The KIPS Transactions:PartD (정보처리학회논문지D)

Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Mining Association Rule for the Abnormal Event in Data Stream Systems

데이터 스트림 시스템에서 이상 이벤트에 대한 연관 규칙 마이닝

  • 김대인 (전남대학교 전자컴퓨터정보통신공학부) ;
  • 박준 (전남대학교 전산학과) ;
  • 황부현 (전남대학교 전자컴퓨터정보통신공학부)
  • Published : 2007.08.31
Download PDF
⟨ Previous Next ⟩

Abstract

Recently mining techniques that analyze the data stream to discover potential information, have been widely studied. However, most of the researches based on the support are concerned with the frequent event, but ignore the infrequent event even if it is crucial. In this paper, we propose SM-AF method discovering association rules to an abnormal event. In considering the window that an abnormal event is sensed, SM-AF method can discover the association rules to the critical event, even if it is occurred infrequently. Also, SM-AF method can discover the significant rare itemsets associated with abnormal event and periodic event itemsets. Through analysis and experiments, we show that SM-AF method is superior to the previous methods of mining association rules.

최근에 데이터 스트림을 분석하여 잠재되어 있는 지식을 발견하기 위한 마이닝 방법에 대한 연구가 진행되고 있다. 그러나 대부분의 지지도 기반의 마이닝 방법들은 일정 주기 동안에 미리 정의된 지지도 이상의 발생 빈도를 갖는 이벤트만을 고려함으로써 발생 빈도에 비하여 중요도가 높은 이벤트를 간과하는 문제점을 가지고 있다. 본 논문에서는 이상 이벤트에 대한 연관 규칙을 탐사할 수 있는 SM-AF 방법을 제안한다. SM-AF 방법은 이상 이벤트가 감지된 윈도우만 고려하여 연관 정보를 탐사함으로써 자주 발생하지 않더라도 중요도가 높은 이벤트에 대한 연관 정보를 탐사할 수 있다. 또한 SM-AF 방법은 이상 이벤트에 대한 의미 있는 희소 항목 집합과 주기적인 이벤트 집합도 탐사한다. 그리고 다양한 실험을 통하여 SM-AF 방법이 기존의 연관 규칙 방법들에 비하여 우수함을 확인하였다.

Keywords

References

  1. B. Brian, S. Babu, M. Datar, R. Motwani, and J, Widom, 'Models and Issues in Data Stream Systems,' In Proc. of PODS, March, 2002 https://doi.org/10.1145/543613.543615
  2. D. Kifer, S. Ben-David, and J Gehrke, 'Detecting in Data Streams,' In Proc. of VLDB, pp.180-191, 2004
  3. M. M. Gaber, A. Zaslavsky, and S. Krishnaswamy, 'Mining Data Streams: A Review,' SIGMOD Record, Vol.34, No.2, pp.18-26, June, 2005 https://doi.org/10.1145/1083784.1083789
  4. L. Cohen, G. Avrahami-Bakish, M. Last, A. Kandel, and O. Kipersztok, 'Real-time data mining of non-stationary data streams from sensor networks,' Information fusion, pp.1-10, 2005 https://doi.org/10.1016/j.inffus.2005.05.005
  5. J Chang, and W. Lee, 'Finding frequent itemsets over data streams,' Information and Software Technology. pp.606-618, 2006 https://doi.org/10.1016/j.infsof.2005.06.004
  6. J. Pei, J. Han, B. Mortazavi-Asl, J. Wang, H. Pinto, Q. Chen, U. Dayal, and M. Hsu, 'Mining Sequential Patterns by Pattern-Growth; The PrefixSpan Approach,' IEEE Transactions on Knowledge and Data Engineering, Vo1.16, No.11, Nov., 2004 https://doi.org/10.1109/TKDE.2004.77
  7. G. Chen, X. Wu, and X. Zhu, 'Mining Sequential Patterns Across Data Streams,' Univ, of Vermont Computer ScienceTechnical Report(CS-05-04), March, 2005
  8. H. Han, H. Ryoo, and H. Patrick, 'An Infrastructure of Stream Data Mining, Fusion and Management for Monitored Patients,' In Proc. of 19th IEEE International Symposium on CBMS 2006, pp.461-468, June, 2006 https://doi.org/10.1109/CBMS.2006.39
  9. K Kuramitsu, 'Finding Periodic Outliers over a Monogenetic Event System,' In Proc. of UDM05, pp.97-104, April 2005 https://doi.org/10.1109/UDM.2005.9
  10. H. Li, S. Lee, and M. Shan, 'Online Mining (Recently) Maximal Frequent Itemsets over Data Streams,' In Proc. of RIDESDMA' 05, pp.11-18, April ,2005 https://doi.org/10.1109/RIDE.2005.13
  11. H.Yun, D. Ha, B. Hwang, and K. Ryu, 'Mining association rules on significant rare data using relative support,' The Journal of Systems and Software, pp.181-191, 2003 https://doi.org/10.1016/S0164-1212(02)00128-0
  12. 김대인, 박중, 김흥기, 황부현 '다차원 스트림 데이터의 연관규칙 탐사 기법,' 정보처리학회 논문지 D 제13-D권 제 6호, pp. 765-774, 2006 https://doi.org/10.3745/KIPSTD.2006.13D.6.765
  13. 한승철, 강현철, XML 스트림 데이터에 대한 연속 질의 처리 시스템,' 정보처리학회 논문지 D 제11-D권 제 7호, pp. 1375-1384, 2004

Cited by

  1. The Development of Temporal Mining Technique Considering the Event Change of State in U-Health vol.18D, pp.4, 2011, https://doi.org/10.3745/KIPSTD.2011.18D.4.215
  2. Discovering Temporal Relation Considering the Weight of Events in Multidimensional Stream Data Environment vol.10, pp.2, 2010, https://doi.org/10.5392/JKCA.2010.10.2.099