[論文レビュー] uARMSolver: A framework for Association Rule Mining

Iztok Fister, Fister, Iztok|arXiv (Cornell University)|Oct 21, 2020

Data Mining Algorithms and Applications参考文献 13被引用数 11

ひとこと要約

uARMSolver は、自然にインspiredされた最適化アルゴリズムを用いて、カテゴリカルおよび数値属性の両方をサポートするモジュラーでオープンソースの C++ フレームワークであり、効率的なルール抽出を実現する。前処理、メタヒューリスティクス（例：差分進化）を用いたルール抽出、および外部ツールを介した可視化を統合しており、アバロンデータセットにおいて 337 個のルールが抽出され、最高で 0.9629 の高いフィットネススコアを示す、優れたパフォーマンスを発揮した。

ABSTRACT

The paper presents a novel software framework for Association Rule Mining named uARMSolver. The framework is written fully in C++ and runs on all platforms. It allows users to preprocess their data in a transaction database, to make discretization of data, to search for association rules and to guide a presentation/visualization of the best rules found using external tools. As opposed to the existing software packages or frameworks, this also supports numerical and real-valued types of attributes besides the categorical ones. Mining the association rules is defined as an optimization and solved using the nature-inspired algorithms that can be incorporated easily. Because the algorithms normally discover a huge amount of association rules, the framework enables a modular inclusion of so-called visual guiders for extracting the knowledge hidden in data, and visualize these using external tools.

研究の動機と目的

• アソシエーションルールマイニングにおけるデータ前処理、ルール抽出、結果の解釈の課題に対処すること。
• カテゴリカルおよび数値属性の両方をサポートする統合的でモジュラーかつ拡張可能なフレームワークを提供すること。
• 差分進化や粒子群最適化などの集団ベースのメタヒューリスティクスを用いて、効率的なアソシエーションルールの抽出を可能にすること。
• プラグイン型の VisualGuide コンponent を介して、外部ツールによる可視化機能を統合すること。
• ユーザーが意味的で高品質なルールに導かれるように、大規模なルール集合からの使いやすさと知識抽出を向上させること。

提案手法

• 高いパフォーマンスを実現するため C++ で実装され、すべてのプラットフォームで動作するモジュラーなアーキテクチャを採用している。
• 自動的な属性タイプの特定を備え、複数のトランザクションデータベースを同時に処理できる。
• 数値属性は区間ベースの最適化により処理され、離散探索を連続空間に変換してメタヒューリスティクスの適用を可能にする。
• アソシエーションルールマイニングは、自然にインspiredされたアルゴリズム（例：差分進化（DE））を用いて解く最適化問題として定式化される。
• VisualGuide クラスはアーカイブから重要なルールを抽出し、外部可視化ツール（例：R、MATLAB）にデータをエクスポートする。
• フレームワークは、サポート、信頼度、およびカスタムのフィットネス測定値を用いて、抽出されたルールの評価とランク付けを行う。

実験結果

リサーチクエスチョン

• RQ1 統合的フレームワークは、アソシエーションルールマイニングの3つの主要段階（前処理、ルール抽出、可視化）をどのように簡素化できるか？
• RQ2 離散化を必要としない状態で、自然にインspiredされたメタヒューリスティクスが、混合型（カテゴリカルおよび数値）データからのアソシエーションルール抽出にどの程度効果的か？
• RQ3 uARMSolver のモジュラー設計は、新しいアルゴリズムや可視化ツールの拡張をどのように可能にするか？
• RQ4 実世界のデータセット（例：アバロン）に対して、メタヒューリスティクスベースの ARM を用いた場合のパフォーマンスとルール品質はどの程度か？
• RQ5 異なる最適化アルゴリズムは、抽出されたアソシエーションルールの多様性と品質にどのように影響を与えるか？

主な発見

• uARMSolver フレームワークは、差分進化を用いてアバロンデータセットから 337 個のアソシエーションルールを効率的に抽出した。信頼度とサポート値はいずれも高い水準を示した。
• 上位ルールの最高フィットネススコアは 0.9629 に達し、優れたルール品質と関連性を示した。
• 100% の信頼度とほぼ 100% のサポートを示すルールが特定された。例えば、直径、シュッキングウェイト、リング数の区間を結ぶルールが存在した。
• フレームワークは複数のアルゴリズムを用いる柔軟性を備えており、選択されたメタヒューリスティクスに応じて結果が変化した。
• VisualGuide コンponent の統合により、R や MATLAB などの外部ツールを用いた効果的な知識抽出と可視化が可能になった。
• モジュラー設計により、新しいパーサー、最適化アルゴリズム、可視化手法のシームレスな追加が可能となり、拡張性が向上した。