[논문 리뷰] An Application of Bayesian classification to Interval Encoded Temporal mining with prioritized items

C. Balasubramanian, K. Duraiswamy|ArXiv.org|2009. 08. 07.

Data Mining Algorithms and Applications참고 문헌 14인용 수 4

한 줄 요약

이 논문은 우선순위 기반 시간 마이닝 방법(PBTM)을 제안하며, 우선순위가 부여된 데이터에서 규칙의 효과성을 향상시키기 위해 베이지안 분류를 간격 인코딩된 시간 데이터베이스와 통합한다. 사용자가 지정한 중요도에 따라 항목에 가중치를 부여하고 나이브 베이즈를 적용함으로써, 규칙의 정확도와 관련성을 향상시킨다. 이는 통신 고장 신고 데이터베이스에서 검증되었으며, 성능 향상이 측정 가능하게 나타났다.

ABSTRACT

In real life, media information has time attributes either implicitly or explicitly known as temporal data. This paper investigates the usefulness of applying Bayesian classification to an interval encoded temporal database with prioritized items. The proposed method performs temporal mining by encoding the database with weighted items which prioritizes the items according to their importance from the user perspective. Naive Bayesian classification helps in making the resulting temporal rules more effective. The proposed priority based temporal mining (PBTM) method added with classification aids in solving problems in a well informed and systematic manner. The experimental results are obtained from the complaints database of the telecommunications system, which shows the feasibility of this method of classification based temporal mining.

연구 동기 및 목표

• 항목의 중요도가 상이한 데이터베이스에서 의미 있는 시간 패턴을 마이닝하는 데 도전하는 것.
• 사용자 정의 우선순위를 시간 데이터 마이닝에 통합하여 의사결정을 향상시키는 방법을 개발하는 것.
• 간격 인코딩된 데이터와 함께 베이지안 분류를 통합하여 시간 규칙의 효과성을 향상시키는 것.
• 우선순위가 부여된 항목을 가진 실세계 시간 데이터베이스에서 제안된 방법의 타당성과 성능을 평가하는 것.

제안 방법

• 이 방법은 이벤트의 시간 범위를 표현하기 위해 시간 데이터베이스를 간격 인코딩으로 표현한다.
• 데이터베이스의 항목들은 사용자가 지정한 중요도를 반영하여 우선순위에 따라 가중치가 부여된다.
• 가중치가 부여된 시간 데이터에 대해 나이브 베이즈 분류를 적용하여 더 정확하고 관련성이 높은 규칙를 생성한다.
• PBTM 프레임워크는 간격 인코딩과 우선순위를 결합하여 효과적인 분류와 규칙 마이닝을 위한 데이터 구조를 구성한다.
• 시스템은 확률적 접근을 사용하여 시간 패턴을 추론함으로써 규칙의 신뢰성과 사용자 관련성을 향상시킨다.
• 실제 통신 고장 신고 데이터베이스를 사용하여 방법을 평가하여 실용적 응용을 시뮬레이션한다.

실험 결과

연구 질문

• RQ1 데이터베이스의 항목들이 다양한 중요도를 가질 경우 시간 마이닝은 어떻게 향상시킬 수 있는가?
• RQ2 베이지안 분류를 통합함으로써 우선순위가 부여된 데이터베이스에서 시간 규칙의 품질은 어느 정도 향상되는가?
• RQ3 간격 인코딩과 가중치가 부여된 우선순위를 조합하면 실세계 시간 데이터에서 규칙 발견을 어떻게 향상시킬 수 있는가?
• RQ4 제안된 PBTM 방법은 전통적인 시간 마이닝 접근 방식과 비교해 규칙 정확도와 관련성 측면에서 어떻게 다른가?

주요 결과

• PBTM 방법은 베이지안 분류를 간격 인코딩된 시간 데이터와 통합하여 규칙 효과성을 향상시키는 데 성공했다.
• 가중치가 부여된 우선순위가 부여된 항목의 사용은 마이닝된 시간 규칙의 관련성과 정확도를 크게 향상시켰다.
• 통신 고장 신고 데이터베이스에서의 실험 결과는 이 방법의 타당성과 실용성을 입증했다.
• 비우선순위 또는 비분류 기반 마이닝 기법과 비교해 규칙 품질 향상이 측정 가능하게 나타났다.
• 나이브 베이즈와 간격 인코딩의 통합은 시간 데이터에서 더 체계적이고 정보 기반의 패턴 발견을 가능하게 했다.