시간간격을 고려한 시간관계 규칙 탐사 기법 = Discovering Temporal Relation Rules from Temporal Interval Data

국문 초록 (Abstract)

데이타마이닝은 대용량 데이타베이스에 내재된 유용한 지식을 탐사하는 기술로 정의된다. 데이타마이닝에 대한 연구가 진행되면서 순차 패턴, 유사 시계열 탐사, 시간 연관규칙 탐사 등과 같이 시간값을 가진 데이타로부터 지식을 탐사하고자 하는 시간 데이타마이닝에 대한 연구가 수행되었다. 그러나 기존 연구는 트랜잭션의 발생 시점 만을 가진 데이타를 다루고 있으며 시간 간격을 가진 데이타는 거의 고려하고 있지 않다. 실세계에서는 환자의 병력, 상품 구매 이력, 웹 로그 등과 같은 시간간격을 가진 다양한 데이타가 존재하며 이로부터 여러 유용한 지식을 찾아낼 수 있다. Allen은 시간간격 데이타 사이에 발생할 수 있는 시간 관계와 시간 관계를 구할 수 있는 시간간격 연산자를 정의하였다. 본 논문에서는 Allen의 정의를 기반으로 시간간격 데이타로부터 시간관계 규칙을 효율적으로 탐사하기 위한 새로운 데이타마이닝 기법을 제안한다. 이 기법은 발생 시점을 가진 시간 데이타를 시간간격 데이타로 요약하여 일반화하는 전처리 알고리즘과 시간간격 데이타로부터 시간관계 규칙을 생성하는 규칙 탐사 알고리즘으로 구성된다. 이 기법은 기존 데이타마이닝 기법에서 찾지 못하는 유용한 시간 규칙을 탐사할 수 있다.

다국어 초록 (Multilingual Abstract)

Data mining refers to a set of techniques for discovering implicit and useful knowledge from large database.
Many studies on data mining have been pursued and some of them have involved issues of temporal data mining for discovering knowledge from temporal database, such as sequential pattern, similar time sequence, cyclic and temporal association rules, etc. However, all of the works treat problems for discovering temporal pattern from data which are stamped with time points and do not consider problems for discovering knowledge from temporal interval data. For example, there are many examples of temporal interval data that it can discover useful knowledge from. These include patient histories, purchaser histories, web log, and so on.
Allen introduces relationships between intervals and operators for reasoning about relations between intervals.
We present a new data mining technique that can discover temporal relation rules in temporal interval data by using the Allen's theory. In this paper, we present two new algorithms for discovering temporal relationship. The first one, a preprocessing algorithm for the generalization of temporal interval data, summarizes timestamp data into temporal interval data. The second one, a rule discovery algorithm for generating temporal relation rules, discovers rules from temporal interval data. This technique can discover more useful knowledge in compared with conventional data mining techniques.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 관련 연구
• 3. 문제 정의
• 4. 시간관계 규칙 탐사 기법
• 5. 실험 및 결과
• 6. 결론 및 향후 연구 방향
• 참고문헌
• 저자소개