역의 순수 연관성 규칙의 제안 (Proposition of Inverse Pure Association Rule)

서지정보

· 발행기관 : 한국자료분석학회
· 수록지 정보 : Journal of The Korean Data Analysis Society / 12권 / 6호 / 3305 ~ 3315페이지
· 저자명 : 박희창

초록

연관성 규칙은 데이터마이닝 기법 중에서 가장 많이 활용되고 있는 기법이다. 이 방법은 각 항목간의 연관성을 반영하는 기준인 지지도, 신뢰도, 향상도 등의 흥미도 측도를 바탕으로 관련성 여부를 측정한다. 일반적으로 연관성 규칙에서는 어느 항목이 발생하면 다른 항목도 발생한다는 규칙을 생성하는 반면에, 역의 연관성 규칙은 어느 항목이 발생하지 않으면 다른 항목도 발생하지 않는다는 규칙을 발견하는 기법이다. 현재 역의 연관성 규칙에서 사용되는 측도들 중에서는 지지도와 신뢰도는 방향성이 없으며, 향상도는 방향성이 없을 뿐만 아니라 범위의 제한도 없다. 본 논문에서는 역의 연관성 규칙이 안고 있는 단점을 보완하기 위해 역의 순수 지지도, 역의 순수 신뢰도, 그리고 역의 순수 향상도 등의 연관성 측도를 정의함으로써 역의 순수 연관성 규칙을 제안하였다. 또한 예제를 통하여 그 유용성을 알아본 결과, 역의 순수 연관성 측도들은 그 부호에 의해 연관성 규칙의 방향을 파악할 수 있었으며, 기존의 역의 연관성 측도를 사용하게 되면 잘못된 연관성 규칙으로 해석하는 오류를 범할 수 있다는 사실을 확인하였다.

영어초록

Association rule from data mining techniques is used most frequently in many fields. This technique measures the relationship for each item on the basis of interestingness measures such as support, confidence, and lift. In general, inverse association rule technique generates the rule, 'If not A, then not B.' while association rule technique generates the rule, 'If A, then B.'. All of inverse association measures are not directional, and also there is no limit of range in lift. In this paper, we propose the inverse pure association rules by inverse pure support, inverse pure confidence, and inverse pure lift to overcome the problems faced by inverse association rule technique. In checking the usefulness of this technique through numerical examples, we could find the direction of association by the sign of the inverse pure association rule measure. we could make the mistakes that we generate invalid association rules by existing inverse association measures.

참고자료

· 없음