[论文解读] An Application of Bayesian classification to Interval Encoded Temporal mining with prioritized items

C. Balasubramanian, K. Duraiswamy|ArXiv.org|Aug 7, 2009

Data Mining Algorithms and Applications参考文献 14被引用 4

一句话总结

本文提出了一种基于优先级的时间挖掘方法（PBTM），将贝叶斯分类与区间编码的时间数据库相结合，以提升在优先级数据中的规则有效性。通过根据用户指定的重要性为项目分配权重，并应用朴素贝叶斯进行分类，该方法提高了规则的准确性和相关性，在电信投诉数据库上验证后表现出可测量的性能提升。

ABSTRACT

In real life, media information has time attributes either implicitly or explicitly known as temporal data. This paper investigates the usefulness of applying Bayesian classification to an interval encoded temporal database with prioritized items. The proposed method performs temporal mining by encoding the database with weighted items which prioritizes the items according to their importance from the user perspective. Naive Bayesian classification helps in making the resulting temporal rules more effective. The proposed priority based temporal mining (PBTM) method added with classification aids in solving problems in a well informed and systematic manner. The experimental results are obtained from the complaints database of the telecommunications system, which shows the feasibility of this method of classification based temporal mining.

研究动机与目标

• 解决从项目重要性各异的数据库中挖掘有意义的时间模式的挑战。
• 开发一种将用户定义的优先级整合到时间数据挖掘中的方法，以提升决策质量。
• 通过将贝叶斯分类与区间编码数据相结合，提升时间规则的有效性。
• 在具有优先级项目的实际时间数据库上，评估所提方法的可行性和性能。

提出的方法

• 该方法使用区间编码对时间数据库进行编码，以表示事件的时间范围。
• 根据其优先级为数据库中的项目分配权重，以反映用户指定的重要性。
• 对加权时间数据应用朴素贝叶斯分类，以生成更准确且相关性更高的规则。
• PBTM 框架将区间编码与优先级结合，对数据进行结构化处理，以实现有效的分类与规则挖掘。
• 系统采用概率方法推断时间模式，从而提高规则的可靠性与用户相关性。
• 该方法使用真实电信投诉数据库进行评估，以模拟实际应用场景。

实验结果

研究问题

• RQ1 当数据库中的项目具有不同重要性水平时，如何改进时间挖掘？
• RQ2 将贝叶斯分类整合到优先级数据库中，能在多大程度上提升时间规则的质量？
• RQ3 区间编码与加权优先级的结合能否提升现实时间数据中的规则发现能力？
• RQ4 与传统时间挖掘方法相比，所提出的 PBTM 方法在规则准确性和相关性方面表现如何？

主要发现

• PBTM 方法成功将贝叶斯分类与区间编码的时间数据结合，提升了规则的有效性。
• 使用加权、优先级化的项目显著增强了挖掘出的时间规则的相关性与准确性。
• 来自电信投诉数据库的实验结果证明了该方法的可行性和实用性。
• 与非优先级化或非分类挖掘技术相比，该方法在规则质量方面表现出可测量的改进。
• 将朴素贝叶斯与区间编码结合，使得时间数据中的模式发现更加系统化和有依据。