[论文解读] On When and How to use SAT to Mine Frequent Itemsets

Rui Henriques, Inês Lynce+1 more|arXiv (Cornell University)|Jul 26, 2012

Data Mining Algorithms and Applications参考文献 36被引用 12

一句话总结

本文研究了在何种情况下以及如何使用SAT求解器进行频繁项集挖掘（FIM），提出了多种针对FIM定制的SAT编码方法，并结合了专门的枚举与搜索策略。实验结果表明，基于SAT的方法在广泛频率范围内与最先进的CP求解器具有竞争力，尤其在处理复杂约束时表现优异，为传统CP方法在可扩展性方面面临瓶颈的场景提供了可行的替代方案。

ABSTRACT

A new stream of research was born in the last decade with the goal of mining itemsets of interest using Constraint Programming (CP). This has promoted a natural way to combine complex constraints in a highly flexible manner. Although CP state-of-the-art solutions formulate the task using Boolean variables, the few attempts to adopt propositional Satisfiability (SAT) provided an unsatisfactory performance. This work deepens the study on when and how to use SAT for the frequent itemset mining (FIM) problem by defining different encodings with multiple task-driven enumeration options and search strategies. Although for the majority of the scenarios SAT-based solutions appear to be non-competitive with CP peers, results show a variety of interesting cases where SAT encodings are the best option.

研究动机与目标

• 评估SAT求解器在频繁项集挖掘（FIM）这一模式挖掘核心任务中的可行性。
• 识别SAT-based FIM相较于传统CP-based方法更具优势的条件。
• 设计并实现针对FIM任务定制的SAT编码，结合任务驱动的枚举与搜索策略。
• 为FIM工作负载中选择与调优SAT求解器提供实用指导。
• 探索将SAT与约束编程结合，以支持复杂、用户自定义的模式挖掘任务。

提出的方法

• 提出多种FIM问题的SAT编码方法，将项集与支持约束映射为布尔公式。
• 引入面向任务的枚举与搜索策略，引导SAT求解器在FIM场景中高效求解。
• 采用FREQSAT公式化方法，将频率约束表示为布尔可满足性问题。
• 采用混合方法，结合SAT求解与约束推理，包括单调性与部分频率推导规则。
• 使用参数化配置，探索搜索策略、变量排序与枚举控制之间的权衡。
• 通过真实世界与合成数据集，在不同频率阈值与约束复杂度下验证所提方法。

实验结果

研究问题

• RQ1 在何种情况下，基于SAT的方法在频繁项集挖掘中与最先进的CP求解器具有竞争力？
• RQ2 不同的SAT编码策略与搜索启发式对FIM性能有何影响？
• RQ3 频率阈值与约束复杂度在决定SAT性能方面起到何种作用？
• RQ4 SAT求解器能否有效处理FIM中超出基本支持计数的复杂、用户自定义约束？
• RQ5 在FIM工作负载中，如何为选择SAT求解器而非CP求解器提供指导？

主要发现

• 基于SAT的FIM解决方案在广泛频率阈值范围内与最先进的CP求解器具有竞争力，尤其在关联规则挖掘中常用的0.5至0.75区间表现突出。
• 在较高频率下，SAT性能下降，原因在于其原生设计缺乏对冲突约束下枚举推理的支持，这是SAT求解器架构固有的局限。
• 所提出的结合自定义搜索与枚举策略的SAT编码显著提升了性能，尤其在约束复杂或非单调的情况下。
• 在涉及用户自定义、非平凡约束的场景中，SAT优于CP同类求解器，因为CP求解器因大量计数操作而面临可扩展性瓶颈。
• FREQSAT问题公式化方法可将频率约束建模为布尔公式，从而支持对概率性与条件性频率表达式的SAT推理。
• 已建立选择SAT而非CP求解器的指导原则：当约束复杂、频率阈值适中且CP性能受限时，应优先选择SAT求解器。