연관성의 방향을 고려한 종속 요인 기반 흥미도 측도의 고찰 = A Study on Interestingness Measures based on the Dependency Factor Considering Association Direction

다국어 초록 (Multilingual Abstract)

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.

국문 초록 (Abstract)

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.

참고문헌 (Reference)

1 류재열, "음의 연관성 규칙 생성을 위한 Jaccard 비유사성 측도들의 고찰" 한국자료분석학회 15 (15): 3111-3121, 2013

2 박희창, "음의 순수 연관성 규칙 평가 기준의 제안" 한국데이터정보과학회 22 (22): 179-188, 2011

3 조광현, "외적 변수를 이용한 의미 없는 연관성 규칙 발견" 한국자료분석학회 13 (13): 1343-1351, 2011

4 진도승, "연관성분석을 이용한 여행업 고객 분석" 한국자료분석학회 13 (13): 2945-2952, 2011

5 조광현, "연관성규칙에서의 다중매개관계에 관한 연구" 한국자료분석학회 13 (13): 297-306, 2011

6 박희창, "역의 순수 연관성 규칙의 제안" 한국자료분석학회 12 (12): 3305-3315, 2010

7 황준현, "역 연관규칙을 이용한 타겟 마케팅" 한국지능정보시스템학회 9 (9): 195-209, 2003

8 박희창, "상대적 발생/비발생 비율을 고려한 연관성 평가 기준의 모형 개발" 한국자료분석학회 15 (15): 1841-1850, 2013

9 권영옥, "빅데이터를 활용한 맞춤형 교육 서비스 활성화 방안연구" 한국지능정보시스템학회 19 (19): 87-100, 2013

10 박희창, "분류 모형 구축에 유용한 신뢰도 측도 간의 비교" 한국데이터정보과학회 25 (25): 365-371, 2014

11 박희창, "발생빈도와 상대적 사전 비율을 고려한 연관성 평가 모형의 개발" 한국자료분석학회 15 (15): 709-718, 2013

12 박희창, "기준 확인 측도와 확률적 흥미도 측도와의 관계 탐색" 한국자료분석학회 16 (16): 145-154, 2014

13 Saygin, Y., "Using unknowns to prevent discovery of association rules" 45-54, 2002

14 Popper, K. R., "The logic of scientific discovery" Hutchinson 1959

15 Pawlak, Z., "Some issues on rough sets, Transactions on Rough Sets I" 3100 : 1-58, 2004

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

17 Tan, P., "Introduction to data mining" Pearson Addison Wesley 2006

18 Piatetsky-Shapiro, G., "Discovery, analysis and presentation of strong rules" 229-248, 1991

19 Jung, Y. C., "Big data" Communicationbooks Press 2012

20 박희창, "Balanced Association Threshold of Dependency Factor" 한국자료분석학회 17 (17): 19-25, 2015

21 Hilderman, R. J., "Applying objective interestingness measures in data mining systems" 432-439, 2000

22 Berzal, F., "A new framework to assess association rules" 95-104, 2001