Generalized Association Rule Mining for Representing Latent Properties and its Abstraction Based on Strong Closedness Compression

本研究では、巨大データに潜在するルール知識の効果的な抽出を目的として、正負双方のアイテムで表現される一般化相関ルールのマイニングについて研究を行ってきた．2022年度の研究実績の概要は以下の通りである．（１）正負のアイテムが混在する一般化アイテム集合は，従来の正のアイテム集合と比較してもその数は極めて多く，取扱いが困難である．そのため有用な一般化アイテム集合を直接的に圧縮抽出し，保持するなどの工夫が必要である．我々はまず基本的な圧縮手法として飽和性に着目し，飽和した一般化アイテム集合だけを直接抽出する列挙アルゴリズムについて研究を行った．幾つかの手法を開発して性能比較実験を行ったところ，列挙途中でのデータベース縮約効果に関して大きな差が出ることが確認されている．この問題への対応が現在の課題である．（２）飽和集合は疎なデータセットに対して圧縮効果が弱いことが良く知られている．そのための対策として，本研究では強飽和性に基づく圧縮について研究を行ってきた．強飽和性に基づく圧縮は非可逆圧縮となるが，一定の情報復元は可能であり有用である．我々は過去に飽和集合のε近似オンライン列挙アルゴリズムを開発している．これをベースとして，新しく強飽和集合のオンライン列挙アルゴリズムを開発し，一定の成果を得た．但しその過程で，オンラインの枠組みには一定の限界があることも判明したので，原点に立ち返ってオフライン型の強飽和集合の列挙法について研究を継続した．探索空間の分割統治により強飽和集合の重複列挙を防止し，更に，分枝を限定するための禁止アイテム集合の精密な生成法を開発して計算速度の向上を図っている．これらの予備的性能評価実験を行い，一定の効果を確認している．

本研究では、巨大データに潜在するルール知識の効果的な抽出を目的として、正負双方のアイテムで表現される一般化相関ルールのマイニングについて研究を行ってきた．2022年度の研究実績の概要は以下の通りである．（１）正負のアイテムが混在する一般化アイテム集合は，従来の正のアイテム集合と比較してもその数は極めて多く，取扱いが困難である．そのため有用な一般化アイテム集合を直接的に圧縮抽出し，保持するなどの工夫が必要である．我々はまず基本的な圧縮手法として飽和性に着目し，飽和した一般化アイテム集合だけを直接抽出する列挙アルゴリズムについて研究を行った．幾つかの手法を開発して性能比較実験を行ったところ，列挙途中でのデータベース縮約効果に関して大きな差が出ることが確認されている．この問題への対応が現在の課題である．（２）飽和集合は疎なデータセットに対して圧縮効果が弱いことが良く知られている．そのための対策として，本研究では強飽和性に基づく圧縮について研究を行ってきた．強飽和性に基づく圧縮は非可逆圧縮となるが，一定の情報復元は可能であり有用である．我々は過去に飽和集合のε近似オンライン列挙アルゴリズムを開発している．これをベースとして，新しく強飽和集合のオンライン列挙アルゴリズムを開発し，一定の成果を得た．但しその過程で，オンラインの枠組みには一定の限界があることも判明したので，原点に立ち返ってオフライン型の強飽和集合の列挙法について研究を継続した．探索空間の分割統治により強飽和集合の重複列挙を防止し，更に，分枝を限定するための禁止アイテム集合の精密な生成法を開発して計算速度の向上を図っている．これらの予備的性能評価実験を行い，一定の効果を確認している．