กฎความสัมพันธ์แบบเรียนรู้เชิงรุก
- ผู้เสนอ
- Dzyuba, V. & van Leeuwen, M.; Boley, M. et al.
- ปี
- 2010s
- ประเภท
- Interactive pattern mining
- กลุ่มวิธี
- Machine learning
ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ
ใช้ทำอะไร?
กฎความสัมพันธ์แบบเรียนรู้เชิงรุกเป็นการรวมวงวนการสอบถามและติดป้ายกำกับซ้ำ ๆ ของการเรียนรู้เชิงรุกเข้ากับการทำเหมืองกฎความสัมพันธ์ ซึ่งช่วยให้ผู้เชี่ยวชาญที่เป็นมนุษย์สามารถนำทางกระบวนการค้นพบได้อย่างโต้ตอบ แทนที่จะแจกแจงกฎทั้งหมดที่อยู่เหนือเกณฑ์ความเชื่อมั่นของส่วนสนับสนุนที่กำหนดไว้ ระบบจะเลือกผู้สมัครกฎที่มีข้อมูลมากที่สุดและขอให้ผู้ใช้ตัดสินความน่าสนใจของกฎเหล่านั้น โดยมุ่งเน้นการค้นหาไปที่รูปแบบที่มีประโยชน์ในเชิงอัตวิสัย
แนวคิดเบื้องหลังวิธีการ
การทำเหมืองกฎความสัมพันธ์แบบมาตรฐานจะท่วมผู้ใช้ด้วยกฎนับพันที่อยู่เหนือเกณฑ์ส่วนสนับสนุนขั้นต่ำ ซึ่งส่วนใหญ่ซ้ำซ้อนหรือไม่เกี่ยวข้อง การเรียนรู้เชิงรุกจะพลิกกลับสิ่งนี้: อัลกอริทึมจะนำเสนอเฉพาะกฎผู้สมัครที่มีความไม่แน่นอนหรือน่าประหลาดใจที่สุดแก่ผู้เชี่ยวชาญที่เป็นมนุษย์ รวบรวมข้อเสนอแนะว่าแต่ละกฎน่าสนใจหรือไม่ และอัปเดตแบบจำลองความชอบของผู้ใช้หลังจากการสอบถามแต่ละครั้ง ในรอบที่ต่อเนื่องกัน อัลกอริทึมจะเรียนรู้ที่จะแยกแยะกฎที่นักวิเคราะห์สนใจออกจากสัญญาณรบกวน ซึ่งช่วยลดพื้นที่การค้นหาลงอย่างมากและแสดงรูปแบบที่นำไปใช้ได้จริงอย่างมีประสิทธิภาพมากกว่าการแจกแจงทั้งหมด
ประวัติศาสตร์
กฎความสัมพันธ์แบบเรียนรู้เชิงรุกเกิดขึ้นในทศวรรษ 2010 เพื่อตอบสนองต่อปัญหาการระเบิดของกฎที่เป็นที่รู้จักกันดีในการทำเหมืองกฎความสัมพันธ์ งานของ Boley และคณะเกี่ยวกับการสุ่มตัวอย่างรูปแบบโดยตรง (2013) และของ Dzyuba และ van Leeuwen เกี่ยวกับความน่าสนใจเชิงอัตวิสัย (2017) ได้สร้างกรอบการทำงานที่เป็นทางการสำหรับการสอบถามความชอบของผู้ใช้เพื่อนำทางการค้นพบกฎ วิธีการนี้ดึงมาจากงานวิจัยการทำเหมืองข้อมูลแบบโต้ตอบก่อนหน้านี้และเชื่อมโยงกับวรรณกรรมด้านการเรียนรู้เชิงรุกที่กว้างขึ้นซึ่งริเริ่มโดย Cohn, Atlas, และ Ladner (1994)
ควรใช้เมื่อใด
