관계형 계산을 이용한 엔터티관계 연관 규칙

초록

본 논문은 전통적인 아이템 기반 연관 규칙을 확장하여, 관계형 데이터베이스의 객체와 그 속성 사이의 복합적인 연관성을 표현하는 엔터티‑관계 규칙을 제안한다. 안전한 도메인 관계 대수(Domain Relational Calculus) 하위 집합을 문법적으로 기반으로 하며, 새로운 지원도(support)와 신뢰도(confidence) 정의를 통해 규칙의 빈도와 확률적 특성을 정량화한다. 제시된 빈도 정의는 확률 공리와 Apriori 속성을 만족함을 증명한다.

상세 분석

이 연구는 연관 규칙 마이닝의 적용 범위를 관계형 데이터베이스 전반으로 확대한다는 점에서 의미가 크다. 기존의 전통적 연관 규칙은 트랜잭션 내 아이템 집합을 전제로 하여, 객체 간의 구조적·관계적 정보를 무시한다. 저자들은 이를 보완하기 위해 ‘엔터티‑관계 규칙(Entity‑Relationship Rule)’이라는 개념을 도입한다. 이 규칙은 두 개 이상의 엔터티(관계형 테이블의 행)와 그 속성 간의 논리적 관계를 서술하며, 이를 표현하기 위해 안전한 도메인 관계 대수( safe domain relational calculus, DR‑C) 하위 집합을 문법적으로 채택한다. 안전성 조건은 모든 변수에 대해 유한한 도메인 바인딩을 보장함으로써, 결과 집합이 실제 데이터베이스에서 계산 가능하도록 만든다.

핵심 기여는 새로운 지원도와 신뢰도 정의에 있다. 전통적 지원도는 전체 트랜잭션 중 규칙 전제가 나타나는 비율로 정의되지만, 여기서는 ‘쿼리 빈도(query frequency)’라는 개념을 도입한다. 이는 특정 DR‑C 쿼리가 반환하는 튜플 집합의 크기를 전체 가능한 튜플 조합 수로 나눈 값으로, 확률적 해석이 가능하도록 설계되었다. 신뢰도는 전제 쿼리와 결론 쿼리의 빈도 비율로 정의되며, 이는 전통적 신뢰도와 동일한 직관을 유지하면서도 관계형 스키마 전반에 적용할 수 있다.

저자들은 제안된 빈도 정의가 (1) 0 ≤ 빈도 ≤ 1, (2) 전체 사건의 합이 1, (3) 부분 집합에 대한 빈도는 상위 집합의 빈도보다 크지 않다(확률 공리) 를 만족함을 정리와 증명을 통해 보인다. 또한, Apriori 속성—즉, 어떤 규칙이 충분히 높은 지원도를 가질 경우 그 모든 부분 규칙도 최소 지원도를 만족한다—을 수학적으로 증명함으로써, 기존의 Apriori 알고리즘을 확장된 규칙 탐색에 그대로 적용할 수 있음을 보여준다.

이론적 결과 외에도, 논문은 간단한 예시 데이터베이스를 이용해 엔터티‑관계 규칙을 도출하고, 전통적 아이템 기반 규칙과 비교 분석한다. 결과는 관계형 스키마 내에서 복합적인 속성 간 상관관계를 포착할 수 있음을 시사한다. 한편, 구현 측면에서는 DR‑C 쿼리의 안전성 검증과 빈도 계산을 위한 효율적인 인덱싱·카디널리티 추정 기법이 필요함을 언급한다.

전체적으로 이 논문은 연관 규칙 마이닝을 관계형 데이터베이스의 논리적 표현 체계와 연결함으로써, 데이터 과학자와 데이터베이스 전문가가 보다 풍부한 패턴을 탐색할 수 있는 이론적 토대를 제공한다.