[論文レビュー] A Link Clustering Based Approach for Clustering Categorical Data

Zengyou He, Xiaofei Xu+1 more|ArXiv.org|Dec 4, 2004

Advanced Clustering Algorithms Research被引用数 9

ひとこと要約

本稿では、社会的ネットワーク解析の技術を活用して、カテゴリー型データのクラスタリング問題をリンククラスタリング（LC）タスクに変換する新規アプローチを提案する。データレコードをノードとしてモデル化し、属性の一致をリンクとして扱うことで、自然なグループ化を同定するためのLCアルゴリズムを適用し、既存のカテゴリー型データクラスタリング手法と比較して、実データセットにおいて競争力のあるクラスタリング精度を達成する。

ABSTRACT

Categorical data clustering (CDC) and link clustering (LC) have been considered as separate research and application areas. The main focus of this paper is to investigate the commonalities between these two problems and the uses of these commonalities for the creation of new clustering algorithms for categorical data based on cross-fertilization between the two disjoint research fields. More precisely, we formally transform the CDC problem into an LC problem, and apply LC approach for clustering categorical data. Experimental results on real datasets show that LC based clustering method is competitive with existing CDC algorithms with respect to clustering accuracy.

研究の動機と目的

• カテゴリー型データクラスタリング（CDC）とリンククラスタリング（LC）の共通性を明らかにし、両分野の相互浸透を促進すること。
• CDC問題を形式的にリンククラスタリング問題に変換し、統一的なアルゴリズム的取り扱いを可能にすること。
• リンククラスタリング技術を基盤として、カテゴリー型データのための新しいクラスタリングアルゴリズムを開発すること。
• 提案手法の性能を、実世界のデータセット上で既存のCDCアルゴリズムと比較して評価すること。

提案手法

• 各データレコードをグラフ内のノードとしてモデル化し、同一の属性値を持つレコード間にリンクを確立する。
• 属性の一致を類似度測度として用い、エッジを定義することで、カテゴリー型レコードの共起グラフを構築する。
• リンククラスタリングアルゴリズムを適用し、エッジ（リンク）をクラスタにグループ化する。各クラスタは一貫性のあるレコード群に対応する。
• 得られたリンククラスタを元のレコードクラスタに再マッピングし、最終的なカテゴリー型データクラスタを形成する。
• モジュラリティの最適化を図り、共通の属性パターンに基づいてレコードをグループ化するため、既存のLCヒューリスティクスを用いる。
• この変換により、属性固有の距離尺度の設定を必要とせず、既存のLCアルゴリズムをカテゴリー型データに直接適用可能になる。

実験結果

リサーチクエスチョン

• RQ1 リンククラスタリング技術は、カテゴリー型データクラスタリング問題に効果的に適応可能か？
• RQ2 カテゴリー型データクラスタリングとリンククラスタリングの間には、構造的・アルゴリズム的共通性が存在するか？
• RQ3 提案手法のリンククラスタリングに基づく性能は、既存のカテゴリー型データクラスタリングアルゴリズムと比べてどうか？
• RQ4 カテゴリー型データをリンクベースのグラフに変換することで、意味のあるクラスタ構造が保持されるか？

主な発見

• 提案手法のリンククラスタリングに基づくアプローチは、実データセットにおいて、最先端のカテゴリー型データクラスタリングアルゴリズムと同等のクラスタリング精度を達成する。
• カテゴリー型データをリンクベースのグラフに変換することで、属性の一致を通じて、元のクラスタ構造を効果的に捉えることができる。
• 距離尺度のパrameterチューニングを必要とせず、多様なカテゴリー型データセットに対して高いロバスト性を示す。
• リンククラスタリング技術をカテゴリー型データクラスタリングに効果的に統合し、従来のCDC手法とは別な、実用的で新たな代替手法を提供する。
• 実験結果から、リンククラスタリングフレームワークが、カテゴリー型データのクラスタリングにおいて、競争力があり効果的なパラダイムであることが確認された。