Skip to content
بازگشت به نتایج جست‌وجو

قواعد انجمنی یادگیری فعال

معرفی‌شده توسط
Dzyuba, V. & van Leeuwen, M.; Boley, M. et al.
سال
2010s
نوع
Interactive pattern mining
خانواده
Machine learning

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

قواعد انجمنی یادگیری فعال، حلقه تکراری پرسش و برچسب‌گذاری یادگیری فعال را با استخراج قواعد انجمنی ترکیب می‌کند و به یک متخصص انسانی اجازه می‌دهد تا فرآیند کشف را به صورت تعاملی هدایت کند. به جای شمارش جامع تمام قواعد بالاتر از یک آستانه پشتیبانی-اعتماد ثابت، سیستم آموزنده‌ترین کاندیداهای قاعده را انتخاب کرده و از کاربر می‌خواهد تا جذابیت آن‌ها را قضاوت کند و جستجو را بر روی الگوهای مفید ذهنی متمرکز کند.

شهود پشت روش

استخراج استاندارد قواعد انجمنی، کاربر را با هزاران قاعده بالاتر از یک آستانه حداقل پشتیبانی، که اکثر آن‌ها تکراری یا نامربوط هستند، غرق می‌کند. یادگیری فعال این را برعکس می‌کند: الگوریتم تنها نامطمئن‌ترین یا شگفت‌انگیزترین قواعد کاندید را به یک متخصص انسانی ارائه می‌دهد، بازخورد در مورد اینکه آیا هر قاعده جالب است را جمع‌آوری می‌کند و مدل ترجیحات کاربر را پس از هر پرسش به‌روز می‌کند. در طول دورهای متوالی، یاد می‌گیرد که قواعد مورد علاقه تحلیلگر را از نویز تشخیص دهد، فضای جستجو را به شدت محدود کرده و الگوهای قابل اجرا را بسیار کارآمدتر از شمارش جامع آشکار می‌سازد.

تاریخ

قواعد انجمنی یادگیری فعال در دهه ۲۰۱۰ به عنوان پاسخی به مشکل شناخته شده انفجار قاعده در استخراج قواعد انجمنی ظهور کرد. کارهای بولی و همکاران در مورد نمونه‌برداری الگوی مستقیم (۲۰۱۳) و دزیوبا و ون لیوون در مورد جذابیت ذهنی (۲۰۱۷) چارچوب رسمی را برای پرسش ترجیحات کاربر برای هدایت کشف قاعده ایجاد کردند. این رویکرد از تحقیقات قبلی استخراج داده تعاملی بهره می‌برد و به ادبیات گسترده‌تر یادگیری فعال که توسط کوهن، اطلس و لدنر (۱۹۹۴) آغاز شد، متصل می‌شود.

چه زمانی استفاده شود

از قواعد انجمنی یادگیری فعال زمانی استفاده کنید که پایگاه داده تراکنش بزرگ است، تعداد قواعد بالاتر از آستانه غیرقابل مدیریت است (هزاران تا میلیون‌ها)، و یک متخصص دامنه برای ارائه بازخورد تکراری در طول جلسه استخراج در دسترس است. این روش به ویژه در زمینه‌های کشف دانش — انفورماتیک بالینی، تحلیل سبد خرید خرده‌فروشی، یا تولید فرضیه علمی — که در آن ارتباط ذهنی به اندازه اهمیت آماری مهم است، ارزشمند است. زمانی که هیچ متخصص تعاملی در دسترس نیست، زمانی که مجموعه کامل قواعد برای اتوماسیون پایین‌دستی مورد نیاز است، یا زمانی که پایگاه داده تراکنش آنقدر کوچک است که شمارش جامع بدیهی است، از آن استفاده نکنید.