ใช้กฎความสัมพันธ์แบบเรียนรู้เชิงรุกเมื่อฐานข้อมูลธุรกรรมมีขนาดใหญ่ จำนวนกฎที่อยู่เหนือเกณฑ์ไม่สามารถจัดการได้ (หลายพันถึงหลายล้าน) และมีผู้เชี่ยวชาญเฉพาะด้านพร้อมที่จะให้ข้อเสนอแนะแบบวนซ้ำในระหว่างเซสชันการทำเหมืองข้อมูล มีคุณค่าอย่างยิ่งในบริบทของการค้นพบความรู้ — สารสนเทศคลินิก การวิเคราะห์ตะกร้าสินค้าปลีก หรือการสร้างสมมติฐานทางวิทยาศาสตร์ — ที่ความเกี่ยวข้องเชิงอัตวิสัยมีความสำคัญเท่ากับนัยสำคัญทางสถิติ อย่าใช้เมื่อไม่มีผู้เชี่ยวชาญแบบโต้ตอบ เมื่อต้องการชุดกฎทั้งหมดสำหรับการทำงานอัตโนมัติปลายน้ำ หรือเมื่อฐานข้อมูลธุรกรรมมีขนาดเล็กมากจนการแจกแจงทั้งหมดเป็นเรื่องเล็กน้อย
ข้อจำกัดและข้อควรพิจารณา
- ต้องมีผู้เชี่ยวชาญที่เป็นมนุษย์แบบโต้ตอบตลอดเซสชัน ซึ่งไม่สามารถทำได้จริงสำหรับระบบอัตโนมัติเต็มรูปแบบ
- คุณภาพของผลลัพธ์ขึ้นอยู่กับความสอดคล้องและความรู้เฉพาะด้านของผู้เชี่ยวชาญที่ติดป้ายกำกับอย่างมาก
- ปัญหา Cold-start: แบบจำลองความชอบไม่มีข้อมูลในช่วงเริ่มต้น ดังนั้นการสอบถามเบื้องต้นอาจไม่ตรงเป้าหมาย
- วิธีการนี้ยังไม่เป็นที่ยอมรับเท่าการทำเหมืองกฎความสัมพันธ์แบบกลุ่ม โดยมีการใช้งานสำเร็จรูปน้อยกว่า
- การประเมินเป็นเรื่องส่วนตัวโดยเนื้อแท้และยากที่จะเปรียบเทียบกับวิธีการทางสถิติล้วน ๆ
เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้
จุดแข็ง
- ลดจำนวนกฎที่ผู้ใช้ต้องตรวจสอบลงอย่างมากโดยมุ่งเน้นการค้นหาไปที่รูปแบบที่น่าสนใจในเชิงอัตวิสัย
- ปรับให้เข้ากับความชอบของนักวิเคราะห์แต่ละคน แทนที่จะกำหนดมาตรวัดความน่าสนใจที่เป็นสากล
- รวมเข้ากับตัวทำเหมืองกฎพื้นฐานใด ๆ ได้ดี (Apriori, FP-growth, การสุ่มตัวอย่างแบบสุ่ม) ในฐานะขั้นตอนการสร้างผู้สมัคร
- สนับสนุนการสำรวจแบบวนซ้ำโดยไม่ต้องให้ผู้ใช้ระบุเกณฑ์ส่วนสนับสนุนและความเชื่อมั่นล่วงหน้า
- ปรับขนาดได้กับพื้นที่กฎขนาดใหญ่ที่อาจทำให้ผู้เชี่ยวชาญท่วมท้น
การประยุกต์ใช้
- สารสนเทศคลินิก: การค้นพบการเกิดร่วมกันของยา-เหตุการณ์ไม่พึงประสงค์ที่เภสัชกรตัดสินว่ามีความเป็นไปได้ทางคลินิก
- การวิเคราะห์ตะกร้าสินค้าปลีก: การค้นหาโอกาสในการขายพ่วงที่ผู้จัดการหมวดหมู่พบว่านำไปใช้ได้จริง
- การสร้างสมมติฐานทางวิทยาศาสตร์: การระบุรูปแบบการเกิดร่วมกันในชุดข้อมูลจีโนมิกส์หรือสังคมศาสตร์ที่ตรงกับสัญชาตญาณของผู้เชี่ยวชาญ
- การตรวจจับการฉ้อโกง: การทำเหมืองรูปแบบธุรกรรมที่ถูกตั้งค่าสถานะว่าน่าสงสัยโดยนักวิเคราะห์การฉ้อโกงแบบโต้ตอบ
