[논문 리뷰] Discovering Descriptive Tile Trees by Mining Optimal Geometric Subtiles

Nikolaj Tatti, Jilles Vreeken|arXiv (Cornell University)|2019. 02. 07.

Data Mining Algorithms and Applications참고 문헌 26인용 수 8

한 줄 요약

이 논문은 순서가 지정된 이진 데이터에서 계층적 타일 트리를 추출하기 위해 MDL 기반의 탐욕적 알고리즘인 Stijl을 제안한다. 이 알고리즘은 Θ(NM min(N,M)) 시간 내에 국소적으로 최적의 기하학적 부분타일을 효율적으로 식별하여, 최소 기술 길이로 데이터를 요약하는 비중복성 있고 고급 품질의 해석 가능한 타일 트리를 신속하게, 파rameter-free로 발견할 수 있도록 한다.

ABSTRACT

When analysing binary data, the ease at which one can interpret results is very important. Many existing methods, however, discover either models that are difficult to read, or return so many results interpretation becomes impossible. Here, we study a fully automated approach for mining easily interpretable models for binary data. We model data hierarchically with noisy tiles-rectangles with significantly different density than their parent tile. To identify good trees, we employ the Minimum Description Length principle. We propose STIJL, a greedy any-time algorithm for mining good tile trees from binary data. Iteratively, it finds the locally optimal addition to the current tree, allowing overlap with tiles of the same parent. A major result of this paper is that we find the optimal tile in only $Θ(NM\min(N, M))$ time. STIJL can either be employed as a top-$k$ miner, or by MDL we can identify the tree that describes the data best. Experiments show we find succinct models that accurately summarise the data, and, by their hierarchical property are easily interpretable.

연구 동기 및 목표

• 기존의 이진 데이터 마이닝 방법에서 발생하는 복잡하고 중복적인 결과를 해석하는 데 도전하는 것.
• 이진 데이터의 간결하고 계층적인 모델을 자동으로, 파rameter-free로 발견하기 위한 방법 개발.
• 계층적 타일 구조를 통해 모델이 간결하고 쉽게 해석 가능하도록 보장하는 것.
• 최소 기술 길이(MDL) 원칙을 정식화하여 최적의 데이터 압축을 위한 모델 선택을 수행하는 것.
• 점진적으로 모델 품질을 향상시키는 any-time 알고리즘을 통해 상호작용 가능한 탐색을 가능하게 하는 것.

제안 방법

• 노이즈가 있는 타일—부모 타일과 유의미하게 다른 밀도를 가진 기하학적 부분행렬—을 사용하여 이진 데이터를 계층적으로 모델링한다.
• 조정 파rameter가 없이도 최적의 타일 트리를 평가하고 선택하기 위해 최소 기술 길이(MDL) 원칙을 적용한다.
• 현재 트리에 국소적으로 최적의 부분타일을 반복적으로 추가하는 탐욕적이고 any-time인 알고리즘을 사용하며, 동일한 부모 내에서의 겹침을 허용한다.
• 기본적인 Θ(N²M²) 접근 방식에 비해 크게 향상된 Θ(NM min(N,M)) 시간 내에 최적의 부분타일을 계산하는 새로운 절차인 FindTile을 도입한다.
• 데이터의 순서(행 및 열)를 활용하여 기하학적 타일과 시각적으로 해석 가능한 계층적 구조를 가능하게 한다.
• 상위-k 마이닝과 MDL 최적화 모델 선택을 모두 지원하여, 압축 품질에 기반한 자동 모델 선택을 가능하게 한다.

실험 결과

연구 질문

• RQ1 어떻게 하면 이진 데이터에 대해 자동으로 간결하고 중복 없으며 해석 가능한 모델을 발견할 수 있는가?
• RQ2 데이터 크기와 비례하는 근사 선형 시간 내에 성장 중인 타일 트리에 국소적으로 최적의 부분타일을 효율적으로 식별할 수 있는가?
• RQ3 동일한 부모 내에서 타일의 겹침을 허용할 경우, 상호배제적 타일링과 비교해 모델 품질과 해석 가능성에 어떤 영향을 미치는가?
• RQ4 MDL 원칙은 계층적 타일 트리에 효과적으로 적용되어 파rameter-free 모델 선택을 달성할 수 있는가?
• RQ5 타일 트리의 계층적 구조가 이진 데이터 패턴의 인간 해석 가능성에 얼마나 기여하는가?

주요 결과

• Stijl는 천연사자 데이터를 정확하게 요약하는 데 단지 14개의 타일만을 사용하여 높은 밀도와 낮은 밀도 영역을 명확하게 시각화한다.
• 겹침을 허용하는 모델은 상호배제적 타일링보다 더 낮은 MDL 점수와 더 깔끔하고 해석하기 쉬운 구조를 달성한다.
• Abstracts 데이터셋에서 Stijl는 'propose', 'efficient', 'method', 'algorithm'과 같은 빈도가 높은 용어를 포함한 좌상단의 고밀도 영역을 정확히 식별한다.
• FindTile은 Θ(NM min(N,M)) 시간 내에 최적의 부분타일을 계산하여 기존의 Θ(N²M²) 접근 방식에 비해 뚜렷한 향상을 이룬다.
• 알고리즘은 인터랙티브 사용에 충분히 효율적이며, 실행 시간은 몇 초에서 몇 시간 수준이며 점진적인 모델 개선을 지원한다.
• 계층적 구조는 직관적인 시각적 검토를 가능하게 하며, 중첩된 타일이 밀도의 중첩 패턴(예: 더 밝은 타일 내에 어두운 타일)을 명확히 보여준다.