محدودیت‌ها و ملاحظات

  • در طول جلسه به یک متخصص انسانی تعاملی نیاز دارد، که برای خطوط لوله کاملاً خودکار غیرعملی است.
  • کیفیت نتایج به شدت به ثبات و دانش دامنه متخصص برچسب‌گذار بستگی دارد.
  • مشکل شروع سرد: مدل ترجیحات در ابتدا آموزنده نیست، بنابراین پرسش‌های اولیه ممکن است به خوبی هدف‌گیری نشده باشند.
  • این رویکرد کمتر از استخراج قواعد انجمنی دسته‌ای تثبیت شده است و پیاده‌سازی‌های آماده کمتری دارد.
  • ارزیابی ذاتاً ذهنی است و سنجش آن نسبت به روش‌های صرفاً آماری دشوارتر است.

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • تعداد قواعدی که کاربر باید بازرسی کند را با تمرکز جستجو بر روی الگوهای جالب ذهنی به طرز چشمگیری کاهش می‌دهد.
  • با اعمال یک معیار جذابیت جهانی، با ترجیحات تحلیلگر فردی سازگار می‌شود.
  • به خوبی با هر استخراج‌کننده قاعده پایه (Apriori، FP-growth، نمونه‌برداری تصادفی) به عنوان مرحله تولید کاندید ترکیب می‌شود.
  • از کاوش تکراری بدون نیاز به تعیین آستانه‌های پشتیبانی و اعتماد از پیش توسط کاربر پشتیبانی می‌کند.
  • به فضاهای قاعده بزرگ که در غیر این صورت تحلیلگر را غرق می‌کنند، مقیاس‌پذیر است.

کاربردها

  • انفورماتیک بالینی: کشف هم‌وقوعی‌های دارو-رویداد نامطلوب که یک داروساز از نظر بالینی قابل قبول می‌داند.
  • تحلیل سبد خرید خرده‌فروشی: آشکار کردن فرصت‌های فروش متقابل که یک مدیر دسته بندی عملی می‌داند.
  • تولید فرضیه علمی: شناسایی الگوهای هم‌وقوعی در مجموعه داده‌های ژنومیک یا علوم اجتماعی که با شهود متخصص مطابقت دارد.
  • تشخیص تقلب: استخراج تعاملی الگوهای تراکنش که توسط یک تحلیلگر تقلب مشکوک علامت‌گذاری شده‌اند.
  • سیستم‌های توصیه‌گر: یادگیری قواعد هم‌وقوعی مورد خاص کاربر برای شخصی‌سازی توصیه‌ها.

چگونه کار می‌کند

چگونه کار می‌کند

1

یک مجموعه اولیه از قواعد انجمنی کاندید تولید می‌شود — یا به صورت جامع (به عنوان مثال، از طریق Apriori یا FP-growth تا یک آستانه شل) یا با نمونه‌برداری. این مجموعه می‌تواند در پایگاه داده‌های تراکنش با ابعاد بالا عظیم باشد، بنابراین جزء یادگیری فعال برای قابلیت پردازش حیاتی است.

2

سیستم آموزنده‌ترین قاعده کاندید را برای ارائه به کاربر انتخاب می‌کند، معمولاً با استفاده از یک تابع اکتساب مانند نمونه‌برداری عدم قطعیت، تغییر مدل مورد انتظار، یا امتیازات جذابیت ذهنی. کاربر قاعده را به عنوان جالب یا غیر جالب برچسب‌گذاری می‌کند.

3

پس از هر برچسب کاربر، سیستم مدل داخلی ترجیحات کاربر را به‌روز می‌کند — معمولاً یک مدل بیزی یا خطی که ویژگی‌های قاعده (پشتیبانی، اعتماد، لیفت، هویت مورد) که کاربر جذاب می‌یابد را ثبت می‌کند — و کاندیداهای باقی‌مانده را بر این اساس دوباره رتبه‌بندی می‌کند.

4

با استفاده از مدل ترجیحات به‌روز شده، تمام قواعد کاندید باقی‌مانده دوباره امتیازدهی می‌شوند. قواعد با امتیاز بالا برای ارائه در دورهای بعدی اولویت‌بندی می‌شوند و قواعد غالب یا شبه تکراری برای جلوگیری از نمایش مکرر الگوهای مشابه حذف می‌شوند.

