールを効果的に除外すること。
• 特定の指標に偏らない統一的なルール選択フレームワークを提供し、意味的整合性を保証すること。
• ユーザーが指定するしきい値を必要とせず、意思決定に適した管理可能で代表的なルール集合にルール数を削減すること。
• 実世界の応用において、パーソナライズドランク付けとユーザー主導の意思決定支援を可能にする効果的なルール選択を実現すること。

提案手法

• 複数の興味の度合い指標に基づいて支配されていないルールを特定するため、スカイライン演算子を適用する。ここで、あるルールがすべての指標で他より優れている場合、支配される。
• 支配を適用する前に、2つのルールが同じ意味的文脈に属するかどうかを判断するための意味的同等性モデルを導入する。
• 意味的同等性があるルール間でのみ支配関係を比較する支配ベースのフィルタリングプロセスを採用し、誤った除外を回避する。
• 支配されておらず同等性があるサブセットから、最小で重複のないルール集合を生成する代表ルール生成メカニズムを統合する。
• 信頼度、再現率、Pearl、Loevinger、Zhangといった多様な統計指標を用いた多指標評価フレームワークを活用する。
• UCIレポジトリの実世界データセットを用いて、ルール数の削減と意味的整合性の両面でルール集合を評価する。

実験結果

リサーチクエスチョン

• RQ1 しきい値設定に依存せずに、ルール数を削減する関連ルール選択の改善策は何か？
• RQ2 既存の興味の度合い指標は、どのようにして一貫性のないまたは矛盾するルール順位を生じさせるか？
• RQ3 複数の指標を用いた支配ベースのアプローチは、特定の指標に偏らずに最も興味深いルールを効果的に同定できるか？
• RQ4 意味的同等性は、ルール選択の過程で意味的に関連のないルールが除外されるのをどのように防ぐか？
• RQ5 興味の度合い指標の数や種別を変化させると、最終的なルール集合のサイズと品質にどのような影響を与えるか？

主な発見

• RARアルゴリズムは、しきい値ベースのルール集合と比較して、代表的なルール数を最大90％まで削減でき、強い圧縮効果を示した。
• 支配されていないルールの数は、複数の指標にわたる厳格な支配条件のため、しばしば極めて少ない——たびたび10未満である。
• 評価フレームワークにさらに指標を追加すると、支配関係の変化に応じて、代表ルール数は増加することもあれば減少することもある。
• 最適なしきい値が設定された場合でさえも、代表ルール集合はしきい値ベースのルール集合（TB-rules）よりも常に小さく、RARの優れた削減能力を裏付けた。
• 意味的同等性は、文脈的に無関係なルールが除外されるのを防ぎ、意味のある多様性を維持し、誤った除外を回避する。
• 統計的厳密性と意味的関連性の両立を達成し、意思決定者にとってより一貫性があり、実行可能なルール集合を提供した。