고유한 항목 특성 파악을 위한 순수 연관성 규칙의 제안

Proposition of Pure Association Rule for Original Characteristics Grasping

데이터 마이닝은 방대한 양의 데이터 속에서 쉽게 드러나지 않는 유용한 정보를 찾아내는 기법이다. 데이터 마이닝 기법 중에서 연관성규칙은 데이터베이스 내에 존재하는 항목들 간의 상호 관련성을 찾아내는 기법으로서 항목들 사이의 지지도, 신뢰도, 향상도 등의 흥미도 측도를 기준으로 상호 관련성 여부를 측정한다. 이러한 연관성 측정을 위한 연관성 규칙의 종류로는 불리언 연관성 규칙과 정량적 연관성 규칙, 1차원 연관성 규칙과 다중차원 연관성 규칙, 단일 수준 연관성 규칙과 다 수준 연관성 규칙, 그리고 순차 연관성 규칙과 비 연관성 규칙 등이 있다. 본 논문에서는 고유한 항목의 특성을 파악하기 위해 순수 연관성 규칙을 제안하고, 제안된 연관성 규칙의 평가기준에 대한 조건과 성질을 규명하였다. 또한 예제를 통하여 기존의 흥미도 측도와 제안한 흥미도 측도를 비교한 결과, 순수 연관성 규칙에서는 특정 요인에 의한 결과를 나타내주는 동시에 양의 관련성과 음의 관련성을 판단할 수 있다는 사실을 알게 되었다.

Data mining is the method to find useful information for large amounts of data in database. An association rule of this techniques, finds the relation among each items in massive volume database using interestingness measures such as support, confidence, and lift. There are some kinds of association rules ; boolean association rule, quantitative association rule, single-dimensional association rule, multi -dimensional association rule, single-level association rule, multi-level association rule sequences association rule, and dissociation rule etc. This paper present a new association rule to evaluate pure association(we call pure association rule) and describe some conditions and properties for a proposed association rule. A comparative study with new interestingess measures is shown by numerical example. The results showed that we were able to avoid the discovery of misleading association rules by the pure association rule thresholds and interpret whether positive association by specific items or not.