PG402
RDT/DB
24.10.2001
RDT/DB
Rule Discovery Tool
Wissensentdeckung
in SQL-Datenbanken
Boris Shulimovich
1/20
RDT/DB
PG402
24.10.2001
Übersicht
1. KDD-Motivation
2. ILP-Crashkurs
3. ILP-Werkzeug RDT
4. RDT/DB
Boris Shulimovich
2/20
RDT/DB
PG402
24.10.2001
Wissensentdeckung in Datenbanken
Knowledge Discovery in Databases (KDD)
• Untersuchen von unübersichtlichen Datensammlungen nach
Regularitäten bzw. finden von allen gültigen und interessanten Regeln
• Ausgabe von verständlichen Regeln (nicht nur einfache Statistiken)
• Hypothesen für gültige Regeln vom System selbst ausgestellt [Morik 98]
Anwendung
Human
User
Datenbank
Entdeckungsmethode
Suche / Auswertung
Dict
A
Entdecktes
Wissen
B
Bereichswissen
Abb.:Architektur eines prototypischen Entdeckungslernsystems für Datenbanken [Frawley et al 92]
Boris Shulimovich
3/20
PG402
RDT/DB
24.10.2001
KDD Anwendungsbeispiele









Medizin: Nebenwirkungen von Medikamenten
Finanzwirtschaft: Vorhersagen für den Aktienmarkt
Sozialwissenschaft: Trendanalyse bei Wahlen
Marketing: Identifikation von Personengruppen mit ungewöhnlichem
Kaufverhalten
Versicherungen: Entdeckung von exzessiven und betrügerischen
Ansprüchen
Physik: Erforschung von Supraleitern
Militär: (geheim) 
Verbrecherbekämpfung: Abgleich von Fingerabdrücken
Raumfahrt: Suche nach außerirdischen Intelligenz
Boris Shulimovich
4/20
RDT/DB
PG402
24.10.2001
Logikorientiertes induktives Lernen (ILP)
Crashkurs, Teil 1
ILP (inductive logik programming) ist gemeinsames Forschungsgebiet des
maschinellen Lernens und logischen Programmierens [Muggleton 92].
Begriffslernen bzw. Regellernen (Wissensentdeckung) erfolgt durch Induktion
von prädikatenlogischen Formeln aus Beispielen unter Einbeziehung von
Hintergrundwissen.
Lernen aus Beispielen kann als Suche im Hypothesenraum, geordnetem nach
Generalisierungsrelation (Allgemeinheit), betrachtet werden [Mitchell 82].
Aussagenlogischer (attribut-orientierter) Repräsentationsformalismus:
• endlicher Hypothesenraum
+ effiziente Lernprogramme
• wenige Generalisierungen jeder Hypothese - keine Objektrelationen
⇒ Es können keine relationalen Begriffe gelernt werden.
Prädikatenlogischer Repräsentationsformalismus erster Ordnung:
• unendlicher Hypothesenraum
+ Objektrelationen möglich
• schlechte Generalisierungseigenschaften
- ineffizient
⇒ Einschränkungen notwendig, um rel. Begriffe effizient lernen zu können.
Boris Shulimovich
5/20
RDT/DB
PG402
24.10.2001
Logikorientiertes induktives Lernen (ILP)
Crashkurs, Teil 2
Generalisierung (bzw. Spezialisierung) ist eine partielle Ordnungsrelation auf
Literalen bzw. Klauseln.
Form
Polygon
Konvexes Polygon
Dreieck
Konvexes Viereck
Parallelogramm
Sonstige Form
Nicht-Konvexes Polygon
Konvexes Fünfeck
Nicht-Paralleles Konvexes Viereck
Abb.: Beispiel eines Generalisierungsbaumes [Herrmann 94]
Def.: Eine Klausel C1 ist genereller als eine andere Klausel C2 bzgl. einer
Theorie B, gdw. gilt:
B,C1 ⊨ C2.
Boris Shulimovich
6/20
RDT/DB
PG402
24.10.2001
Logikorientiertes induktives Lernen (ILP)
Crashkurs, Teil 3
Logische Folgerung zwischen Klauseln ist im allgemeinen nicht entscheidbar.
⇒ Ein schwächeres Generalisierungsmodell ist erforderlich.
Logische Folgerung gilt immer, wenn -Subsumtion gilt, umgekehrt aber nicht.
Def.: Eine Klausel C1 ist genereller als eine andere Klausel C2, gdw. gilt:
C1 subsumiert C2 (C1 ≥ C2).
