[论文解读] uARMSolver: A framework for Association Rule Mining

Iztok Fister, Fister, Iztok|arXiv (Cornell University)|Oct 21, 2020

Data Mining Algorithms and Applications参考文献 13被引用 11

一句话总结

uARMSolver 是一个模块化、开源的 C++ 框架，用于关联规则挖掘（ARM），支持类别型和数值型属性，利用仿生优化算法高效挖掘规则。它集成了预处理、通过元启发式算法（如差分进化）进行规则挖掘，以及通过外部工具进行可视化，展示了在 Abalone 数据集上的高性能表现，成功挖掘出 337 条规则，最佳适应度分数高达 0.9629。

ABSTRACT

The paper presents a novel software framework for Association Rule Mining named uARMSolver. The framework is written fully in C++ and runs on all platforms. It allows users to preprocess their data in a transaction database, to make discretization of data, to search for association rules and to guide a presentation/visualization of the best rules found using external tools. As opposed to the existing software packages or frameworks, this also supports numerical and real-valued types of attributes besides the categorical ones. Mining the association rules is defined as an optimization and solved using the nature-inspired algorithms that can be incorporated easily. Because the algorithms normally discover a huge amount of association rules, the framework enables a modular inclusion of so-called visual guiders for extracting the knowledge hidden in data, and visualize these using external tools.

研究动机与目标

• 解决关联规则挖掘中数据预处理、规则挖掘和结果解释方面的挑战。
• 提供一个统一、模块化且可扩展的框架，支持类别型和数值型属性。
• 通过基于种群的元启发式算法（如差分进化和粒子群优化）实现高效关联规则挖掘。
• 通过插件式 VisualGuide 组件，集成外部工具的可视化功能。
• 通过引导用户聚焦于有意义、高质量的规则，提升大规模规则集的可用性和知识提取效率。

提出的方法

• 该框架使用 C++ 实现，以实现高性能，并可在所有平台上运行，采用模块化架构。
• 支持自动检测属性类型，并可同时处理多个事务数据库。
• 通过基于区间的优化方法处理数值属性，将离散搜索问题转化为连续空间，以适用于元启发式算法。
• 将关联规则挖掘建模为优化问题，使用仿生算法（如差分进化，DE）求解。
• VisualGuide 类从档案中提取关键规则，并将数据导出至外部可视化工具（如 R、MATLAB）。
• 框架使用支持度、置信度以及自定义适应度度量来评估和排序挖掘出的规则。

实验结果

研究问题

• RQ1 如何通过统一框架优化关联规则挖掘的三个主要阶段：预处理、规则挖掘和可视化？
• RQ2 在无需离散化处理的前提下，仿生元启发式算法在混合类型（类别型与数值型）数据上挖掘关联规则的有效程度如何？
• RQ3 uARMSolver 的模块化设计在支持新算法和可视化工具方面具备多大程度的可扩展性？
• RQ4 基于元启发式算法的 ARM 在真实世界数据集（如 Abalone）上可达到怎样的性能和规则质量？
• RQ5 不同优化算法对挖掘出的关联规则的多样性与质量有何影响？

主要发现

• uARMSolver 框架利用差分进化算法从 Abalone 数据集中成功挖掘出 337 条关联规则，规则具有较高的置信度和支持度。
• 在顶级规则中，最高适应度分数达到 0.9629，表明规则质量高且具有强相关性。
• 识别出若干置信度为 100% 且支持度接近 100% 的规则，例如涉及直径、去壳重量和环数区间之间的关联。
• 该框架表现出灵活性，支持多种算法并行使用，结果因所选元启发式算法而异。
• 通过集成 VisualGuide 组件，实现了高效的知识提取，并可借助 R、MATLAB 等工具实现外部可视化。
• 模块化设计支持无缝集成新解析器、优化算法和可视化方法，显著提升了可扩展性。