표준화 향상도를 이용한 연관성 순위 결정 함수 = Association Rule Ranking Function Using Standardized Lift

다국어 초록 (Multilingual Abstract)

Association rule techniques among the most used data mining techniques measure mutual relationship between several items using association measures of support, confidence, lift, etc. Typically, the process of association rule is to generate frequent itemsets by a user-specified minimum support, and then select some rules by a user-specified minimum confidence and lift. We need to rank for selected rules even though some rules are generated by basic association thresholds. In this paper we proposed a association rule ranking function using a standardized lift. We compared our function with association rule ranking functions using conditional increment ratio(CPIR) by some numerical examples. As the result, we knew two ranking functions had a value in [-1, 1] regardless of the range for three association thresholds. But the ranking function by CPIR isn't reflected in the difference between association measures and minimum values of association threshold and were affected significantly by the impact of lift, whereas our function was very well reflected in the differences.

국문 초록 (Abstract)

데이터 마이닝 기법 중에서 가장 많이 활용되고 있는 연관성 규칙은 하나의 거래에 포함되어 있는 여러 항목들 간의 상호 관련성을 지지도, 신뢰도, 향상도 등의 연관성 측도들을 이용하여 측정하게 된다. 일반적으로 연관성 규칙 생성과정은 먼저 사용자가 지정한 최소 지지도를 만족시키는 빈발항목집합을 생성한 후, 빈발항목집합을 이용하여 최소 신뢰도 기준을 만족하고 향상도가 1이상인 것을 규칙으로 채택하게 된다. 기본적인 연관성 기준을 만족하여 여러 규칙들이 생성되었다고 할지라도 이들 규칙들의 연관성 강도에 대한 순위를 매길 필요가 있다. 본 논문에서는 연관성의 강도를 객관적으로 평가하기 위해 표준화된 향상도를 이용한 연관순위결정함수를 제안하였다. 또한 구체적인 예제를 통하여 가장 최근에 연구된 조건부 확률증분비를 이용한 연관순위 결정함수와 비교해본 결과, 두 함수 공히 최소 연관성 기준값들의 크기와는 관계없이 항상 -1과 1 사이의 값을 가지며, 3개의 연관성 기준값이 모두 충족되면 1의 값을 가지며, 3개 모두 충족되지 않으면 -1의 값을 갖게 된다. 그러나 조건부 확률증분비를 이용한 연관순위 결정함수는 본 논문에서 제안한 함수에 비해 연관성 측도들과 최소 연관성 기준값들간의 차이를 잘 반영하지 못하고 향상도의 영향을 크게 받는 것으로 나타났다.

참고문헌 (Reference)

1 박희창, "조건부 확률증분비를 이용한 연관성 순위 결정 함수" 한국데이터정보과학회 21 (21): 709-717, 2010

2 박희창, "연관성 규칙을 이용한 지역정보와 통합된 폐기물 데이터 분석" 한국자료분석학회 7 (7): 763-772, 2005

3 김민환, "연관성 규칙을 이용한 왜곡변수 발견에 관한 연구" 한국자료분석학회 9 (9): 711-719, 2007

4 이근우, "연관성 규칙 발견을 위한 군집분석의 적용 방안" 한국자료분석학회 9 (9): 2919-2930, 2007

5 박희창, "기본적인 연관기준값을 이용한 연관성 순위 결정 함수의 개발" 한국자료분석학회 12 (12): 961-971, 2010

6 McNicholas, P. D., "Standardising the lift of an association rule" 52 : 4712-4721, 2008

7 Han, J., "Mining multiple-level association rules in large databases" 11 (11): 68-77, 1999

8 Han, J., "Mining frequent patterns without candidate generation" 1-12, 2000

9 Cai, C. H., "Mining association rules with weighted items" 68-77, 1998

10 Liu, B., "Mining association rules with multiple minimum supports" 241-337, 1999

11 Agrawal, R., "Mining association rules between sets of items in large databases" 207-216, 1993

12 Agrawal, R., "Fast algorithms for mining association rules" 487-499, 1994

13 Wu, X., "Efficient mining of both positive and negative association rules" 22 (22): 381-405, 2004

14 Pasquier, N., "Discovering frequent closed itemsets for association rules" 398-416, 1999

15 Pei, J., "CLOSET: An efficient algorithm for mining frequent closed itemsets" 21-30, 2000

16 Park, J. S., "An effective hash-based algorithms for mining association rules" 175-186, 1995