2分決定グラフによるデータマイニングシステム

概要

論文の詳細を見る
大量のデータの中に潜んでいて気がつかない, 役にたつ可能性のある知識を発見する技術のことをデータマイニング(Data Mining)と総称する。データマイニングは, 背景知識を予め持つことなく, 与えられた大量のデータのみから知識を得ることを目的とする。Agrawlらは, データマイニングを, 結合ルール(Association Rules), 分類(Classification), 逐次パターン(Sequential Patterns), 相似列(Similar Sequences)の4つに分類した。これらのルールは顧客データからの知識発見に対して高い評価を得ており, 実用化・商品化が行われている。さらに, Agrawalらは, 与えられたデータから全ての結合ルールを発見するアルゴリズムを提案し, 実験的に評価した。しかし, 彼らのアルゴリズムは理論的に効率の良いものではない。また, 得られた大量の結合ルールから更に知識を獲得する研究もなされている。一方, ゲノムデータに代表される自然科学のデータにおいても, 結合ルールの発見が試みられているが, 自然現象には直観的に予測できる規則性が少ないため, 結合ルールでは我々の望む知識の発見が難しい。本論文では, 結合ルールを2部決定グラフ(Binary Decision Diagram (BDD))により一般化した。 2部決定グラフ結合ルールを発見する問題について考察する。2部決定グラフを用いることにより, 論理積, 論理和と否定による知識表現が可能になる。2部決定グラフ結合ルールは, 2つのBDD(それぞれ, LBD, UBDと呼ぶ)からなる。多くの場合, LBDはユーザが自然な形で与えることが多いため, 本質的にこの問題はUBDを発見する問題に帰着する。本論文では, 現実的な時間でUBDを見つけるための条件について考察する。さらに, QuinlanによるID3アルゴリズムを応用したUBDを発見するアルゴリズムを, ゲノムデータに適用した実験結果について述べる。
一般社団法人情報処理学会の論文
1997-09-24

2分決定グラフによるデータマイニングシステム

スポンサーリンク

概要

著者

関連論文

スポンサーリンク