Def.: -Subsumtion:
C1 ≥ C2 gdw. C1  C2,
 ist eine geeignete Substitution.
Bsp.: weiblich (X)  mutter (X,Z) ≥
mit  = {Z/Y}.
weiblich (X)  mutter (X,Y), tochter (X,Z)
Def.: Äquivalenz unter -Subsumtion:
C1 ≡ C2 gdw. C1 ≥ C2 und C2 ≥ C1.
Boris Shulimovich
7/20
RDT/DB
PG402
24.10.2001
Logikorientiertes induktives Lernen (ILP)
Crashkurs, Teil 4
Def.: Eine Klausel C1 ist echt genereller als eine andere Klausel C2, gdw. gilt:
C1 ≥ C2 und (C1 ≡ C2).
Def.: Ein Literal L einer Klausel C ist redundant unter -Subsumtion gdw. gilt:
C ≥ C \ {L}.
Def.: Eine Klausel C ist reduziert gdw. sie keine redundanten Literale enthält.
{weiblich (X), mutter (X,Z), mutter (X,Y)}
≥
{weiblich (X), mutter (X,Y), tochter (X,Z)}
mit  = {Z/Y}.
Bsp.:
mutter(X,Y)
tochter(X,Y)
Abb.: Objektmengen
Boris Shulimovich
8/20
RDT/DB
PG402
24.10.2001
Logikorientiertes induktives Lernen (ILP)
Crashkurs, Teil 5
Die generalisierte -Subsumtion generalisiert zwei funktionsfreie Hornklausel
bzgl. gegebenem Hintergrundwissen (Theorie) B:
C1 ≥B C2 gdw. s, so dass C1Kopf s=C2Kopf
und B, C2Körper  ⊨  (C1Körper s),
 eine Skolemsubstitution, s eine (Term-)Substitution.
Schrittweises Spezialisieren (Definition durch ein Bild):
negatives Beispiel e
+
+
+
Top-down Lernverfahren:
+
Beginne mit einer generellsten erzeugbaren Hypothese;
solange noch negative Beispiele abgedeckt werden,
wende auf die Hypothese das schrittweise Spezialisieren so an,
dass die positiven Beispiele weiterhin abgedeckt werden;
wenn die Hypothese kein negatives Beispiel abdeckt, gib die Hypothese aus und halte an.
Boris Shulimovich
9/20
RDT/DB
PG402
24.10.2001
Logikorientiertes induktives Lernen (ILP)
Crashkurs, Teil 6
ILP Semantik (Begriffslernen):
Geg.: pos. und neg. Beispiele E = E+  E─  ℒℰ,
Hintergrundwissen B  ℒℬ, wobei B  E ⊭ □ und B ⊭ E.
Ziel: Finden einer Hypothese H  ℒℋ, für die gilt:
B  H  E ⊭ □ (Konsistenz)
B  H ⊨ E+ (Vollständigkeit)
e  E─ : B  H ⊭ e (Korrektheit)
ILP Semantik (Wissensentdeckung):
Geg.: Hintergrundwissen B  ℒℬ , Beobachtungen E  ℒℰ.
Ziel: Finden einer Menge von Hypothesen H  ℒℋ, für die gilt:
M+(B  E)  M(H) (Gültigkeit)
h H e  E: B, E - {e} ⊭ e und B, E - {e}, {h} ⊨ e (Notwendigkeit)
h ℒℋ, die gültig und notwendig sind, gilt: H ⊨ h (Vollständigkeit)
H ist minimal (Minimalität)
Begriffslernen findet nur den gesuchen Begriff, Wissensendeckung findet
dagegen alle wahren und nicht redundanten Regeln.
Boris Shulimovich
10/20
RDT/DB
PG402
24.10.2001
RDT/DB
RDT/DB ist das erste ILP- Wissensentdeckungswerkzeug, dass direkt mit
einem Datenbank-Managementsystem interagiert [Brockhausen und Morik 96].
RDT/DB ist eine Weiterentwicklung des RDT-Werkzeugs aus dem
Modellierungssystem MOBAL.
