[论文解读] Using Taxonomies to Facilitate the Analysis of the Association Rules

Marcos Aurélio Domingues, Solange Oliveira Rezende|arXiv (Cornell University)|Jan 1, 2005

Data Mining Algorithms and Applications参考文献 9被引用 36

一句话总结

本文提出GART算法与RulEE-GAR计算模块，通过使用用户自定义分类体系对关联规则进行泛化，以减少规则数量。通过将具体项目分组并抽象为层次化类别（例如将't-shirt'和'shorts'归入'light clothes'），该方法可剪枝冗余规则，使规则集减少高达50.11%，同时保留有意义的模式，从而在数据挖掘应用中实现更易分析与决策。

ABSTRACT

The Data Mining process enables the end users to analyze, understand and use the extracted knowledge in an intelligent system or to support in the decision-making processes. However, many algorithms used in the process encounter large quantities of patterns, complicating the analysis of the patterns. This fact occurs with association rules, a Data Mining technique that tries to identify intrinsic patterns in large data sets. A method that can help the analysis of the association rules is the use of taxonomies in the step of post-processing knowledge. In this paper, the GART algorithm is proposed, which uses taxonomies to generalize association rules, and the RulEE-GAR computational module, that enables the analysis of the generalized rules.

研究动机与目标

• 解决数据挖掘算法生成的大量冗余或无意义关联规则所带来的管理挑战。
• 通过降低规则集复杂度，提升关联规则在现实决策中的可解释性与可用性。
• 使领域专家能够手动定义分类体系，对规则进行泛化，从而剪枝无趣或重叠的模式。
• 提供一个后处理框架，通过分层分类系统，系统性地对规则的左侧（LHS）或右侧（RHS）进行泛化。
• 开发一个计算工具（RulEE-GAR），支持对泛化后规则的交互式探索、可视化及评估，同时支持源规则重建与度量分析。

提出的方法

• 提出GART算法，利用用户自定义分类体系对关联规则进行泛化，重点针对规则的LHS或RHS。
• 根据相同的前提（LHS泛化）或结论（RHS泛化）对规则进行分组，形成用于泛化的子集。
• 应用分类体系层次结构，将规则中的具体项目替换为更一般的父类别（例如，'t-shirt' → 'light clothes'）。
• 采用两步泛化过程：首先对一侧的项目进行泛化，然后进一步对已泛化的项目进行再泛化。
• 剪枝重复的泛化规则，以保持最小且无冗余的泛化规则集合。
• 为每个泛化规则集成列联表计算，以提供关于规则覆盖范围与有效性的额外统计洞察。

实验结果

研究问题

• RQ1 使用用户自定义分类体系是否能有效减少关联规则数量，同时不丢失有意义的模式？
• RQ2 通过分层分类体系对规则进行泛化，对结果规则集的可解释性与可用性有何影响？
• RQ3 GART算法在不同数据分区与分类体系设计下，对规则集体积的缩减程度如何？
• RQ4 分类体系的粒度与领域专业知识的差异对关联规则缩减率有何影响？
• RQ5 像RulEE-GAR这样的后处理模块，是否能通过支持源规则重建与度量分析等功能，增强用户对泛化规则的交互与理解？

主要发现

• 在使用18种不同分类体系的多次实验中，GART算法成功将关联规则集减少14.61%至50.11%。
• 当使用结构良好的分类体系对规则进行泛化时，实现了最高的50.11%缩减率，证明了该方法在剪枝冗余方面的有效性。
• 由较短时间窗口（如1天数据）生成的规则集初始数量较大（32,668条规则），但经泛化后仍显著减少。
• RulEE-GAR模块支持对泛化规则的交互式探索，包括扩展回原始规则、检索源规则及基于度量的过滤。
• 为每个泛化规则计算的列联表提供了额外的分析洞察，支持在基础度量之外对置信度与支持度的评估。
• 缩减率高度依赖于分类体系的设计——专家设计的分类体系带来更高的缩减率，表明领域知识能显著增强该方法的影响。