초록
형식개념분석기법(FCA: Formal Concept Analysis)은 대상 도메인의 데이터를 사용자의 관점과 해석을 바탕으로 개념화함으로서 필요한 정보의 추출과 접근을 제공하기 위한 기법으로서 다양한 분야에서 널리 사용되고 있다. 그러나, 기존의 형식개념분석기법 지원 도구들은 대부분 객체와 속성간의 관계를 나타낸 One-valued context에 대한 분석만을 중점적으로 지원하고 있고, 다종다양한 값을 갖는 데이터들로 구성된 Many-valued context에 대한 분석을 충분히 지원하지 못하고 있다. 따라서, 본 논문에서는 다양한 값을 갖는 입력 데이터를 사용자의 목적에 맞도록 해석하여 간결화하기 위한 스케일링(Scaling) 알고리즘과 입력 데이터들로부터 개념을 추출하여 계층구조화하기 위한 알고리즘을 제안한다. 이와 같은 연구결과를 토대로 개념분석과 계층구조화를 위한 자동화 도구(FCA Wizard)를 개발하여, 실제 의료 분야에서의 적용사례를 소개한다.
For extracting and processing information explicitly from given data, Formal Concept Analysis(FCA) is provided a method which is widely used for data analysis and clustering. The data can be structured into concepts, which are formal abstractions human thought allowing meaningful comprehensible interpretation. However, most FCA tools mainly focus on analyzing one-valued contexts that represent objects, attributes and binary relations between them. There we few FCA tools available that provide scaling and analyzing many-valued contexts representing objects, attributes and relations with attributes' values. In this paper, we propose not only a scaling algorithm for interpreting and simplifying the multivalued input data, but also an algorithm to generate concepts and build concept hierarchy from given raw data as well. Based on these algorithms, we develop an automate tool, FCA Wizard, for concept analysis and concept hierarchy. We also present FCA Wizard based applications in medical domain.
