[논문 리뷰] Mining Biclusters of Similar Values with Triadic Concept Analysis

Mehdi Kaytoue, Sergei O. Kuznetsov외 3명|arXiv (Cornell University)|2011. 11. 14.

Rough Sets and Fuzzy Logic참고 문헌 15인용 수 12

한 줄 요약

이 논문은 수치 데이터에서 유사한 값의 최대 이분군을 추출하기 위한 새로운 프레임워크를 제안한다. 삼항 개념 분석(Triadic Concept Analysis, TCA)을 활용하여 수치 데이터를 유사성 기준 블록을 통해 스케일링된 삼항적 맥락으로 변환함으로써, 존재하는 TCA 알고리즘을 활용해 완전하고 정확하며 중복 없는 이분군을 추출한다. 새로운 알고리즘인 TriMax는 주어진 유사성 임계값 θ에 대해 최대성을 보장한다.

ABSTRACT

Biclustering numerical data became a popular data-mining task in the beginning of 2000's, especially for analysing gene expression data. A bicluster reflects a strong association between a subset of objects and a subset of attributes in a numerical object/attribute data-table. So called biclusters of similar values can be thought as maximal sub-tables with close values. Only few methods address a complete, correct and non redundant enumeration of such patterns, which is a well-known intractable problem, while no formal framework exists. In this paper, we introduce important links between biclustering and formal concept analysis. More specifically, we originally show that Triadic Concept Analysis (TCA), provides a nice mathematical framework for biclustering. Interestingly, existing algorithms of TCA, that usually apply on binary data, can be used (directly or with slight modifications) after a preprocessing step for extracting maximal biclusters of similar values.

연구 동기 및 목표

• 수치 데이터셋에서 유사한 값의 최대 이분군을 추출하기 위한 공식적이고 완전하며 중복 없는 프레임워크의 부족을 해결한다.
• 이러한 패턴을 나열하는 데 있어 비가역성 문제를 해결하기 위해 수치 이분군 추출과 형식적 개념 분석을 통합한다.
• 사용자가 정의한 유사성 임계값 θ 내에서 값이 유사한 최대 부분표를 수학적으로 기반한 방법으로 식별한다.
• 스케일링 가능한 사전 처리 및 알고리즘 설계를 통해 이분군의 효율적이고 분산된 계산을 가능하게 한다.
• 이를 3차원 및 고차원 데이터로 확장하여 n차원 수치 데이터셋에 대한 지원을 제공한다.

제안 방법

• 동일한 블록 내의 값 w₁, w₂에 대해 |w₁ − w₂| ≤ θ를 만족하는 유사성 기준 블록 [aᵢ, bᵢ]으로 수치 값을 분할하는 스케일링 절차를 적용한다.
• G는 객체의 집합, M은 속성의 집합, C는 유사성 기준 블록(값)의 집합이며, Y는 객체-속성 쌍이 어떤 값 블록에 속하는지를 나타내는 포함관계인 삼항 맥락 (G, M, C, Y)을 구성한다.
• 기존의 TCA 알고리즘을 사용하여 모든 삼항 개념 (A, B, U)을 계산한다. 여기서 A ⊆ G, B ⊆ M이며, U ⊆ C는 개념과 관련된 값 블록의 집합을 나타낸다.
• TriMax 알고리즘을 도입하여, 주어진 값 블록 집합 U의 범위 [min(U), max(U)] 내에서 이분개념 (A, B)가 모든 값 블록에서 개념으로 남아 있는지 확인함으로써 유일한 최대 이분군만 출력되도록 보장한다.
• 필터링 조건을 적용한다: 개념 (A, B)는 인접한 유사성 기준 블록에서 더 큰 개념에 의해 포함되지 않는 한 최대성 조건을 만족한다. 이를 내부 유도 연산자 Ψ′_y와 Ψ_y를 통해 검증한다.
• 유사성 기준 블록의 총순서를 활용하여 최대성의 효율적 계산과 검증을 수행하며, 이는 블록 간 병렬 처리를 가능하게 한다.

실험 결과

연구 질문

• RQ1 삼항 개념 분석이 수치 데이터에서 유사한 값의 최대 이분군을 추출하기 위한 공식적이고 완전한 프레임워크를 제공할 수 있는가?
• RQ2 어떻게 수치 데이터를 변환하여, 유사한 값의 이분군이 삼항 개념에 해당하도록 할 수 있는가?
• RQ3 최대 이분군(중복되거나 포함된 이분군이 아닌)만 보고하기 위해 필요한 알고리즘 확장은 무엇인가?
• RQ4 제안된 방법은 효율적으로 확장되어 다수의 컴퓨팅 코어에 분산 처리될 수 있는가?
• RQ5 이 프레임워크는 2차원 표를 초월하여 n차원 수치 데이터셋으로 일반화될 수 있는가?

주요 결과

• 제안된 TCA 기반 프레임워크를 통해 주어진 유사성 임계값 θ에 대해 모든 최대 이분군을 완전하고 정확하며 중복 없이 열거할 수 있다.
• TriMax 알고리즘은 외부 폐쇄로 정의된 범위 내에서 이분개념 (A, B)가 모든 값 블록에서 개념으로 남아 있는지 확인함으로써 최대성을 보장하여 과도한 생성을 방지한다.
• 각 유사성 기준 블록이 독립적으로 처리될 수 있으므로, 효율적인 분산 처리가 가능하며, 확장 가능한 병렬 계산이 가능하다.
• 이분군의 빈도는 값 블록 집합 U의 크기로 측정되며, 이는 유사성 강도에 대한 의미론적 해석을 제공한다. |U|가 클수록 값의 유사성이 높음을 의미한다.
• 이 방법은 자연스럽게 n차원 데이터로 일반화되며, (n+1)-항 개념 분석을 통해 3차원 및 고차원 이분군 추출이 가능하다.
• 실증 평가 결과, 이 방법은 중복 없이 모든 최대 이분군을 추출하며, 완전성과 정확성 측면에서 이전 방법들을 능가함을 확인했다.