RDT aus der Sicht des maschinellen Lernens:
• funktionsfreie Hornklauseln als Repräsentationformalismus
• Hintergrundwissen in Form von Fakten (ground unit clause)
• Top-down-Breitensuche-Lernverfahren
• Hypothesenraum durch Regelschemata syntaktisch eingeschränkt
• weitere Einschränkung des Hypothesenraumes durch Prädikatentopologie
• Sortentaxonomie (sortenbehaftete Prädikatsattribute)
Bsp.:
Fakten
alter (mary,27)
verheiratet (peter,janice)
Boris Shulimovich
Beispiele
ehemann (john,vivian)
verheiratet (X,Y)  ehemann (X,Y)
11/20
PG402
RDT/DB
24.10.2001
RDT/DB, Teil 2
Geg.: Hintergrundwissen und eine Menge positiver und negativer Beispiele
für einen zu lernenden Begriff C in funktionsfreier Klausellogik.
Ziel: Finde eine Hypothese H in funktionsfreier Klausellogik, die einem vom
Benutzer definierten Akzeptanzkriterium genügt.
Mögliche Faktoren des Akzeptanzkriteriums:
• pos(H)
• neg(H)
• pred(H)
• total(H) := pos(H)  neg(H)  pred(H)
• concl(H)
• uncover(H) := concl(H)\pos(H)
Bsp.: pos(H) >5, neg(H) < 2,
pos(H)/total(H) > 0.7,
pred(H)/pos(H) > 0.3,
uncover(H)/concl(H) < 0.5
Pruningkriterium erlaubt eine weitere Einschränkung des Hypothesenraums.
Es werden keine Spezialisierungen eines Regelschematas mehr getestet, falls
das Regelschema:
• akzeptiert wurde oder
• nicht dem Akzeptanzkriterium genügt.
Boris Shulimovich
12/20
PG402
RDT/DB
24.10.2001
RDT/DB, Teil 3
Bereits gelernte oder vorgegebene Regeln werden bei der Regelgenerierung
berücksichtigt. Sie werden von der Inferenzmaschine angewandt und
saturieren damit die Wissensbasis.
Gelernte Regeln können also zukünftige
Lernschritte unterstützen, indem sie die
Beispielbeschreibungen um weitere
grundinstanziierte Fakten erweitern
(closed-loop learning).
[Herrmann 94]
Modellwissen
Beispiele
+
Hintergrundwissen
Inferenzmaschine
RDT
Entdecktes
Wissen
Boris Shulimovich
13/20
PG402
RDT/DB
24.10.2001
RDT/DB, Teil 4
Da bei RDT die Hypothesensprache eingeschränkte Prädikatenlogik ist
(funktionsfreie Hornklauseln ergänzt um negative Literale), wird somit ein sehr
großer Hypothesenraum beschrieben.
Dieser wird durch Vorgabe der syntaktischen Form der möglichen Regeln,
durch so genannte Regelschemata (Regelmodelle) eingeschränkt:
• anstatt der Sachbereichsprädikate Prädikatsvariablen
• nach Allgemeinheit partiell geordnet
Bsp.: Durch Vorgabe des Regelschemas
großmutter(X,Y)  P1(U,Y), mutter (X,U)
sind aus
großmutter(X,Y)  elternteil(U,Y), mutter(X,U)
Abb.: Generalisierungsrelation
zwischen Regelmodellen
großmutter(X,Y)  vater(U,Y), mutter(X,U)
[Kietz und Wrobel 92].
großmutter(X,Y)  vater(Z,Y), mutter(X,Z), vater(Z,V)
nur die ersten zwei Klauseln Instanzen dieses Regelschemas.
Boris Shulimovich
14/20
PG402
RDT/DB
24.10.2001
RDT/DB, Teil 5
Eine Substitution  substituiert Prädikatsvariablen durch Bereichsprädikate der
gleichen Stelligkeit, ohne verschiedene Prädikatssymbole zu unifizieren.
Def.: Ein Regelschema RS ist genereller als ein anderes RS′, wenn es ein
 gibt, so dass RS s RS′.
Regelschemata können auch teilweise instanziiert werden.
Ein vollständig instanziiertes Regelschema ist eine Regel.
Basiert auf der Menge der im RDT eingegebenen Regelschemata ℛ und der
Menge der Bereichsprädikate P im Hintergrundwissen, wird der
Hypothesenraum für das Regellernen als die Menge:
ℋ = {R|R  ℛ  range()  P  R ist Regel}.
definiert, d.h. als die Menge aller möglichen Instanzen für alle Regelschemata.
Boris Shulimovich
15/20
PG402
RDT/DB
24.10.2001
RDT/DB, Teil 6
Die Prädikatentopologie beschreibt semantische Beziehungen zwischen den
Prädikaten der Sachbereichstheorie (Hintergrundwissen).
