[論文レビュー] Correlation Clustering with Noisy Partial Information

Konstantin Makarychev, Yury Makarychev+1 more|arXiv (Cornell University)|Jun 22, 2014

Complex Network Analysis Techniques参考文献 19被引用数 5

ひとこと要約

本稿は、ノイズのある部分情報を持つ相関クラスタリングのための準確率的モデルを導入し、2つのアルゴリズムを提案する。1つ目のアルゴリズムは、任意の $\delta > 0$ に対して、高確率で $(1+\delta)\text{opt-cost} + O_\delta(n\log^3 n)$ の近似比を達成する。2つ目のアルゴリズムは、追加の仮定の下で、任意に小さい誤差で真のクラスタリングを回復する。これらの結果は、最悪ケースでない現実的状況における、改善された近似保証を示している。

ABSTRACT

In this paper, we propose and study a semi-random model for the Correlation Clustering problem on arbitrary graphs G. We give two approximation algorithms for Correlation Clustering instances from this model. The first algorithm finds a solution of value $(1+ δ) optcost + O_δ(n\log^3 n)$ with high probability, where $optcost$ is the value of the optimal solution (for every $δ> 0$). The second algorithm finds the ground truth clustering with an arbitrarily small classification error $η$ (under some additional assumptions on the instance).

研究の動機と目的

• 相関クラスタリングにおける最悪ケース近似保証の限界を克服するため、より現実的な平均ケースモデルを考察すること。
• 実用的でノイズのある状況において、既知の $O(\log n)$ 要因を上回るより良い近似比を達成するアルゴリズムを設計すること。
• インスタンスが特定の構造的・正則性条件を満たす場合に、高い精度で真のクラスタリングを回復すること。
• ノイズと部分的情報を取り入れた準確率的モデルにおける相関クラスタリングの理論的保証を提供すること。

提案手法

• 真のクラスタがランダムなノイズとエッジの反転によって摂動される準確率的モデルを導入し、現実のデータの不完全性をモデル化する。
• Poincaré不等式に基づくスペクトル的手法を用いて、クラスタの直径を制限し、クラスタ内の一貫性を保証する。
• Markovの不等式を適用して、埋め込み空間で近接する頂点の大きな部分集合（コア）を特定する。
• 適切に設計されたラウンド化スキームを用いたSDP緩和を用いて、クラスタ内エッジとクラスタ外エッジを区別する。
• クラスタ正則性、クラスタ間密度、スペクトル的拡張性といった構造的仮定を課し、回復保証を確保する。
• クラスタ内とクラスタ間の距離の差（$\rho_{\text{inter}}$）のギャップを幾何学的および組合的に利用して、クラスタを分離する。

実験結果

リサーチクエスチョン

• RQ1 最悪ケースのインスタンスを越えて、現実的でノイズのあるモデルにおいて、相関クラスタリングで $(1+\delta)$-近似を達成できるか。
• RQ2 どのような条件下で、任意に小さい分類誤差で真のクラスタリングを回復できるか。
• RQ3 スペクトル的性質とエッジ密度制約は、ノイズのある状況における相関クラスタリングアルゴリズムの性能にどのように影響するか。
• RQ4 グラフの構造（例えば、拡張子、正則性）は、部分的でノイズのある情報から正確なクラスタリングを可能にする上で果たす役割は何か。

主な発見

• 1つ目のアルゴリズムは、任意の $\delta > 0$ に対して、高確率で $(1+\delta)\text{opt-cost} + O_\delta(n\log^3 n)$ の近似比を達成する。
• クラスタ正則性、クラスタ間正則性、クラスタ間密度の条件が満たされれば、2つ目のアルゴリズムは任意の $\eta > 0$ に対して分類誤差 $\eta$ で真のクラスタリングを回復する。
• 各真のクラスタのコアには、その頂点の少なくとも $1-\eta$ の割合が含まれており、すべての頂点が中心頂点から半径 $\rho_{\text{core}} = O(\rho_{\text{avg}} / (\lambda_{\text{gap}} \eta^2))$ の範囲内にある。
• 異なるクラスタの中心間の距離は少なくとも $\rho_{\text{inter}}$ であるため、幾何的分離が可能となり、SDPラウンドによる正しいクラスタリングが可能になる。
• 解析により、SDP緩和値 $\widehat{SDP}$ が $\beta_{ij}c(E)/6$ 以上であることが示され、クラスタ間エッジが誤分類された場合に仮定と矛盾する。
• 本手法により、誤分類されたエッジの数が $c(Q \triangle E_{\text{flip}}) \leq 2(\delta + \sigma)c(Q) + 2\Lambda$ で抑えられ、誤差制御が可能になる。