[논문 리뷰] Substructure Discovery Using Minimum Description Length and Background Knowledge

Diane J. Cook, Holder, L. B.|ArXiv.org|1994. 02. 01.

Semantic Web and Ontologies인용 수 89

한 줄 요약

이 논문은 구조적 데이터에서 반복적이고 압축 가능한 부분 구조를 식별하는 데 Minimum Description Length (MDL) 원리를 사용하는 Subdue라는 부분 구조 탐지 시스템을 제시한다. 반복적으로 부분 구조를 탐지하고 이를 추상화된 개념으로 대체함으로써 Subdue는 분자의 구조나 회로도와 같은 다양한 분야에서 계층적 압축과 지식 탐지가 가능하다.

ABSTRACT

The ability to identify interesting and repetitive substructures is an essential component to discovering knowledge in structural data. We describe a new version of our SUBDUE substructure discovery system based on the minimum description length principle. The SUBDUE system discovers substructures that compress the original data and represent structural concepts in the data. By replacing previously-discovered substructures in the data, multiple passes of SUBDUE produce a hierarchical description of the structural regularities in the data. SUBDUE uses a computationally-bounded inexact graph match that identifies similar, but not identical, instances of a substructure and finds an approximate measure of closeness of two substructures when under computational constraints. In addition to the minimum description length principle, other background knowledge can be used by SUBDUE to guide the search towards more appropriate substructures. Experiments in a variety of domains demonstrate SUBDUE's ability to find substructures capable of compressing the original data and to discover structural concepts important to the domain. Description of Online Appendix: This is a compressed tar file containing the SUBDUE discovery system, written in C. The program accepts as input databases represented in graph form, and will output discovered substructures with their corresponding value.

연구 동기 및 목표

• 그래프 구조 데이터에서 구조적으로 반복되고 개념적으로 흥미로운 부분 구조를 탐지하기 위한 방법을 개발하는 것.
• 부분 구조 추상화를 통해 구조적 데이터의 손실 압축을 가능하게 하는 것.
• 반복적으로 부분 구조를 높은 수준의 개념으로 대체함으로써 계층적 지식 탐지를 지원하는 것.
• 배경 지식과 비정확한 그래프 매칭을 통합하여 탐지된 부분 구조의 관련성과 확장성 향상시키는 것.
• 유전자, 고무 화합물, 전자 회로 등 다양한 분야에서 이 방법의 효과성을 입증하는 것.

제안 방법

• 원본 데이터를 압축할 수 있는 능력을 기반으로 후보 부분 구조를 평가하고 순위를 매기기 위해 Minimum Description Length (MDL) 원리를 적용한다.
• 단일 정점에서 시작하여 이웃하는 간선을 추가함으로써 점진적으로 부분 구조를 확장하는 방식으로 탐색하는 데 비트 서치 알고리즘을 사용한다.
• 계산 자원 제약 조건 하에서 유사하지만 정확히 동일하지 않은 부분 구조의 인스턴스를 식별하기 위해 비정확한 그래프 매칭 기법을 적용한다.
• 발견된 부분 구조의 정확한 및 비정확한 인스턴스를 하나의 추상화된 정점으로 대체함으로써 그래프 크기를 줄이고 계층적 처리를 가능하게 한다.
• 도메인 전문 지식 제약 조건이나 선호도와 같은 배경 지식을 통합하여 더 의미 있는 부분 구조로의 탐색을 이끌어내는 데 사용한다.
• 데이터를 여러 번 순환하며 부분 구조를 대체하고 다시 탐지 과정을 적용함으로써 더 높은 수준의 구조적 추상화를 발견한다.

실험 결과

연구 질문

• RQ1 MDL 원리가 의미 있는 개념을 표현하면서도 구조적 데이터를 효과적으로 압축하는 부분 구조를 식별하는 데 효과적인가?
• RQ2 계산 자원 제약 조건 하에서 비정확한 그래프 매칭을 어떻게 활용하여 유사하지만 정확히 동일하지 않은 부분 구조 인스턴스를 탐지할 수 있는가?
• RQ3 배경 지식이 부분 구조 탐지 과정을 더 관련성 있고 해석 가능한 결과로 이끄는 데 어느 정도 기여할 수 있는가?
• RQ4 반복적인 부분 구조 대체가 복잡한 구조적 데이터에 대한 계층적 추상화를 생성할 수 있는가?
• RQ5 이 시스템은 유전자 생물학, 전자 공학, 기하 배열 등 다양한 분야에서 얼마나 잘 작동하는가?

주요 결과

• Subdue는 반복적인 기능기능기를 대체함으로써 고무 화합물 그래프를 압축하는 데 성공하여 뚜렷한 데이터 압축 효과를 달성했다.
• 여러 번의 순환 탐지 과정을 통해 DNA 데이터에서 반복적인 기저 쌍 부분 구조를 탐지하고 조합함으로써 이중 나선 구조를 식별했다.
• 회로 데이터에서는 반복적인 트anz이스터 및 게이트 패턴을 발견하여 전자 설계 분석 분야에서의 유용성을 입증했다.
• 배경 지식 통합으로 탐지된 부분 구조의 관련성이 향상되어 잡음이 줄어들고 도메인 특화 패턴에 집중하는 데 기여했다.
• 반복적 대체에 의해 가능해진 계층적 탐지 과정을 통해 DNA에서 반복적인 부분 구조로 이루어진 사슬과 같은 다수 수준의 추상화를 발견했다.
• 비정확한 그래프 매칭 알고리즘이 유사하지만 정확히 동일하지 않은 인스턴스를 탐지할 수 있게 해 잡음과 변형에 대한 강건성을 향상시켰다.