• Gruppierung T = {T1,...,Tm}, mit Ti Topologieknoten (Mengen von Prädikaten,
evtl. zusammenhängend),
• die Topologieknoten können eine Hierarchie zusammenbilden, die weitere
Einschränkung des Hypothesenraumes ℋT darstellt:
ℋT = {H  ℋ|H = pconcl  Pprems: Ti  T : pconcl  Ti  Pprems  Ti  children(Ti)},
children(Ti) bezeichnet die Vereinigung der direkten Nachkommen von Ti
[Kietz und Wrobel 92].
Den Argumenten eines Prädikats kann eine
bestimmte Sorte zugewiesen werden:
p/n: <sorte1>,...,<sorten>
Bsp.:
Gebote/Verbote
mutter/2: <frau>,<person>
Umstände
Boris Shulimovich
Urteil
Übertretung
Fahrzeug
Orte
Verhalten
Abb.: Topologie-Graph [Herrmann 94]
16/20
PG402
RDT/DB
24.10.2001
RDT/DB, Teil 7
Erweiterung des RDT zum RDT/DB:
• Ersetzung der Sortenkompatibilität durch Datentypkompatibilität.
• Abbildung der tabellarischen Darstellung der zu untersuchenden Datenbank
in Prädikatenform unter Verwendung der Metainformation der DB).
• Redundanztest (Erkennung der redundanten Prädikate) durch Ausnutzung
der Primärschlüsseleigenschaft.
• Für Hypothesentest werden SQL-Anfragen generiert und an die Datenbank
geschickt, z.B. für pos(H) in der Form:
select count(primkey(q)) from tabelle(q), tabelle(P)
where v (P(c1,...,cm));
• Negative Beispiele können im MOBAL eingegeben werden.
(detaillierte Beschreibung ist in [Lindner 94] zu finden).
Boris Shulimovich
17/20
RDT/DB
PG402
24.10.2001
RDT/DB, Teil 8
Vorgehensweise von RDT/DB:
• Beginne mit den generellsten Regelschematas.
• Gehe TOP-DOWN durch die Ordnung der Regelschematas
- Instanziiere ein weiteres Prädikat P in P, das folgendem genügt:
1. Stelligkeitskompatibel
2. Prädikatentopologiekompatibel
3. Datentypkompatibel
4. Test auf redundant instanziierte Prädikate
- Redundanztest -Subsumtion mit bisher akzeptierten oder zu speziellen Hypothesen.
- Berechnung der Faktoren für das Akzeptanzkriterium.
- Auswertung des Akzeptanzkriteriums.
[Lindner 94].
Boris Shulimovich
18/20
PG402
RDT/DB
24.10.2001
Literatur:
[Brockhausen und Morik 96] Peter Brockhausen und Katharina Morik. Direct Access of an ILP
Algorithm to a Database Management System. LS VIII, FB Informatik, Univ. Dortmund, 1996.
[Frawley et al 92] W.Frawley, G.Piatetsky-Shapiro, C.J.Matheus. Knowledge Discovery in
Databases: An Overview. AI Magazine, Vol. 13, No 3, Fall 1992.
[Herrmann 94] Jürgen Herrmann. Maschinelles Lernen. Skript zur Spezialvorlesung. LS VIII,
FB Informatik, Univ. Dortmund, WS 93/94.
[Kietz und Wrobel 92] Jörg-Uwe Kietz and Stefan Wrobel. Controlling the complexity of learning
in logic through syntactic and task-oriented models. In Stephen Muggleton, editor, Inductive Logic
Programming, chapter 16, pages 335-360. Academic Press, London, 1992.
[Lindner 94] Guido Lindner. Logikbasiertes Lernen in relationalen Datenbanken. Report 12,
LS VIII, FB Informatik, Univ. Dortmund, 1994.
[Lübbe 95] Marcus Lübbe. Datengesteuertes Lernen von syntaktischen Einschränkungen des
Hypothesenraumes für modellbasiertes Lernen. Report 15, LS VIII, FB Informatik, Univ.
Dortmund, 1995.
[Mitchell 82] T.M.Mitchell. Generalization as search. Artificial Intelligence, 18(2):203-226, 1982.
[Morik 98] Katharina Morik. Maschinelles Lernen. Skript zur Spezialvorlesung. LS VIII,
FB Informatik, Univ. Dortmund, WS 97/98.
[Muggleton 92] Stephen Muggleton. Inductive Logic Programming. In Stephen Muggleton, editor,
Inductive Logic Programming, Kap. 1, S. 3-28. Academic Press, London, 1992.
Boris Shulimovich
19/20

ppt - Artificial Intelligence Group