[논문 리뷰] Attribute Oriented Induction with simple select SQL statement

Harco Leslie Hendric Spits Warnars|arXiv (Cornell University)|2010. 06. 09.

Data Mining Algorithms and Applications참고 문헌 17인용 수 5

한 줄 요약

이 논문은 관계형 데이터베이스에서 속성 중심 유도(AOI)를 간소화하는 접근법을 제안한다. 단일 간단한 SELECT SQL 문을 사용해 특성 규칙과 분류/구분 규칙을 동시에 생성한다. 개념 계층을 데이터베이스 테이블에 통합하고 t-가중치 및 d-가중치 메트릭을 활용함으로써, 낮은 복잡도와 높은 외부 도구 호환성을 갖는 효율적이고 일반화 가능한 규칙 추출을 가능하게 한다.

ABSTRACT

Searching learning or rules in relational database for data mining purposes with characteristic or classification/discriminant rule in attribute oriented induction technique can be quicker, easy, and simple with simple SQL statement. With just only one simple SQL statement, characteristic and classification rule can be created simultaneously. Collaboration SQL statement with any other application software will increase the ability for creating t-weight as measurement the typicality of each record in the characteristic rule and d-weight as measurement the discriminating behavior of the learned classification/discriminant rule, particularly for further generalization in characteristic rule. Handling concept hierarchy into tables based on concept tree will influence for the successful simple SQL statement and by knowing the right standard knowledge to transform each of concept tree in concept hierarchy into one table as transforming concept hierarchy into table, the simple SQL statement can be run properly.

연구 동기 및 목표

• 최소한의 SQL 코드로 관계형 데이터베이스에서 특성 규칙과 분류 규칙을 추출하는 과정을 단순화하기 위해.
• 효율적인 속성 중심 유도를 위해 개념 계층을 데이터베이스 스키마에 원활하게 통합하기 위해.
• SQL 프레임워크 내에서 t-가중치 및 d-가중치 메트릭을 도입하여 규칙의 일반성과 구분 능력을 측정하기 위해.
• 개념 계층을 정규화된 데이터베이스 테이블로 구조화하여 규칙의 일반화와 재사용성을 향상시키기 위해.
• 주로 규칙 생성을 위한 인터페이스로 표준 SQL를 사용함으로써 외부 소프트웨어와의 상호운용성을 향상시키기 위해.

제안 방법

• 표준 스키마 설계 원칙을 사용해 개념 계층을 정규화된 데이터베이스 테이블로 변환하기 위해.
• 관계형 데이터에서 특성 규칙과 분류 규칙을 동시에 추출하기 위해 단일 간단한 SELECT SQL 문을 구현하기 위해.
• 그룹화된 속성에 대한 집계 함수를 사용해 특성 규칙의 각 레코드에 대한 일반성 측정 지표로 t-가중치를 계산하기 위해.
• 대상 클래스와 비대상 클래스의 분포를 비교함으로써 분류 규칙의 구분 능력 측정 지표로 d-가중치를 계산하기 위해.
• 개념 계층 테이블을 사용해 쿼리 실행 중 속성 일반화를 가능하게 하여 일관된 규칙 일반화를 보장하기 위해.
• 외부 애플리케이션이 SQL 기반 규칙 생성 파이프라인에 인터페이스할 수 있도록 확장성 제공하기 위해.

실험 결과

연구 질문

• RQ1 단일 간단한 SQL 문이 속성 중심 유도에서 특성 규칙과 분류 규칙을 동시에 효과적으로 생성할 수 있는가?
• RQ2 관계형 데이터베이스에서 개념 계층을 어떻게 구조화하면 효율적이고 정확한 규칙 유도를 지원할 수 있는가?
• RQ3 t-가중치 및 d-가중치 메트릭은 추출된 규칙의 해석 가능성과 일반화 능력을 향상시키는 데 어떤 역할을 하는가?
• RQ4 개념 계층을 정규화된 테이블로 변환함으로써 SQL 기반 규칙 추출 과정의 신뢰성과 성능이 어느 정도 향상되는가?
• RQ5 제안된 방법은 확장 가능한 데이터 마이닝 워크플로우를 위해 외부 소프트웨어 도구와 어떻게 통합될 수 있는가?

주요 결과

• 단일 간단한 SELECT SQL 문을 사용해 특성 규칙과 분류 규칙을 동시에 생성할 수 있으며, 이는 구현 복잡도를 크게 감소시킨다.
• 정규화된 데이터베이스 테이블에 개념 계층을 통합함으로써 규칙 유도 중 일관되고 정확한 일반화가 보장된다.
• t-가중치 및 d-가중치 메트릭이 SQL 프레임워크 내에서 성공적으로 계산되어 규칙의 일반성과 구분 능력을 정량화한다.
• 표준 SQL 구문을 사용함으로써 높은 호환성을 확보하여 외부 응용 프로그램과의 상호운용성이 뛰어나다.
• 테이블 정규화를 통해 계층적 관계를 유지함으로써 효과적인 규칙 일반화가 가능해진다.
• 규칙 로직을 애플리케이션 전용 코드에서 분리함으로써 확장 가능하고 유지보수 용이한 데이터 마이닝 워크플로우를 지원한다.