[논문 리뷰] Adaptation Knowledge Discovery from a Case Base

Mathieu d’Aquin, Fadi Badra외 4명|arXiv (Cornell University)|2006. 10. 27.

Data Mining Algorithms and Applications참고 문헌 4인용 수 6

한 줄 요약

이 논문은 지식기반데이터베이스(KDD) 기법을 사용하여 케이스 기반에서 적응 지식을 채굴하는 반자동 시스템인 CabamakA를 제시한다. 문제 및 해법 변형의 빈도 높은 닫힌 항목집합(FCI)을 추출하기 위해 모든 순서쌍의 케이스를 분석함으로써 CabamakA는 도메인 전문가가 검증한 해석 가능한 적응 규칙을 생성하며, 의료 의사결정 지원에서 케이스 기반 추론을 크게 향상시킨다.

ABSTRACT

In case-based reasoning, the adaptation step depends in general on domain-dependent knowledge, which motivates studies on adaptation knowledge acquisition (AKA). CABAMAKA is an AKA system based on principles of knowledge discovery from databases. This system explores the variations within the case base to elicit adaptation knowledge. It has been successfully tested in an application of case-based decision support to breast cancer treatment.

연구 동기 및 목표

• 케이스 기반 추론(CBR) 시스템에서 도메인 특화 적응 지식을 확보하는 데 도전하는 데 목적을 두며.
• 대규모 케이스 기반에서 재사용 가능한 적응 규칙을 발견하기 위한 확장성 있고 반자동화된 방법을 개발하며.
• KDD 기반의 상호작용 프레임워크를 통해 발견된 규칙의 해석 가능성과 전문가 검증을 보장하며.
• 유방암 치료 결정 지원을 위한 실제 의료 CBR 시스템에 적용함을 목적으로 한다.

제안 방법

• 시스템은 케이스 기반의 서로 다른 케이스 쌍을 모두 처리하여 총 n(n−1)개의 쌍을 생성한다. (n은 케이스 수).
• 각 케이스 쌍은 문제 및 해법의 차이를 부호화한 서명 속성 표현 방식(예: ‘a−_pb’, ‘c=_pb’, ‘d+_pb’)을 사용하여 거래로 변환된다.
• Charm 알고리즘을 사용하여 이러한 거래에서 빈도 높은 닫힌 항목집합(FCI)을 채굴하여 공통된 변형 패턴을 일반화한다.
• 채굴된 FCIs는 도메인 전문가가 후보 적응 규칙로 해석하며, 각 규칙을 검증하고 설명한다.
• 공식화는 케이스, 해법 및 도메인 온톨로지를 표준화하고 재사용 가능성을 보장하기 위해 OWL DL을 사용한다.
• 시스템은 전문가의 해석 과정에서 인지적 부담을 줄이기 위해 FCI의 탐색 및 정리 기능을 지원한다.

실험 결과

연구 질문

• RQ1 어떻게 케이스 기반에서 적응 지식을 자동으로 발견하면서도 해석 가능성과 전문가 검증을 보장할 수 있는가?
• RQ2 유사한 케이스만 분석하는 것과는 달리, 모든 케이스 쌍을 분석함으로써 발견된 적응 규칙의 품질과 다양성에 어떤 영향을 미치는가?
• RQ3 KDD 기법인 빈도 높은 닫힌 항목집합 채굴이 케이스 간 변형 패턴을 효과적으로 일반화하여 CBR에 활용할 수 있는가?
• RQ4 유래된 적응 규칙를 실제 의료 의사결정 지원 시스템에서 이해하고 사용할 수 있도록 어떻게 만들 수 있는가?

주요 결과

• CabamakA는 약 750개의 케이스 기반에서 다수의 해석 가능하고 재사용 가능한 적응 규칙을 성공적으로 발견하였으며, 분석을 위해 약 500,000개의 케이스 쌍을 생성하였다.
• 유사한 케이스뿐 아니라 모든 케이스 쌍을 분석함으로써 발견된 변형 패턴의 다양성과 커버리지가 증가하였다.
• 전문가 검증과 설명 생성의 통합이 임상 환경에서 발견된 규칙의 신뢰성과 사용 가능성을 크게 향상시켰다.
• 시스템은 실제 유방암 치료 결정 지원 응용 분야에서의 타당성과 효과성을 입증하였다.
• 지식 표현에 OWL DL을 사용함으로써 다양한 CBR 응용 분야 간의 재사용성과 표준화가 가능해졌다.
• 향후 연구 과제로는 FCI의 체계적 정리가 필요하다. 예를 들어 계층적 구조화나 주제 기반 군집화를 통해 전문가의 탐색과 규칙 선택을 향상시킬 수 있다.