Temporale Aspekte des Data Mining - diko-project.de

Die Berechnung der 1er-Sequenzen erfolgt mit einem Datenbankscan. Für jedesItem wird die erwähnte ctid-Liste angelegt, in den Speicher geladen und die Unterstützunggezählt. Das Sequenz-Template hat logischerweise den Wert 0. ZurErmittlung der 2er-Sequenzen wird an Hand ihrer Schnittmengen die Häufigkeitberechnet. In diesem Falle wird kurzer Hand auch das horizontale Datenschemaverwendet, um die Datenbankoperationen in diesem Schritt so gering wie möglichzu halten. Um nun die k-Sequenzen zu ermitteln, werden die häufigen Sequenzenauf Äquivalenz-Klassen verteilt, so dass die unterschiedlichen Klassen unabhängigvon einander verwendet werden können. Die Klassen werden nun in absteigenderReihenfolge bearbeitet, um das beschneiden der Kandidaten zu erleichtern. Zu Beginnenthält jede Klasse die 2er-Sequenzen bis dann im nächsten Schritt iterativdie Kandidaten für die nächste Stufe ermittelt werden. Jede Klasse erstellt dabeieine Menge neuer Klassen, die zum Schluss in eine Klasse mit dem neuen Index kverschmolzen werden. Dieser Vorgang stoppt erst dann, wenn alle häufigen Klassen- und damit auch die Sequenzen - generiert wurden.5.4 Analyse zeitlicher AssoziationsregelnZum Abschluss der temporalen Datenanalyse soll noch kurz auf die Ermittlung temporalerAssoziationsregeln eingegangen werden. Die folgenden Ausführungen orientierensich dabei an die Arbeit von Chris P. Rainsford [Rai99].Wie bereits im Kapitel der zeitlichen Assoziationsregeln erläutert (siehe 4.2), handeltes sich hierbei um eine Erweiterung der bekannten Assoziationsregeln, die Zusammenhängezwischen Items innerhalb einer Transaktion beschreiben. Wenn mansich allerdings das praktische Beispiel eines Shops vor Augen führt, wo ein Kunde inder Regel mehrere Transaktionen bzw. Einkäufe vornimmt, wird klar, dass Zusammenhängemit einem zeitlichen Horizont zusätzliche Informationen liefern können.Eine Regel wird mitX ⇒ Y ∧ P 1 ∧ P 2 · · · ∧ P n (31)notiert. X und Y sind bestimmte Attribute während P für ein Prädikat steht. DiePrädikate entsprechen Allens Taxonomie (siehe Abbildung 4) und können beliebigverknüpft werden. Rainsford verwendet darüberhinaus Konfidenzfaktoren c und tc,die für die Konfidenz der Regel bzw. des jeweiligen Prädikats gelten.Bei Allens Taxonomie gibt es dreizehn zeitliche Beziehungen, aber keine Verallgemeinerungen.In [Rai99] wird deshalb darüberhinaus die Generalisierung von Freksa[Fre91] verwendet, was den Vorteil hat, dass zusätzliche, verallgemeinernde Regelngefunden werden können.Der Vorgang der Analyse wird in vier Phasen eingeteilt. In der ersten Phase werdenauf herkömmlichen Wege alle Assoziationsregeln in den vorhanden Daten gesucht.Um Zusammenhänge auch über den Rahmen einer einzelnen Transaktion hinauszu finden, werden die Transaktionen eines jeden Kunden dabei in ein gemeinsamesItemset überführt. Dies hat zur Folge, dass die 1. Normalform gebrochen werdenmuß und in einem Tupel jeweils ein Kunde mit allen zugehörigen Items verbleibt.Dabei erhalten temporale Attribute eine besondere Berücksichtigung in dem diedazugehörigen Zeitpunkte und Intervalle ebenfalls gespeichert werden.Nicht-temporale Items werden in dieser Phase entfernt, da sie nicht Teil einer zeitlichenBeziehung sein können.Erst wenn die nicht-temporalen Regeln aufgestellt sind, wird unter denen, die diegewünschte Unterstützung erreichen, die Kandidatenliste für die temporalen Regelnerstellt.In der zweiten Phase werden alle zeitlichen Beziehungen gesucht. Besteht eine Regeldabei aus z.B. drei Items müssen Beziehungen zwischen allen drei Items untersucht24