[논문 리뷰] A unified view of Automata-based algorithms for Frequent Episode Discovery

Avinash Achar, Srivatsan Laxman외 1명|arXiv (Cornell University)|2010. 07. 05.

Data Mining Algorithms and Applications참고 문헌 17인용 수 5

한 줄 요약

이 논문은 다양한 빈도 정의 하에서 빈도 있는 에피소드 탐지에 대한 기존 모든 알고리즘을 일반화하는 통합된 유한 상태 기반 프레임워크를 제안한다. 구성 가능한 매개변수를 가진 일반 알고리즘을 도입함으로써 윈도우 기반, 최소, 헤드, 총합, 고유 발생 빈도를 통합하며, 체계적인 정당성 증명과 빈도 간의 정량적 관계를 드러낸다.

ABSTRACT

Frequent Episode Discovery framework is a popular framework in Temporal Data Mining with many applications. Over the years many different notions of frequencies of episodes have been proposed along with different algorithms for episode discovery. In this paper we present a unified view of all such frequency counting algorithms. We present a generic algorithm such that all current algorithms are special cases of it. This unified view allows one to gain insights into different frequencies and we present quantitative relationships among different frequencies. Our unified view also helps in obtaining correctness proofs for various algorithms as we show here. We also point out how this unified view helps us to consider generalization of the algorithm so that they can discover episodes with general partial orders.

연구 동기 및 목표

• 다양한 빈도 정의 하에서 빈도 있는 에피소드 탐지에 대한 다양한 기계 기반 알고리즘을 통합하기 위해.
• 기존의 모든 알려진 빈도 수치 계산 기법을 특수 케이스로 포함하는 일반 알고리즘을 제공하기 위해.
• 통합 프레임워크를 사용하여 기존 알고리즘의 공식적 정당성 증명을 도출하기 위해.
• 동일한 에피소드에 대한 서로 다른 빈도 측정 기준 간의 정량적 관계를 드러내기 위해.
• 현재 알고리즘을 일반 부분 순서 구조를 가진 에피소드를 처리할 수 있도록 일반화하기 위해.

제안 방법

• 구성 가능한 매개변수를 가진 일반 기계 기반 알고리즘을 제안하여 다양한 빈도 수치 계산 전략을 모델링하기 위해.
• 정당성 증명을 통합하고 단순화하기 위해 '가장 이른 전이 발생'을 핵심 개념으로 정의하기 위해.
• 유한 상태 기계(FSA)를 사용하여 부분 에피소드 일치를 추적하며, 상태 전이를 이벤트 유형과 에피소드 구조에 기반하여 설정하기 위해.
• 불리언 조건과 상태 전이 규칙을 매개변수화하여 특정 빈도 정의(예: 윈도우 기반, 최소, 고유 발생)에 맞게 특수화하기 위해.
• 에피소드 탐지에서 효율적인 후보 생성을 지원하기 위해 각 빈도 정의에 대해 반단조성 성질을 도출하기 위해.
• 일련의 에피소드 처리를 일반화하기 위해 부분 순서 에피소드를 위해 병렬 상태에서 이벤트 유형 집합을 기다리는 FSA를 설계함으로써 프레임워크를 부분 순서 에피소드로 확장하기 위해.

실험 결과

연구 질문

• RQ1 기존의 모든 기계 기반 빈도 있는 에피소드 탐지 알고리즘을 하나의 프레임워크로 통합할 수 있는가?
• RQ2 동일한 에피소드에 대해 서로 다른 빈도 측정 기준(예: 윈도우 기반, 최소, 헤드, 총합) 간의 정량적 관계는 무엇인가?
• RQ3 하나의 일반 알고리즘을 매개변수화하여 모든 알려진 빈도 수치 계산 기법을 재현할 수 있는가?
• RQ4 '가장 이른 전이 발생'이 정당성 증명을 단순하고 통일적으로 가능하게 하는 데서 어떤 역할을 하는가?
• RQ5 프레임워크는 일반 부분 순서 구조를 가진 에피소드를 지원하기 위해 어떻게 확장될 수 있는가?

주요 결과

• 제안된 일반 알고리즘은 모든 알려진 빈도 수치 계산 알고리즘을 일반화하며, 각 알고리즘은 매개변수 설정에 따라 특수 케이스가 된다.
• 프레임워크에 따르면, 고유 발생 빈도 정의 하에서의 에피소드 빈도는 항상 최소 발생 빈도 정의 하에서의 빈도보다 작거나 같다.
• 빈도 간 정량적 관계가 처음으로 공식적으로 유도되었으며, 불등식: 윈도우 기반 빈도 ≥ 최소 빈도 ≥ 고유 발생 빈도 가 포함된다.
• 만료 시간 제약 조건 하에서 겹치지 않는 발생에 대한 정당성 증명이 통합 프레임워크를 사용하여 처음으로 제공되었다.
• 프레임워크를 통해 반단조성 성질에 대한 새로운 통찰을 확보할 수 있었으며, 이는 에피소드 탐지에서 효율적인 후보 생성에 필수적이다.
• 다중 분기 유한 상태 기계를 설계하여 동시에 여러 이벤트 유형의 기대를 추적함으로써, 일반 부분 순서 에피소드로의 방법 확장이 가능해졌다.