5

حلقه تا زمانی ادامه می‌یابد که کاربر راضی باشد، بودجه پرسش ثابت تمام شود، یا سود مورد انتظار از پرسش‌های بیشتر به زیر یک آستانه کاهش یابد. خروجی مجموعه‌ای کوچک و منتخب از قواعد است که بر اساس علاقه پیش‌بینی شده کاربر رتبه‌بندی شده‌اند.

دام‌های رایج

  • ارائه قواعد شبه تکراری در پرسش‌های متوالی، باعث خستگی کاربر و برچسب‌های نویز می‌شود — از محدودیت‌های تنوع یا حذف افزونگی استفاده کنید.
  • نادیده گرفتن مشکل شروع سرد با ارائه قواعد پیش‌فرض معقول یا یک فاز گرم‌سازی کوتاه قبل از شروع پرسش فعال.
  • در نظر گرفتن لیست نهایی رتبه‌بندی شده به عنوان یک نتیجه معتبر آماری بدون گزارش معیارهای کیفیت قاعده استاندارد (پشتیبانی، اعتماد، لیفت).
  • مخلوط کردن امتیاز جذابیت ذهنی با اهمیت آماری عینی، که مقادیر متمایزی هستند.

پرسش‌های متداول

کاربر به چند پرسش نیاز دارد تا پاسخ دهد؟

در عمل، مطالعات گزارش می‌دهند که مدل‌های ترجیحات مفید را می‌توان با تنها ۲۰ تا ۵۰ پرسش آموخت، اگرچه بودجه به تنوع فضای قاعده و ثبات متخصص بستگی دارد.

آیا این جایگزین استخراج قواعد انجمنی استاندارد می‌شود؟

خیر. این یک مکمل است: استخراج استاندارد (Apriori، FP-growth) معمولاً برای تولید کاندیداها استفاده می‌شود و حلقه یادگیری فعال سپس آن‌ها را بر اساس ترجیحات متخصص فیلتر و رتبه‌بندی می‌کند. مجموعه کامل قواعد همچنان به صورت داخلی تولید می‌شود.

اگر متخصصان مختلف در مورد قواعد جالب اختلاف نظر داشته باشند چه؟

قواعد انجمنی یادگیری فعال یک مدل ترجیحات واحد در هر جلسه یاد می‌گیرد. هنگامی که چندین متخصص درگیر هستند، مدل‌های ترجیحات می‌توانند تجمیع شوند (به عنوان مثال، با رأی اکثریت بر روی برچسب‌ها) یا جلسات جداگانه اجرا شده و قواعد با بالاترین رتبه آن‌ها ادغام شوند.

جذابیت چگونه با اعتماد یا لیفت متفاوت است؟

اعتماد و لیفت معیارهای آماری عینی هستند که از داده‌ها قابل محاسبه‌اند. جذابیت ذهنی وابسته به کاربر است — یک قاعده می‌تواند لیفت بالایی داشته باشد اما برای یک متخصص بدیهی باشد و بنابراین غیرجالب، یا لیفت متوسطی داشته باشد اما جدید و قابل اجرا باشد.

آیا می‌توانم بدون یک متخصص برچسب‌گذار در زمان واقعی از این استفاده کنم؟

اگر برچسب‌های ترجیحات از پیش جمع‌آوری شده در دسترس باشند (به عنوان مثال، از یک جلسه قبلی)، مدل ترجیحات می‌تواند به صورت آفلاین آموزش داده شده و در حالت دسته‌ای اعمال شود، اگرچه این مزیت تطبیقی بازخورد در زمان واقعی را از دست می‌دهد.

روش‌های مرتبط

منابع

  1. Dzyuba, V., & van Leeuwen, M. (2017). Interactive Discovery of Interesting Association Rules by Subjective Interestingness. In Proceedings of the European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML PKDD). Springer.

    باز کردن مرجع انتشار
    کپی شد.
  2. Boley, M., Lucchese, C., Paurat, D., & Gartner, T. (2013). Direct Local Pattern Sampling by Efficient Two-Step Random Procedures. In Proceedings of the 19th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (pp. 582–590). ACM.

    باز کردن مرجع انتشار
    کپی شد.