외적 변수를 이용한 의미 없는 연관성 규칙 발견

Discovery of Insignificant Association Rules using External Variable

연관성규칙에서는 일반적으로 사용하는 연관성규칙 이외에 연관성규칙의 효율성을 개선하기 위하여 여러 가지 제약 기반 연관성규칙의 연구가 활발하게 진행되고 있다. 연관성규칙 생성 시, 종종 많은 규칙들을 발견할 수 있고 이들 규칙 중 변수들 간의 내재적인 관련성은 없으나, 외부 변수에 의하여 각 변수가 우연히 어떤 다른 변수와 연결됨으로써 관련성이 있는 것으로 나타나는 것을 종종 볼 수 있다. 즉, 변수들 간에 외적 변수가 존재하여 우연히 관련성이 높게 나타나는 경우, 외적 변수에 의하여 직접적인 관련성이 없는 규칙을 발견할 수도 있다. 이에 본 논문에서는 연관성 규칙에서 변수들 간의 외적 관계를 규명할 수 있는 다중외적연관성규칙을 정의하고 실제 자료에 적용하고자 하며, 다중외적연관성규칙은 생성된 연관성 규칙에 대하여 의미 없는 규칙들을 찾아낼 수 있을 뿐만 아니라 생성된 규칙에 대한 변수들 간의 관련성을 보다 정확하고 명확하게 이해할 수 있을 것이다.

Association rule mining searches for interesting relationships among items in a given database. There are three primary quality measures for association rule, support and confidence and lift. In order to improve the efficiency of existing mining algorithms, constraints were applied during the mining process to generate only those association rules that are interesting to users instead of all the association rules. When create relation rule, can often find a lot of rules. This can find meaningless rule by external variable. In this study we try to present the method of multi external association rules. Multi external association rules can disambiguate analysis of result more.