- ระบบแนะนำ: การเรียนรู้กฎการเกิดร่วมกันของรายการเฉพาะผู้ใช้เพื่อปรับแต่งคำแนะนำ
วิธีการทำงาน
วิธีการทำงาน
มีการสร้างกลุ่มเริ่มต้นของกฎความสัมพันธ์ที่เป็นผู้สมัครขึ้นมา — ไม่ว่าจะโดยการแจกแจงทั้งหมด (เช่น ผ่าน Apriori หรือ FP-growth จนถึงเกณฑ์ที่หลวม) หรือโดยการสุ่มตัวอย่าง กลุ่มนี้อาจมีขนาดใหญ่มากในฐานข้อมูลธุรกรรมที่มีมิติสูง ดังนั้นองค์ประกอบการเรียนรู้เชิงรุกจึงมีความสำคัญต่อการจัดการ
ระบบจะเลือกกฎผู้สมัครที่มีข้อมูลมากที่สุดเพื่อนำเสนอต่อผู้ใช้ โดยทั่วไปจะใช้ฟังก์ชันการได้มาซึ่งข้อมูล เช่น การสุ่มตัวอย่างความไม่แน่นอน การเปลี่ยนแปลงแบบจำลองที่คาดหวัง หรือคะแนนความน่าสนใจเชิงอัตวิสัย ผู้ใช้จะติดป้ายกำกับกฎว่าน่าสนใจหรือไม่น่าสนใจ
หลังจากการติดป้ายกำกับของผู้ใช้แต่ละครั้ง ระบบจะอัปเดตแบบจำลองภายในของความชอบของผู้ใช้ — โดยทั่วไปคือแบบจำลอง Bayesian หรือเชิงเส้นที่จับคุณลักษณะของกฎ (ส่วนสนับสนุน, ความเชื่อมั่น, ลิฟต์, เอกลักษณ์ของรายการ) ที่ผู้ใช้พบว่าน่าสนใจ — และจัดอันดับผู้สมัครที่เหลือใหม่ตามนั้น
เมื่อใช้แบบจำลองความชอบที่อัปเดตแล้ว กฎผู้สมัครที่เหลือทั้งหมดจะถูกให้คะแนนใหม่ กฎที่มีคะแนนสูงจะได้รับความสำคัญในการนำเสนอในรอบถัดไป และกฎที่ถูกครอบงำหรือเกือบซ้ำกันจะถูกตัดออกเพื่อหลีกเลี่ยงการแสดงรูปแบบที่คล้ายกันซ้ำ ๆ
วงวนจะดำเนินต่อไปจนกว่าผู้ใช้จะพอใจ งบประมาณการสอบถามที่กำหนดไว้หมดลง หรือผลประโยชน์ที่คาดว่าจะได้รับจากการสอบถามเพิ่มเติมลดลงต่ำกว่าเกณฑ์ ผลลัพธ์ที่ได้คือชุดกฎขนาดเล็กที่ได้รับการคัดสรรซึ่งจัดอันดับตามความสนใจของผู้ใช้ที่คาดการณ์ไว้
ข้อผิดพลาดที่พบบ่อย
- การนำเสนอฎที่เกือบซ้ำกันในการสอบถามที่ต่อเนื่องกัน ทำให้ผู้ใช้เหนื่อยล้าและมีป้ายกำกับที่มีสัญญาณรบกวน — ใช้ข้อจำกัดด้านความหลากหลายหรือการตัดทอนความซ้ำซ้อน
- การละเลยปัญหา cold-start โดยไม่ให้กฎเริ่มต้นที่สมเหตุสมผลหรือช่วงวอร์มอัพสั้น ๆ ก่อนที่จะเริ่มการสอบถามเชิงรุก
- การถือว่ารายการที่จัดอันดับสุดท้ายเป็นผลลัพธ์ที่ได้รับการตรวจสอบทางสถิติโดยไม่ได้รายงานเมตริกคุณภาพกฎมาตรฐาน (ส่วนสนับสนุน, ความเชื่อมั่น, ลิฟต์) ด้วย
- การรวมคะแนนความน่าสนใจเชิงอัตวิสัยเข้ากับนัยสำคัญทางสถิติเชิงวัตถุประสงค์ ซึ่งเป็นปริมาณที่แตกต่างกัน
คำถามที่พบบ่อย
ผู้ใช้ต้องตอบคำถามกี่ข้อ?
