Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Contextual Word Embeddings Clustering Through Multiway Analysis: A Comparative Study Kapitel lesen Erstes Kapitel lesen

2023 | OriginalPaper | Buchkapitel

Explanations for Itemset Mining by Constraint Programming: A Case Study Using ChEMBL Data

verfasst von : Maksim Koptelov, Albrecht Zimmermann, Patrice Boizumault, Ronan Bureau, Jean-Luc Lamotte

Erschienen in: Advances in Intelligent Data Analysis XXI

Verlag: Springer Nature Switzerland

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In sensitive applications, such as drug development, offering experts an explanation for why data mining operations arrive at certain results adds a very valuable facet. In this work we benefit from modelling the task as a Constraint Satisfaction Problem (CSP) twice: by adding multiple constraints to the mining process and by deriving pattern failure explanations. We illustrate experimentally how to apply our method on data originally retrieved from the ChEMBL database [14]. We also report some interesting dependencies discovered by our method which are not easy to observe when analysing data manually.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel AID4HAI: Automatic Idea Detection for Healthcare-Associated Infections from Twitter, a Framework Based on Active Learning and Transfer Learning
Nächstes Kapitel Translated Texts Under the Lens: From Machine Translation Detection to Source Language Identification
Fußnoten
1
Centre d’Etude et de Recherche du Médicament de Normandie: https://​cermn.​unicaen.​fr.
 
2
A manually curated database of bioactive molecules with drug-like properties.
 
Literatur
1.
Agrawal, R., Srikant, R.: Fast algorithms for mining association rules. In: VLDB, vol. 1215, pp. 487–499 (1994)
2.
Bodon, F.: A fast apriori implementation. In: FIMI, vol. 3, p. 63 (2003)
3.
Bogaerts, B., Gamba, E., Guns, T.: A framework for step-wise explaining how to solve constraint satisfaction problems. Artif. Intell. 300, 103550 (2021)MathSciNetCrossRefMATH
4.
Bouali, F., Guettala, A., Venturini, G.: Vizassist: an interactive user assistant for visual data mining. Vis. Comput. 32(11), 1447–1463 (2016)CrossRef
5.
Cortez, P., Embrechts, M.: Using sensitivity analysis and visualization techniques to open black box data mining models. Inf. Sci. 225, 1–17 (2013)CrossRef
6.
7.
De Raedt, L., Guns, T., Nijssen, S.: Constraint programming for itemset mining. In: KDD, pp. 204–212 (2008)
8.
Dror, O., et al.: Novel approach for efficient pharmacophore-based virtual screening: method and applications. J. Chem. Inf. Model. 49(10), 2333–2343 (2009)CrossRef
9.
Fayyad, U., Piatetsky-Shapiro, G., Smyth, P.: From data mining to knowledge discovery in databases. AI Mag. 17(3), 37–37 (1996)
10.
Ferreira, M., Levkowitz, H.: From visual data exploration to visual data mining: a survey. IEEE Trans. Visual. Comput. Graph. 9(3), 378–394 (2003)CrossRef
11.
Fournier-Viger, P., Lin, J.C.W., Vo, B., Chi, T., Zhang, J., Le, H.: A survey of itemset mining. Data Min. Knowl. Disc. 7(4), e1207 (2017)
12.
Freuder, E.: Explaining ourselves: human-aware constraint reasoning. In: Proceedings of the AAAI Conference on Artificial Intelligence, vol. 31 (2017)
13.
Gamba, E., Bogaerts, B., Guns, T.: Efficiently explaining CSPs with unsatisfiable subset optimization. In: (IJCAI), pp. 1381–1388 (2021)
14.
Gaulton, A., et al.: The chEMBL database in 2017. Nucleic Acids Res. 45(D1), D945–D954 (2017)CrossRef
15.
Guns, T., Nijssen, S., De Raedt, L.: Itemset mining: a constraint programming perspective. Artif. Intell. 175(12–13), 1951–1983 (2011)MathSciNetCrossRefMATH
16.
17.
Holzinger, A., Dehmer, M., Jurisica, I.: Knowledge discovery and interactive data mining in bioinformatics-state-of-the-art, future challenges and research directions. BMC Bioinform. 15(6), 1–9 (2014)CrossRef
18.
Jussien, N., Ouis, S.: User-friendly explanations for constraint programming. In: International Conference on Principles and Practice of CP (2001)
19.
Kashid, A., Kulkarni, V., Patankar, R.: Discrimination-aware data mining: a survey. Int. J. Data Sci. 2(1), 70–84 (2017)CrossRef
20.
Kuo, Y.T., Lonie, A., Pearce, A.R., Sonenberg, L.: Mining surprising patterns and their explanations in clinical data. Appl. AI 28(2), 111–138 (2014)
21.
Kuo, Y.T., et al.: Domain ontology driven data mining: a medical case study. In: 2007 International Workshop on Domain Driven Data Mining, pp. 11–17 (2007)
22.
Leeuwen, M.: Interactive data exploration using pattern mining. In: Interactive Knowledge Discovery and Data Mining in Biomedical Informatics, pp. 169–182 (2014)
23.
Mackworth, A.K.: Consistency in networks of relations. AI 8(1), 99–118 (1977)MATH
24.
Métivier, J.P., et al.: The pharmacophore network: a computational method for exploring structure-activity relationships from a large chemical data set. J. Med. Chem. 61(8), 3551–3564 (2018)CrossRef
25.
Pedreschi, D., et al.: Meaningful explanations of black box AI decision systems. In: AAAI, vol. 33, pp. 9780–9784 (2019)
26.
Pedreshi, D., et al.: Discrimination-aware data mining. In: KDD, pp. 560–568 (2008)
27.
Ribeiro, M.T., Singh, S., Guestrin, C.: Why should i trust you? explaining the predictions of any classifier. In: KDD, pp. 1135–1144 (2016)
28.
29.
Soukup, T., Davidson, I.: Visual Data Mining: Techniques and Tools for Data Visualization and Mining. John Wiley & Sons, Hoboken (2002)
30.
Velu, C., Kashwan, K.: Visual data mining techniques for classification of diabetic patients. In: IACC, pp. 1070–1075. IEEE (2013)
31.
Wu, H., Lu, Z., Pan, L., Xu, R., Jiang, W.: An improved apriori-based algorithm for association rules mining. In: 6th FSKD, vol. 2, pp. 51–55. IEEE (2009)
32.
Zaki, M.J.: Scalable algorithms for association mining. IEEE Trans. Knowl. Data Eng. 12(3), 372–390 (2000)CrossRef
Metadaten
Titel
Explanations for Itemset Mining by Constraint Programming: A Case Study Using ChEMBL Data
verfasst von
Maksim Koptelov
Albrecht Zimmermann
Patrice Boizumault
Ronan Bureau
Jean-Luc Lamotte
Copyright-Jahr
2023
Buch
Advances in Intelligent Data Analysis XXI

Print ISBN: 978-3-031-30046-2

Electronic ISBN: 978-3-031-30047-9

Copyright-Jahr: 2023

DOI
https://doi.org/10.1007/978-3-031-30047-9_17

Premium Partner

    Bildnachweise