Spatial Association

1
Spatial Association
2
Spatial Association Rule

• X ? Y
• P1 ? .. ? Pm ? Q1 ? .. ? Qn (c)
• Los predicaat 1-predicate
• Set van P1 t/m Pk k-predicate

3
Support confidence

• sup(X ? Y)
• de kans dat de implicatie voorkomt in de dataset
• conf(X ? Y) sup(X ? Y) / sup(X)

4
Sterkte van een regel

• Sterk relaties in een regel komen vaker voor
• Sterk hoge support en confidence
• maar hoe hoog?

5
Minimum support/confidence

• Input voor mining algoritme
• Voor elk niveau in de hiërarchie
• minsupl
• minconfl

6
Voorbeelden (1)

• Spatial antecedenten, non-spatial consequent
• is_a(x, house) ? close_to(x, beach) ?
  is_expensive(x) (85)

7
Voorbeelden (2)

• (Non)-spatial antecedenten, spatial consequent
• is_a(x, gas_station) ? close_to(x, highway)
  (50)

8
Voorbeelden (3)

• Combineren van support confidence
• is_a(A, large_town) ? intersects(A,B) ?
  adjacent_to(A, C) ? is_a(B,motorway), C!B,
  is_a(C,sea) (36,80

9
Hiërarchieën (1)

• Data structureren in spatial hierarchy
• Efficiënter
• Processing gaat top-down
• Progressief zoeken
• (road (national_highway (A27, A2, ),
  provincial_highway (N238, N235, ), city_street
  (Oudegracht, Heidelberglaan, ), ), )

10
Hiërarchieën (2)
water
river
sea
lake
Rijn
Large lake
Noordzee
Waddenzee
IJsselmeer
11
ILP Algoritme (1)

• Gebaseerd op ILP
• Inductive Logic Programming
• feature extraction om een deductive database te
  krijgen
• Logische variant van relational database

12
ILP Algoritme (2)

• Spatial observations
• OAmsterdam Amsterdamis_a(Amsterdam,
  large_town)intersects(Amsterdam,
  A2)intersects(Amsterdam, A10)close_to(Amsterdam,
  Schiphol)

13
ILP Algoritme (3)

• OSchiphol Amsterdamis_a(Schiphol,
  airport)intersects(Schiphol, A4)
• Os Oss ? Oris

14
ILP Algoritme (4)

• Twee subproblemen
• Find large/frequent spatial patterns
• Generate strong spatial association rules
• Prunen

15
Algoritme 2 (1)

• Vindt sterke multi-level spatial association
  rules
• Beperking zoekruimte
• Relevant object set
• Concept hierarchies
• minsup/minconf

16
Algoritme 2 (2)

• Predicaten berekenen op hoog niveau (lage
  resolutie)
• Prunen adhv minsup1
• Overblijvende predicaten berekenen op lagere
  niveaus

17
Algoritme 2 (3)

• Alle k-predicates (voor alle ks) berekenen
• Prunen adhv minconfl

18
Conclusie

• Veel problemen
• Schaalbaarheid
• Ontbrekende data
• Nog veel user input nodig
• O.a. minsup/minconf
• Aantal oplossingen
• Maar niet eenduidig