[論文レビュー] Using Answer Set Programming for pattern mining

Thomas Guyet, Yves Moinard+1 more|arXiv (Cornell University)|Sep 27, 2014

Data Mining Algorithms and Applications参考文献 21被引用数 6

ひとこと要約

本稿では、頻度の高い逐次パターン抽出のための答え集合プログラミング（ASP）アプローチを提案しており、記述的制約モデリングを活用するための非インクリメンタルおよびインクリメンタルなASP符号化を実装している。MinEpiなどの専用アルゴリズムほど効率的ではないが、インクリメンタルASPソリューションは、一般化された制約駆動型パターン抽出の実現可能性を示しており、分野特有の制約が適用されると顕著な性能向上が得られ、制約付き抽出タスクにおいて競争力を持つ。

ABSTRACT

Serial pattern mining consists in extracting the frequent sequential patterns from a unique sequence of itemsets. This paper explores the ability of a declarative language, such as Answer Set Programming (ASP), to solve this issue efficiently. We propose several ASP implementations of the frequent sequential pattern mining task: a non-incremental and an incremental resolution. The results show that the incremental resolution is more efficient than the non-incremental one, but both ASP programs are less efficient than dedicated algorithms. Nonetheless, this approach can be seen as a first step toward a generic framework for sequential pattern mining with constraints.

研究の動機と目的

• 答え集合プログラミング（ASP）を用いた頻度の高い逐次パターン抽出の実現可能性を検討すること。
• 非インクリメンタルおよびインクリメンタルなASP符号化を実装して性能を向上させること。
• ユーザー定義制約がASPベースのパターン抽出効率に与える影響を評価すること。
• カスタマイズ可能な制約を備えた汎用的で記述的なフレームワークの基盤を確立すること。

提案手法

• 記述的論理プログラミングアプローチを用いて、逐次パターン抽出タスクをASPに符号化すること。
• すべての候補パターンを列挙し、頻度をチェックする非インクリメンタルASPソリューションを実装すること。
• clingoのインクリメンタルソルブ機能を活用して、メモリおよび時間効率を向上させるインクリメンタルASPソリューションを設計すること。
• ASPを介して分野特有の制約（例：順序、正規表現）を導入して探索空間を削減すること。
• 外部データや制約をASPモデルに統合するために、#externalディレクティブを使用すること。
• 長さや語彙サイズが異なる合成シーケンスを用いて性能を評価すること。

実験結果

リサーチクエスチョン

• RQ1 答え集合プログラミングは、反単調性のプルーニングを伴う頻度の高い逐次パターン抽出を効果的にモデル化できるか？
• RQ2 ASPベースの抽出の性能は、MinEpiなどの専用アルゴリズムと比べてどうか？
• RQ3 ユーザー定義制約がASPベースのパターン抽出の効率にどの程度向上効果をもたらすか？
• RQ4 インクリメンタルASPソルビングは、逐次パターン抽出におけるメモリオーバーヘッドと計算時間を削減できるか？

主な発見

• インクリメンタルASP実装により、短いシーケンスにおいてメモリ使用量が非インクリメンタルの約293,000バイトから約81,000バイトに削減された。
• 非インクリメンタルASPバージョンの計算時間は平均27.05秒であったが、インクリメンタルバージョンでは短いシーケンスで0.84秒にまで短縮された。
• 70アイテムのシーケンスにおいて、制約を適用したASPアプローチにより平均計算時間が166秒から37秒にまで短縮され、競争力が著しく向上した。
• 改善は見られたが、ASPの計算時間は依然としてシーケンス長に指数関数的に増加し、MinEpiと比べて桁違いに遅いままであった。
• 反単調性の性質はASPにうまく符号化され、探索空間の効果的なプルーニングが可能になった。
• 制約の使用により生成されるモデルの数が著しく削減されたことから、ASPによる制約対応型パターン抽出の可能性が示された。