[논문 리뷰] An Algorithm for Mining Multidimensional Fuzzy Association Rules

Neelu Khare, Neeru Adlakha외 1명|ArXiv.org|2009. 09. 28.

Data Mining Algorithms and Applications참고 문헌 14인용 수 15

한 줄 요약

이 논문은 관계형 데이터베이스 내의 다차원적 다중 속성 관계를 다루기 위해 퍼지 집합 이론과 Apriori 원리를 융합하여 다차원 퍼지 연관 규칙을 추출하는 새로운 알고리즘을 제안한다. 차원을 퍼지 집합 수준에서 분할하고, 후행성의 성질을 적용하여 후보 항목집합을 추출함으로써, 이질적인 속성 간에 의미 있고 높은 신뢰도를 가진 규칙를 효율적으로 발견할 수 있으며, 불확실하거나 연속적인 데이터 환경에서 규칙의 관련성을 향상시킨다.

ABSTRACT

Multidimensional association rule mining searches for interesting relationship among the values from different dimensions or attributes in a relational database. In this method the correlation is among set of dimensions i.e., the items forming a rule come from different dimensions. Therefore each dimension should be partitioned at the fuzzy set level. This paper proposes a new algorithm for generating multidimensional association rules by utilizing fuzzy sets. A database consisting of fuzzy transactions, the Apriory property is employed to prune the useless candidates, itemsets.

연구 동기 및 목표

• 관계형 데이터베이스 내에서 다양한 이질적인 차원 간에 의미 있는 연관 관계를 발견하는 데 도전하는 것.
• 명확한 분할 대신 퍼지 집합을 사용하여 속성 값을 모델링하여 불확실성과 연속적 데이터를 다루는 것.
• 항목이 서로 다른 차원에서 온다는 조건에서 기존의 연관 규칙 추출 기법을 다차원 환경으로 확장하는 것.
• 퍼지 트랜잭션 데이터베이스에서 후행성의 성질을 적용하여 후보 항목집합을 추출함으로써 계산 효율성과 규칙 품질을 향상시키는 것.
• 실제 데이터베이스에서 높은 신뢰도를 가진 다차원 퍼지 연관 규칙을 효율적으로 추출할 수 있는 확장 가능한 프레임워크를 제공하는 것.

제안 방법

• 사전 정의된 소속 함수를 사용하여 각 차원의 속성 값을 퍼지화하여 언어적 용어(예: '높음', '중간', '낮음')를 표현하는 것.
• 각 트랜잭션에 퍼지 속성 값에서 유도된 퍼지 항목집합을 포함하는 퍼지 트랜잭션을 구성하는 것.
• 퍼지 트랜잭션에서 빈도가 높은 항목집합을 생성하기 위해 후행성의 성질을 적용한 Apriori 알고리즘의 적용.
• 다른 차원의 항목집합을 조합하여 다차원 퍼지 연관 규칙를 생성하고, 최소 지원도 및 신뢰도 기준을 충족시키는 것.
• 결합된 항목집합 내 소속도를 평가하기 위해 퍼지 집합 연산(예: 교집합, 합집합)을 사용하는 것.
• 하향 폐쇄 성질을 이용한 후보 항목집합의 추출으로 검색 공간을 줄이고 계산 효율성을 향상시키는 것.

실험 결과

연구 질문

• RQ1 퍼지 집합 이론을 다차원 연관 규칙 추출에 효과적으로 통합하여 연속적이고 불확실한 데이터를 다룰 수 있는가?
• RQ2 퍼지 분할이 다차원에 걸쳐 의미 있고 높은 신뢰도를 가진 연관 규칙를 발견하는 데 어떤 영향을 미치는가?
• RQ3 Apriori 원리가 다차원 데이터베이스에서 빈도가 높은 퍼지 항목집합을 효율적으로 추출하는 데 적합하게 변형될 수 있는가?
• RQ4 기존의 날것의 다차원 연관 규칙 추출 기법과 비교했을 때, 제안된 알고리즘이 성능과 규칙 품질 측면에서 어떻게 다른가?
• RQ5 실제 관계형 데이터베이스에서 높은 품질의 다차원 퍼지 연관 규칙의 주요 특성은 무엇인가?

주요 결과

• 제안된 알고리즘은 속성 값을 퍼지 집합으로 모델링하여 연속적이고 모호한 데이터 내에서 패턴을 발견할 수 있도록 함으로써 다차원 퍼지 연관 규칙를 성공적으로 생성한다.
• Apriori 성질을 퍼지 트랜잭션 데이터베이스에 통합함으로써 후보 항목집합의 수가 크게 감소하여 계산 효율성이 향상된다.
• 차원의 퍼지 분할은 언어적 용어를 더 자연스럽게 표현하고 데이터 이산화 손실를 줄이는 데 기여한다.
• 예를 들어 고객 데이터베이스에서 '나이'와 '소득'과 같은 다양한 차원 간의 상관관계를 포착함으로써 규칙의 관련성을 높인다.
• 최소한의 사전 처리로도 실제 관계형 데이터베이스에서 높은 신뢰도의 규칙를 효율적으로 추출할 수 있음을 입증하여 타당성과 확장성을 입증한다.
• 연속적이거나 주관적인 속성 값을 포함하는 환경에서는 퍼지 연관 규칙가 날것의 규칙보다 우수한 성능을 보임을 확인한다.