[論文レビュー] Using Taxonomies to Facilitate the Analysis of the Association Rules

Marcos Aurélio Domingues, Solange Oliveira Rezende|arXiv (Cornell University)|Jan 1, 2005

Data Mining Algorithms and Applications参考文献 9被引用数 36

ひとこと要約

本稿では、ユーザー定義の分類体系を用いて関連ルールを一般化することで、関連ルールの体積を削減するGARTアルゴリズムとRulEE-GAR計算モジュールを提案する。特定のアイテムを階層的カテゴリー（例：'t-shirt' と 'shorts' を 'light clothes' に）にグループ化・抽象化することで、重複するルールを pruning し、ルール集合を最大50.11%まで削減する。これにより、データマイニング応用における分析・意思決定のための意味のあるパターンを保持しつつ、より簡潔に扱えるようになる。

ABSTRACT

The Data Mining process enables the end users to analyze, understand and use the extracted knowledge in an intelligent system or to support in the decision-making processes. However, many algorithms used in the process encounter large quantities of patterns, complicating the analysis of the patterns. This fact occurs with association rules, a Data Mining technique that tries to identify intrinsic patterns in large data sets. A method that can help the analysis of the association rules is the use of taxonomies in the step of post-processing knowledge. In this paper, the GART algorithm is proposed, which uses taxonomies to generalize association rules, and the RulEE-GAR computational module, that enables the analysis of the generalized rules.

研究の動機と目的

• データマイニングアルゴリズムが生成する大量の冗長的または自明な関連ルールを管理する課題に対処すること。
• ルール集合の複雑さを軽減することで、実世界の意思決定における関連ルールの解釈可能性と使いやすさを向上させること。
• ドメインエキスパートが手動で分類体系を定義し、興味の薄いまたは重複するパターンを削除できるようにすること。
• 階層的分類を用いて、左辺（LHS）または右辺（RHS）のいずれかの側面について、体系的にルールを一般化するpost-processingフレームワークを提供すること。
• ソースルールの再構築と指標分析のサポートを備えた、インタラクティブな探索、可視化、評価を可能にする計算ツール（RulEE-GAR）を開発すること。

提案手法

• ユーザー定義の分類体系を用いて、関連ルールを一般化するGARTアルゴリズムを提案し、ルールの左辺（LHS）または右辺（RHS）のいずれかに焦点を当てる。
• 同じ前件（RHS一般化の場合）または同じ結果（LHS一般化の場合）を持つルールをグループ化し、一般化用のサブセットを形成する。
• 分類体系の階層構造を用いて、ルール内の特定アイテムをより一般的な親カテゴリ（例：'t-shirt' → 'light clothes'）に置き換える。
• 2段階の一般化プロセスを適用：まず一方の側面のアイテムを一般化し、その後、得られた一般化済みアイテムをさらに一般化する。
• 重複する一般化済みルールを pruning して、最小限で重複のない一般化済みルール集合を維持する。
• 各一般化済みルールに対して連関表計算を統合し、ルールのカバレッジと妥当性に関する追加の統計的洞察を提供する。

実験結果

リサーチクエスチョン

• RQ1 ユーザー定義の分類体系を用いることで、意味のあるパターンを失うことなく関連ルールの数を効果的に削減できるか？
• RQ2 階層的分類体系を用いたルールの一般化が、得られるルール集合の解釈可能性と使いやすさに与える影響は何か？
• RQ3 GARTアルゴリズムは、異なるデータパーティションおよび分類体系設計において、どの程度ルール集合の体積を削減できるか？
• RQ4 分類体系の細分化度合いやドメインエキスパートの知識の有無が、関連ルールの削減率に与える影響は何か？
• RQ5 RulEE-GARのようなpost-processingモジュールは、ソースルール再構築や指標分析などの機能を通じて、一般化済みルールのユーザーアクセスと理解をどのように向上させられるか？

主な発見

• GARTアルゴリズムは、18種類の異なる分類体系を用いた複数の実験において、関連ルール集合を14.61%～50.11%まで削減した。
• 50.11%の最高削減率は、構造化された分類体系を用いたルール一般化によって達成され、本手法の冗長性除去効果の有効性が裏付けられた。
• 短い時間窓（例：1日分のデータ）から得られたルール集合は初期段階で大きなルール数（32,668ルール）を示したが、一般化後も顕著に削減された。
• RulEE-GARモジュールは、一般化済みルールのインタラクティブな探索を可能にし、元のルールへの展開、ソースルールの復元、指標ベースのフィルタリングが可能となった。
• 各一般化済みルールに対する連関表計算により、基本的な指標を超えた信頼性とサポートの評価を支援する追加の分析的洞察が得られた。
• 削減率は分類体系の設計に強く依存しており、エキスパートが設計した分類体系ではより高い削減率が得られた。これは、ドメイン知識が本手法の効果を高めることを示唆している。