多次元正規近似に基づく例外知識の発見

• Item type: Journal(1)
• 公開日: 1998-08-15
• タイトル: 多次元正規近似に基づく例外知識の発見
• タイトル / 言語: en
• タイトル: Discovery of Exception Knowledge Based on Multi - dimensional Normal Approximations
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 論文
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• その他タイトル / その他のタイトル: 知識処理
• 著者所属: 横浜国立大学工学部電子情報工学科
• 著者所属(英): en
• 著者所属(英): Division of Electrical and Computer Engineering, Faculty of Engineering, Yokohama National University
• 著者名: 鈴木, 英之進
• 著者名(英): Einoshin, Suzuki
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本論文では，データ集合から信頼性が高い例外知識を発見するアルゴリズムを提案する．例外知識は，よく知られている事実とは異なるパターンと定義され，発見が困難であるが意外性を示し非常に有用となる場合がある．この種の知識を発見する従来の手法では，データ集合から発見された知識の信頼性が評価されていなかった．しかし，このような評価は，信頼性が高い知識と偶然に成立したパターンを，発見システムのユーザに労力をかけることなく区別するためには必要不可欠である．この問題に対処するために，統計的推定手法に基づいて，例外知識と対応する常識知識を，ルールペアの形式で得る手法を提案する．この手法は，多項分布の多次元正規近似に基づいて，一般性，意外性およびデータへの適合度などのすべての条件を確実に満たすルールペアを発見する．発見過程に要する計算時間は，新しく提案する停止条件によって短縮されている．この手法を知識発見システムPEDREとして実装し，実験によってその有効性を確認している．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: This paper presents an algorithm for discovering exception knowledge from data sets.A piece of exception knowledge,which is defined as a deviational pattern to a well-known fact,exhibits unexpectedness and is sometimes extremely useflu in spite of its obscurity.Previous discovery approaches for this type of knowledge have neglected the problem of evaluating the reliability of the knowledge extracted from a data set.It is clear,however,that this question is mandatory in distinguishing reliable knowledge from unreliable patterns without annoying the users.In order to circumvent these difficulties we propose a probabilistic estimation approach in which we obtain a piece of exception knowledge associated with a piece of commonsense knowledge in the form of a rule pair.Our approach discovers,based on the normal approximations of the multinomial distributions,rule pairs which satisfy,with high confidence,all the conditions such as the simplicity,the unexpectedness and the goodness-of-fit to the data.The time efficiency of the discovery process is improved by the newly-derived stopping criteria.PEDRE,which is a knowledge discovery system based on our approach,has been validated using the benchmark data sets in the machine learning community.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 39, 号 8, p. 2403-2412, 発行日 1998-08-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764