[論文レビュー] Consistency constraints for overlapping data clustering

Jared Culbertson, Dan P. Guralnik+2 more|arXiv (Cornell University)|Aug 15, 2016

Topological and Geometric Data Analysis参考文献 19被引用数 5

ひとこと要約

本稿は、メトリック空間と非拡張写像を用いた重複クラスタリングのファンクター的枠組みを導入し、従来の連結法におけるチェーンイング問題を回避する。任意のクラスタリングファンクターが単一連結クラスタを refine し、最大連結クラスタによって refine されることを証明し、ファンクター的制約を通じて重複クラスタリング手法の自然な階層を確立する。

ABSTRACT

We examine overlapping clustering schemes with functorial constraints, in the spirit of Carlsson--Memoli. This avoids issues arising from the chaining required by partition-based methods. Our principal result shows that any clustering functor is naturally constrained to refine single-linkage clusters and be refined by maximal-linkage clusters. We work in the context of metric spaces with non-expansive maps, which is appropriate for modeling data processing which does not increase information content.

研究の動機と目的

• 従来の分割ベースのクラスタリング手法の限界、特に単一連結クラスタリングにおけるチェーンイング効果を解消すること。
• ファンクター的クラスタリング理論を重複クラスタに拡張し、複雑なデータのより自然で一貫性のあるクラスタリングを可能にすること。
• カテゴリー理論を用いて、メトリック空間から被覆へのファンクターとして重複クラスタリングを形式化し、データセット間での一貫性を保証すること。
• ファンクター的制約と非拡張写像に基づいた、重複クラスタリング手法の階層を確立すること。

提案手法

• 情報の内容を保ち、変換に対して一貫性を確保するために、非拡張写像を用いたメトリック空間としてデータをモデル化する。
• 有限被覆の圏へのファンクターとしてクラスタリングを定義し、重複クラスタを許容する。
• 距離閾値と接続性レベルをパrameterとする、スイーブファンクターを用いた階層的クラスタリング手法を導入する。
• 閾値グラフにおける $k$-頂点および $k$-辺連結成分を用いて、$\mathbf{VL}^k_\delta$ および $\mathbf{EL}^k_\delta$ のような安定でファンクター的なクラスタリング手法を定義する。
• クラスタリングファンクター間の自然変換を確立し、より高い接続性閾値がより粗い、refine されたクラスタリングをもたらすことを示す。
• 線形時間で双連結成分を計算する、および多項式時間で $k$-連結成分を列挙するといったグラフ理論の結果を応用し、計算の効率性を保証する。

実験結果

リサーチクエスチョン

• RQ1 データ変換に対して一貫性を保ち、チェーンイングの歪みを避けるために、重複クラスタリングをどのように形式化できるか？
• RQ2 重複クラスタリングにおいて自然に生じるファンクター的制約とは何か？ そしてそれらは古典的クラスタリング手法とどのように関係するか？
• RQ3 増加する閾値または接続性レベルを用いて、ファンクター的に階層的重複クラスタリング手法を構築できるか？
• RQ4 提案されたクラスタリングファンクターは、単一連結クラスタリングおよび最大連結クラスタリングの観点から、どの程度 refine の関係にあるか？
• RQ5 提案された重複クラスタリング手法に対して、計算上の保証（例：時間計算量）をどのように確立できるか？

主な発見

• 非拡張写像を伴うメトリック空間上の任意のクラスタリングファンクターは、単一連結クラスタを refine し、最大連結クラスタによって refine される必要がある。これにより、普遍的な階層が確立される。
• $\mathbf{B}_k$, $\mathbf{B}_k^c$, $\mathbf{VL}^k_\delta$, および $\mathbf{EL}^k_\delta$ のファンクターは、$\mathbf{Met}^{\text{inj}}$ 圏上でファンクター的であり、単射的かつ非拡張写像の下でも一貫性が保たれる。
• $\mathbf{ML}_\delta$ から $\mathbf{SL}_\delta$ への自然変換が存在し、階層 $\mathbf{ML}_\delta = \mathbf{VL}^\infty_\delta \to \cdots \to \mathbf{VL}^1_\delta = \mathbf{SL}_\delta$ を形成する。これは、接続性が低下するにつれてクラスタリングが粗くなることを示している。
• $k$-頂点および $k$-辺連結成分に基づくクラスタリング手法は、固定された $k$ に対して多項式時間で計算可能であるが、$\mathbf{ML}_\delta$ は最大クリーク問題のため、依然として NP 困難のままである。
• $\mathbf{EL}_\delta$ 法は excisive であり、テスト用メトリック空間を用いて表現可能であるため、最大 $k$-辺連結部分グラフを求める高速アルゴリズムを用いて効率的に計算可能である。
• 階層的クラスタリングは、$\mathbf{F}: \mathbf{Met} \to \mathbf{Sieve}$ としてスイーブファンクターとして形式化され、$\delta \leq \delta'$ に対して $\mathbf{L}^k_\delta$ と $\mathbf{L}^k_{\delta'}$ の間に自然変換が存在し、スケールにわたる一貫性ある refine が保証される。