제약 기반 언어로 지식 탐색하기

초록

본 논문은 패턴 마이닝과 제약 프로그래밍(CP)을 결합한 선언적 언어를 제안한다. 로컬 패턴을 조합해 전역 패턴·패턴 집합을 정의하고, 클러스터링 예제를 통해 질의의 단계적 정제 과정을 보여준다. 구현은 CP 프레임워크 위에 이루어졌다.

상세 분석

이 논문은 최근 데이터 마이닝과 제약 프로그래밍(CP) 사이의 시너지 효과에 주목한다. 기존 로컬 패턴 마이닝은 방대한 패턴 집합을 생성하지만, 사용자는 의미 있는 전역 패턴을 찾기 위해 별도의 후처리나 휴리스틱을 적용해야 하는 한계가 있었다. 저자들은 이러한 문제를 ‘제약 기반 언어’를 통해 선언적으로 해결하고자 한다. 언어 설계는 네 가지 기본 요소—상수, 변수, 연산자, 함수 심볼—로 구성된 ‘용어(term)’와, 이 용어들 위에 정의되는 수치·집합·전용 제약으로 이루어진다. 특히, freq, size, cover, overlapItems, overlapTransactions 등 데이터 마이닝에 특화된 내장 함수가 제공되어 사용자는 복잡한 패턴 관계를 간단히 표현할 수 있다.

사용자는 새로운 함수 심볼을 정의함으로써 도메인 특화 측정값(예: area = freq·size, growth‑rate 등)을 손쉽게 추가할 수 있다. 제약은 수치 비교(<, ≤ 등), 집합 포함(∈, ⊆ 등), 그리고 폐쇄성(closed), 커버링(coverTransactions), 정규화(canonical)와 같은 도메인 전용 제약으로 구분된다. 이러한 제약들을 논리 연산자 ∧, ∨ 로 결합해 ‘질의(query)’를 만든다.

논문은 클러스터링 문제를 사례로 삼아 언어의 활용성을 입증한다. 초기 질의 Q₀는 k개의 폐쇄 패턴이 전체 트랜잭션을 겹치지 않게 커버하도록 정의한다. 여기서 ‘폐쇄(closed)’ 제약은 패턴이 가능한 가장 큰 형태임을 보장하고, ‘coverTransactions’는 모든 트랜잭션이 최소 하나의 패턴에 포함됨을 강제한다. ‘overlapTransactions = 0’은 클러스터 간 중복을 방지한다. 이러한 기본 질의는 대칭 해(패턴 순열) 때문에 k! 배의 해를 생성한다. 이를 해결하기 위해 ‘canonical’ 제약을 추가해 사전 순서에 따라 패턴을 정렬함으로써 대칭을 제거한다.

그 후, 사용자는 도메인 요구에 따라 추가 제약을 삽입한다. 예를 들어, 각 패턴의 빈도(freq ≥ 2)와 크기(size ≥ 2)를 제한하면 의미 없는 소규모·희소 클러스터가 사라진다. 단계별 정제 과정을 통해 최종적으로 의미 있는 하나의 클러스터링(s₇)만이 남는다. 논문은 이와 같은 정제 흐름을 ‘질의 정제(query refinement)’라 명명하고, 이를 통해 전역 패턴·지식 발견이 직관적이고 반복 가능한 절차가 됨을 강조한다.

또한, 소프트 클러스터링, 코클러스터링 등 변형 문제도 동일한 프레임워크 내에서 ‘overlapTransactions ≤ δ’와 같은 완화 제약만 바꾸면 쉽게 모델링할 수 있음을 보여준다. 이는 기존 알고리즘이 문제마다 새로 설계되어야 하는 비효율성을 크게 감소시킨다.

전체적으로 이 논문은 (1) 패턴 마이닝을 제약 프로그래밍으로 선언적 모델링, (2) 사용자 정의 함수와 제약을 통한 높은 표현력, (3) 질의 정제를 통한 단계적 탐색 메커니즘, (4) CP 솔버에 의한 자동 해 탐색이라는 네 축을 제시한다. 이러한 접근은 데이터 분석가가 도메인 지식에 기반한 복합 패턴을 손쉽게 정의하고, 반복적인 실험을 통해 최적의 전역 패턴을 도출할 수 있게 한다.