[论文解读] Relational Association Rules: getting WARMeR

Bart Goethals, Jan Van den Bussche|ArXiv.org|Jun 15, 2002

Data Mining Algorithms and Applications参考文献 12被引用 7

一句话总结

本文提出将关联规则挖掘扩展至使用合取查询作为模式的任意关系数据库，推广了Warmr算法。提出了一种层次化算法，用于挖掘频繁合取查询并生成置信的关联规则，解决了查询包含和等价性测试的挑战，同时通过剪枝和结构约束保持效率。

ABSTRACT

In recent years, the problem of association rule mining in transactional data has been well studied. We propose to extend the discovery of classical association rules to the discovery of association rules of conjunctive queries in arbitrary relational data, inspired by the WARMR algorithm, developed by Dehaspe and Toivonen, that discovers association rules over a limited set of conjunctive queries. Conjunctive query evaluation in relational databases is well understood, but still poses some great challenges when approached from a discovery viewpoint in which patterns are generated and evaluated with respect to some well defined search space and pruning operators.

研究动机与目标

• 为解决传统关联规则挖掘局限于事务型数据的局限性，将其扩展至任意关系数据库。
• 形式化在关系数据库中通过合取查询发现关联规则的过程，其中模式为查询，支持度为查询在给定数据库实例上的答案元组的数目。
• 克服在模式生成过程中查询包含和等价性测试的挑战，确保高效且正确的挖掘。
• 将Warmr算法推广至支持其原始范围之外的更广泛类别的合取查询。
• 通过两阶段层次化方法结合剪枝，实现高效挖掘，同时保持数据完整性并最小化冗余计算。

提出的方法

• 采用受Apriori和Warmr启发的两阶段层次化挖掘架构，首先发现所有频繁合取查询，然后从中生成关联规则。
• 将合取查询定义为头（输出变量）和体（一组原子公式）的组合，支持度为该查询在给定数据库实例上的答案集的基数。
• 使用四种特化操作——连接、投影、选择和变量重命名——系统地、逐层地生成候选查询。
• 基于包含和等价性进行剪枝：如果一个查询被另一个包含，则当超集不频繁时，该查询不被考虑。
• 通过等价性测试避免冗余计算，尤其在查询结构相似但语法不同时至关重要。
• 使用规范化形式表示查询，确保在候选生成和支持度计算过程中，等价查询被同等对待。

实验结果

研究问题

• RQ1 如何通过将合取查询作为模式，将关联规则挖掘从事务型数据推广至任意关系数据库？
• RQ2 在生成和评估用于挖掘的合取查询时，有哪些算法挑战，特别是关于查询包含和等价性的问题？
• RQ3 能否将层次化挖掘框架有效适配于合取查询，同时保持正确性和性能？
• RQ4 如何有效应用基于包含和等价性的剪枝策略，以减少合取查询挖掘中的搜索空间？
• RQ5 哪些类别的合取查询允许高效生成候选查询和等价性测试，从而实现可扩展的挖掘？

主要发现

• 所提出的算法成功将Warmr框架推广至支持任意关系数据库中更广泛的合取查询类别，实现了对复杂结构化模式的挖掘。
• 层次化方法确保仅生成可能频繁的查询，通过包含和等价性剪枝减少搜索空间。
• 支持度定义为合取查询答案集中不同元组的数量，为关系数据中模式频率提供合理度量。
• 该方法表明可从合取查询生成关联规则，例如 $Q_{7}'' \Rightarrow Q_{7}'''$，置信度达100%，表明模式间存在强依赖关系。
• 等价性测试在如无环查询和树形结构查询等子类中可行且高效，使实际应用中可扩展挖掘成为可能。
• 该框架允许灵活集成约束，以聚焦于语义上有意义的查询模式，提升相关性并减少计算开销。