Estudio y Diseño de Técnicas para la Extracción de Reglas de Asociación Temporales

Abstract

A lo largo de todos estos años, en los que la tecnología ha ido tomando cada vez más peso en nuestras vidas, se han ido generando gran cantidad de datos almacenados en diferentes bases de datos por todo el mundo. Este hecho ha provocado que la minería de datos sea uno de los ámbitos que mayor interés suscita en los últimos años. Y es que las técnicas de minería de datos han sido aplicadas en una gran variedad de problemas con el fi n de extraer conocimiento útil e interesante de todos los datos que cada día se van almacenando. Entre todas las técnicas de minería de datos existentes, aquellas que tratan de extraer reglas de asociación son de las más utilizadas en la actualidad, gracias a su efi cacia para la extracción de conocimiento y a su facilidad para comprenderlo. Estas técnicas permiten extraer asociaciones entre los ítems o variables almacenados en una base de datos. Por ejemplo, en una base de datos de un supermercado con información sobre las compras de los clientes, estas técnicas serían capaces de extraer asociaciones entre los productos que suelen comprarse juntos de forma frecuente (ej: fpan, lecheg Ñ fcaf eg; que equivale a: si compra pan y leche entonces también se comprara café). Las técnicas de extracción de reglas de asociación permiten la obtención de conocimiento interesante que ocurre de forma frecuente, pero otro aspecto fundamental que debemos tener en cuenta es la información temporal que tenemos en los datos. En la mayor parte de problemas reales, el conocimiento no es correcto o valido para siempre, sino que a lo largo del tiempo pueden producirse cambios que afecten a dicho conocimiento. Esos cambios pueden acabar en conocimiento que acabe siendo incorrecto o poco útil. Igualmente, podemos encontrar bases de datos en las que no se detecten ciertas relaciones porque estas se producen únicamente en ciertos intervalos de tiempo. Por ejemplo, ciertos productos solamente se venden de forma frecuente en ciertos periodos de tiempo, como los helados en verano. Por lo que la detección de asociaciones entre dichos productos no se producirá al aplicar técnicas de extracción de reglas de asociación que no tienen en cuenta el tiempo. En los últimos años, los investigadores han comenzado a darse cuenta de la importancia que tiene la componente temporal en el conocimiento que se extrae, lo que ha producido que se hayan desarrollado nuevas técnicas que tratan de incluir dicha componente en el proceso de extracción, tratando así de extraer reglas más interesantes y útiles para el usuario. Aunque el campo de extracción de reglas de asociación temporales se encuentra en pleno crecimiento, la novedad de este ámbito introduce algunos problemas. Se ha detectado la falta de un marco de trabajo bien definido, con una terminología estándar y una clasificación clara de las diferentes técnicas que podemos encontrar en la literatura especializada. En la actualidad se utilizan diferentes términos para referirse a lo mismo, lo que dificulta la búsqueda y comparación de propuestas existentes. Esto dificulta su expansión y su aplicación en diferentes problemas reales. Aun teniendo en cuenta que en los últimos años se ha producido un aumento de propuestas de técnicas de extracción de reglas de asociación temporales, muchas de ellas son técnicas basadas en algoritmos clásicos de extracción de reglas de asociación. Estos algoritmos suelen adaptarse para tener en cuenta la componente temporal de diferentes formas. El uso de técnicas clásicas adaptadas junto al uso de medidas de calidad clásicas para evaluar las reglas nos sugiere que es necesario el desarrollo de nuevas propuestas que aprovechen las bondades de los algoritmos actuales en el proceso de extracción, además del desarrollo de nuevas medidas de calidad que permitan evaluar lo interesante o útil que es una regla para el usuario en función del problema. Por todo lo anterior, en esta tesis se propone una taxonomía de dos niveles que permite clasificar las propuestas de extracción de reglas de asociación temporales existentes en la literatura, proporcionando así un marco de trabajo bien definido que permita a los investigadores conocer las propuestas existentes y detectar los problemas abiertos en los que puedan aportar nuevas soluciones. También se propone un nuevo algoritmo evolutivo multiobjetivo para extracción de reglas de asociación temporales, HAUS-rules, que hace uso de una medida de utilidad media de las reglas para guiar el proceso de búsqueda, lo que permite obtener reglas más interesantes, útiles y fáciles de comprender por el usuario. Por último, se aplica nuestra nueva propuesta en un problema bio-sanitario real para el análisis temporal sobre un estudio longitudinal in vivo de la expresión genética en tejido adiposo humano.