연관성의 방향을 고려한 종속 요인 기반 흥미도 측도의 고찰

• 영문명: A Study on Interestingness Measures based on the Dependency Factor Considering Association Direction
• 발행기관: 한국자료분석학회
• 저자명: 박희창(Hee-Chang Park)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.17 No.3, 1327~1336쪽, 전체 10쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2015.06.30

국문 초록

오늘날 데이터의 폭발적인 증가로 인해 빅 데이터를 활용하기 위한 데이터 마이닝 기법이 대두되고 있다. 이들 중에서는 연관성 규칙이 많이 이용되고 있는데, 이는 여러 가지 흥미도 측도를 근거로 하여 관련성 여부를 측정한다. 연관성 규칙은 크게 정, 역, 그리고 부의 연관성 규칙으로 나누어지는데, 정의 연관성 규칙은 어느 항목이 발생하면 다른 항목도 발생한다는 규칙을 찾아내는 것이고, 역의 연관성 규칙은 어느 항목이 발생하지 않으면 다른 항목도 발생하지 않는다는 규칙을 찾아내는 것이다. 반면에 부의 연관성 규칙은 어느 항목이 발생하면 다른 항목은 발생하지 않거나 어느 항목이 발생하지 않으면 다른 항목은 발생한다는 규칙을 찾아내는 것이다. 항목들 간의 연관성 규칙을 탐색하기 위해 이들을 동시에 고려하게 되면 정의 연관성 규칙만으로는 구할 수 없는 또 다른 규칙을 생성할 수 있게 된다. 이를 위해 본 논문에서는 연관성 방향을 고려한 여러 가지 종속 요인을 제안하는 동시에 이들의 성질을 규명하였다. 또한 예제를 통하여 이들 측도의 유용성을 파악해본 결과, 이들 모두가 대칭형 측도이며, 연관성의 방향을 잘 나타내는 것을 확인하였다.

영문 초록

Today, data is growing exponentially. Association rule mining is a data mining task that discovers associations among items in a big transactional database on the basis of several interestingness measures. There are three kinds in association rules; positive, negative, and inverse association rule. A positive association rule is a pattern that states when an item X occurs, an item Y occurs with certain probability. A negative association rule is a pattern that states when an item X occurs, an item Y does not occur, or when X does not occur, Y occurs with certain probability. Inverse association rule is a pattern that states when X does not occur, Y does not occur. If we consider these techniques at the same time to explore association rules, we can obtain some kinds of meaningful rules that can not be generated by positive association rule mining alone. In this paper, we study some dependency factors considering the direction of association. In addition, we investigated some useful properties of dependency factors and the conditions of interestingness measure, and compared these measures through a few experiments.

목차

1. 서론

2. 종속 요인 기반 흥미도 측도

3. 예제를 통한 고찰

4. 결론

References

키워드

데이터 마이닝 연관성 규칙 종속 요인 역의 종속 요인 부의 종속 요인 Association rule data mining dependency factor inverse dependency factor negative dependency factor