[논문 리뷰] A Novel Approach For Discovery Multi Level Fuzzy Association Rule Mining

Pratima Gautam, Kamal Raj Pardasani|arXiv (Cornell University)|2010. 03. 22.

Data Mining Algorithms and Applications참고 문헌 8인용 수 6

한 줄 요약

이 논문은 퍼지 집합 이론, 다중 수준 분류 체계, 그리고 가변 최소 지원도를 통합하여 거래 데이터베이스에서 의미 있는 연관 규칙을 발견하는 새로운 퍼지 다중 수준 연관 규칙 마이닝 방법을 제안한다. 날카운 경계가 아닌 퍼지 경계를 사용하여 Apriori 성질을 적용함으로써, 상향식으로 점차 깊이를 더해가는 전략을 통해 대용량 항목집합을 효율적으로 마이닝하며, 다양한 지원도 임계값을 가진 계층적 데이터를 처리하는 데 효과적임을 보여준다.

ABSTRACT

Finding multilevel association rules in transaction databases is most commonly seen in is widely used in data mining. In this paper, we present a model of mining multilevel association rules which satisfies the different minimum support at each level, we have employed fuzzy set concepts, multi-level taxonomy and different minimum supports to find fuzzy multilevel association rules in a given transaction data set. Apriori property is used in model to prune the item sets. The proposed model adopts a topdown progressively deepening approach to derive large itemsets. This approach incorporates fuzzy boundaries instead of sharp boundary intervals. An example is also given to demonstrate and support that the proposed mining algorithm can derive the multiple-level association rules under different supports in a simple and effective manner.

연구 동기 및 목표

• 고정된 최소 지원도와 날카운 경계를 사용하는 기존의 다중 수준 연관 규칙 마이닝의 한계를 해결하기 위해.
• 더 유연하고 현실적인 데이터 표현을 위해 다중 수준 분류 체계에 퍼지 집합 개념을 통합하기 위해.
• 계층의 각 수준에서 다른 최소 지원도를 가진 연관 규칙 마이닝을 가능하게 하기 위해.
• 날카운 간격 경계를 퍼지 경계로 대체함으로써 규칙 발견 정확도를 향상시키기 위해.
• 후보 항목집합을 정제하기 위해 Apriori 성질을 활용하는 효율적인 상향식 알고리즘 개발하기 위해.

제안 방법

• 제안된 모델은 분류 체계의 여러 수준에서 대용량 항목집합을 생성하기 위해 상향식으로 점차 깊이를 더해가는 접근 방식을 사용한다.
• 퍼지 집합 이론이 항목 소속도를 정의하기 위해 적용되어 기존의 날카운 간격을 퍼지 경계로 대체한다.
• 계층의 각 수준에 다른 최소 지원 임계값을 할당하여 데이터의 중요도 차이를 반영한다.
• 후보 항목집합을 정제하기 위해 Apriori 성질이 활용되어 계산 오버헤드를 줄인다.
• 알고리즘은 항목을 퍼지 집합으로 매핑하고 각 수준에서 지원도를 평가함으로써 거래를 처리한다.
• 다양한 지원 제약 조건 하에서 다중 수준 퍼지 연관 규칙를 유도하는 단계별 도식을 설명하기 위해 예제 데이터셋을 사용한다.

실험 결과

연구 질문

• RQ1 계층의 각 수준에서 최소 지원 임계값이 다를 경우, 어떻게 다중 수준 연관 규칙를 효과적으로 마이닝할 수 있는가?
• RQ2 퍼지 집합 이론은 다중 수준 연관 규칙 마이닝에서 항목 소속도의 표현을 향상시킬 수 있는가?
• RQ3 날카운 간격 대신 퍼지 경계를 사용할 경우 규칙 발견 품질에 어떤 영향을 미치는가?
• RQ4 Apriori 성질은 가변 지원도를 가진 퍼지 다중 수준 마이닝을 지원하기 위해 어떻게 적응시킬 수 있는가?
• RQ5 상향식으로 점차 깊이를 더해가는 전략은 퍼지 다중 수준 환경에서 대용량 항목집합을 효율적으로 발견할 수 있는가?

주요 결과

• 제안된 방법은 각 수준에서 다른 최소 지원도를 가진 다중 수준 퍼지 연관 규칙를 성공적으로 발견하여 규칙의 관련성을 향상시켰다.
• 퍼지 경계는 날카운 간격에 비해 항목 소속도의 더 민감하고 현실적인 표현을 가능하게 한다.
• 가변 최소 지원도의 통합은 다양한 지원 요구 조건을 가진 계층적 데이터를 더 잘 처리할 수 있도록 한다.
• 상향식으로 점차 깊이를 더해가는 전략과 Apriori 정제를 조합함으로써 검색 공간이 줄어들고 계산 효율성이 향상된다.
• 예제 사례 연구는 알고리즘이 단순하고 효과적인 방식으로 의미 있는 다중 수준 연관 규칙를 도출할 수 있음을 보여준다.
• 이러한 접근법은 계층적 구조를 가진 실세계 거래 데이터베이스에서 정확도와 해석 가능성 향상 잠재력을 보여준다.