ในทางปฏิบัติ การศึกษาพบว่าแบบจำลองความชอบที่เป็นประโยชน์สามารถเรียนรู้ได้ด้วยการสอบถามเพียง 20 ถึง 50 ครั้ง แม้ว่างบประมาณจะขึ้นอยู่กับความหลากหลายของพื้นที่กฎและความสอดคล้องของผู้เชี่ยวชาญ
สิ่งนี้มาแทนที่การทำเหมืองกฎความสัมพันธ์แบบมาตรฐานหรือไม่?
ไม่ มันเป็นส่วนเสริม: การทำเหมืองแบบมาตรฐาน (Apriori, FP-growth) มักใช้เพื่อสร้างผู้สมัคร และวงวนการเรียนรู้เชิงรุกจะกรองและจัดอันดับผู้สมัครเหล่านั้นตามความชอบของผู้เชี่ยวชาญ ชุดกฎทั้งหมดจะยังคงถูกสร้างขึ้นภายใน
จะเกิดอะไรขึ้นหากผู้เชี่ยวชาญที่แตกต่างกันไม่เห็นด้วยกับกฎที่น่าสนใจ?
กฎความสัมพันธ์แบบเรียนรู้เชิงรุกจะเรียนรู้แบบจำลองความชอบเดียวต่อเซสชัน เมื่อมีผู้เชี่ยวชาญหลายคน แบบจำลองความชอบสามารถรวมเข้าด้วยกันได้ (เช่น โดยการลงคะแนนเสียงข้างมากเหนือป้ายกำกับ) หรือสามารถเรียกใช้เซสชันแยกต่างหากและรวมกฎที่จัดอันดับสูงสุดเข้าด้วยกัน
ความน่าสนใจแตกต่างจากความเชื่อมั่นหรือลิฟต์อย่างไร?
ความเชื่อมั่นและลิฟต์เป็นมาตรวัดทางสถิติเชิงวัตถุประสงค์ที่สามารถคำนวณได้จากข้อมูล ความน่าสนใจเชิงอัตวิสัยขึ้นอยู่กับผู้ใช้ — กฎอาจมีลิฟต์สูงแต่ชัดเจนอย่างไม่น่าเชื่อสำหรับผู้เชี่ยวชาญและดังนั้นจึงไม่น่าสนใจ หรือมีลิฟต์ปานกลางแต่แปลกใหม่และนำไปใช้ได้จริง
ฉันสามารถใช้สิ่งนี้โดยไม่มีผู้เชี่ยวชาญด้านการติดป้ายกำกับแบบเรียลไทม์ได้หรือไม่?
หากมีป้ายกำกับความชอบที่รวบรวมไว้ล่วงหน้า (เช่น จากเซสชันก่อนหน้า) แบบจำลองความชอบสามารถฝึกอบรมแบบออฟไลน์และนำไปใช้ในโหมดกลุ่มได้ แม้ว่าจะสูญเสียประโยชน์ของการปรับตัวของข้อเสนอแนะแบบเรียลไทม์ไป
วิธีการที่เกี่ยวข้อง
แหล่งอ้างอิง
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.
เปิดเอกสารอ้างอิงสิ่งพิมพ์คัดลอกแล้วBoley, 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.
เปิดเอกสารอ้างอิงสิ่งพิมพ์คัดลอกแล้ว