연관 규칙의 중복성·추론 체계와 최소 크기 기반

초록

연관 규칙의 중복을 논리적 함의 관점에서 정의하고, 기존 정의들을 두 가지 근본적 형태로 통합한다. 각 형태에 대해 완전하고 sound한 추론 체계를 제시하고, 규칙 수가 최소가 되는 완전한 베이스를 구성하는 방법을 제시한다. 또한 두 개의 부분 전제를 갖는 복합 중복성을 분석한다.

상세 분석

본 논문은 연관 규칙을 논리적 모델, 즉 데이터베이스의 각 트랜잭션을 명제 논리의 해석으로 보는 새로운 시각을 제시한다. 이 관점에서 ‘중복’은 한 규칙이 다른 규칙을 논리적으로 함의한다는 의미로 정의된다. 기존 연구에서는 신뢰도(confidence)와 지지도(support) 등 통계적 기준에 기반한 여러 중복 정의가 제안되었지만, 저자들은 이를 모두 ‘전제‑결론’ 구조의 논리적 함의 관계로 환원한다. 그 결과, 표면적으로는 서로 다른 듯 보이는 정의들이 실제로는 두 가지 기본 형태, 즉 ‘완전 신뢰도 함의’와 ‘부분 신뢰도 함의’로 구분될 수 있음을 보인다.

첫 번째 형태는 전제 규칙이 100% 신뢰도를 가질 때, 즉 전통적인 함의(implication)와 동일하게 취급한다. 두 번째 형태는 신뢰도가 임계값 이하인 부분 규칙들 사이의 함의를 다루며, 여기서는 전제와 결론 모두가 동일한 신뢰도 한계 이하일 때만 함의가 성립한다. 이러한 구분은 특히 완전 신뢰도 규칙을 어떻게 다룰 것인가에 따라 추론 체계가 달라지는 점을 명확히 한다.

각 형태에 대해 저자들은 ‘연산 규칙(deduction rules)’이라 부르는 일련의 추론 규칙을 제시한다. 이 규칙들은 전통적인 삼단논법, 교환법, 합성법 등을 포함하지만, 연관 규칙의 특수성을 반영해 신뢰도와 지지도 조건을 보존하도록 설계되었다. 특히, 전제 규칙들의 신뢰도가 동일하거나 더 높은 경우에만 결론 규칙을 도출하도록 함으로써 soundness를 확보한다. 또한, 이 체계가 완전함을 증명하기 위해 ‘베이스(base)’ 개념을 도입한다. 베이스는 모든 유효한 규칙을 도출할 수 있는 최소한의 규칙 집합을 의미한다.

저자들은 두 형태 각각에 대해 최소 크기 베이스를 구성하는 알고리즘을 제시한다. 핵심 아이디어는 ‘닫힌 집합(closed itemset)’과 ‘극대 빈발 집합(maximal frequent itemset)’을 활용해 불필요한 규칙을 제거하고, 남은 규칙들만으로 전체 함의 구조를 재구성하는 것이다. 특히, 완전 신뢰도 함의의 경우 모든 함의는 ‘키(key)’ 아이템셋에 대한 완전 함의로 환원될 수 있음을 보이며, 이를 통해 베이스의 크기를 아이템셋의 수와 동일하게 최소화한다. 부분 신뢰도 함의에서는 ‘신뢰도 한계’를 기준으로 규칙을 계층화하고, 각 계층에서 최소한의 전제 집합을 선택함으로써 전체 베이스의 크기를 이론적 하한에 도달하도록 만든다.

마지막으로, 저자들은 두 개의 부분 전제를 갖는 복합 중복성(다중 전제 함의)을 탐구한다. 여기서는 두 전제 규칙이 동시에 만족될 때 결론 규칙이 따라야 하는 조건을 분석하고, 가장 단순한 경우(전제 두 개, 결론 하나)에 대한 완전한 특성화와 추론 규칙을 제시한다. 이 결과는 다중 전제 상황에서도 동일한 추론 체계가 적용될 수 있음을 보여준다. 전체적으로, 논문은 연관 규칙의 중복성을 논리적 함의로 재정의하고, 두 가지 근본적 형태에 대해 완전하고 최소한의 추론 기반을 제공함으로써 데이터 마이닝 이론에 중요한 기여를 한다.