[논문 리뷰] A Link Clustering Based Approach for Clustering Categorical Data

Zengyou He, Xiaofei Xu외 1명|ArXiv.org|2004. 12. 04.

Advanced Clustering Algorithms Research인용 수 9

한 줄 요약

이 논문은 사회적 네트워크 분석 기법을 활용하여 범주형 데이터의 클러스터링 문제를 링크 클러스터링(LC) 문제로 변환하는 새로운 접근법을 제안한다. 데이터 레코드를 노드로 모델링하고, 속성 일치를 링크로 간주함으로써, 자연스러운 군집을 식별하기 위해 LC 알고리즘을 적용하며, 기존의 범주형 데이터 클러스터링 방법들과 비교해도 경쟁적인 클러스터링 정확도를 달성한다.

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.

연구 동기 및 목표

• 범주형 데이터 클러스터링(CDC)과 링크 클러스터링(LC) 간의 공통점을 탐색하여 두 분야 간 상호 육성 가능성을 모색한다.
• CDC 문제를 공식적으로 링크 클러스터링 문제로 변환하여 통합된 알고리즘 처리를 가능하게 한다.
• 링크 클러스터링 기법을 기반으로 한 새로운 범주형 데이터 클러스터링 알고리즘을 개발한다.
• 제안된 방법의 성능을 실제 데이터 세트에서 기존의 CDC 알고리즘들과 비교 평가한다.

제안 방법

• 각 데이터 레코드를 그래프 내의 노드로 모델링하며, 동일한 속성 값을 공유하는 레코드 간에 링크를 설정한다.
• 속성 일치를 유사도 측정 기준으로 사용하여 간선을 정의함으로써, 범주형 레코드의 동시출현 그래프를 구성한다.
• 링크 클러스터링 알고리즘을 적용하여 간선(링크)을 군집화하며, 각 군집은 응집된 레코드 집합에 대응한다.
• 최종적으로 링크 군집을 다시 레코드 군집으로 매핑함으로써, 최종적인 범주형 데이터 클러스터를 도출한다.
• 모듈래리티 최적화 및 공통된 속성 패턴 기반의 레코드 군집화를 위해 기존의 링크 클러스터링 히우리스틱을 사용한다.
• 이 변환 과정을 통해 기존의 LC 알고리즘을 특성에 맞는 거리 측정 기반으로 수정하지 않고도 범주형 데이터에 직접 적용할 수 있다.

실험 결과

연구 질문

• RQ1 링크 클러스터링 기법은 범주형 데이터 클러스터링 문제에 효과적으로 적용될 수 있는가?
• RQ2 범주형 데이터 클러스터링과 링크 클러스터링 간의 구조적 및 알고리즘적 공통점은 무엇인가?
• RQ3 제안된 링크 클러스터링 기반 방법의 성능은 기존의 범주형 데이터 클러스터링 알고리즘과 비교해 어떻게 되는가?
• RQ4 범주형 데이터를 링크 기반 그래프로 변환하는 과정이 의미 있는 군집 구조를 유지하는가?

주요 결과

• 제안된 링크 클러스터링 기반 방법은 실제 데이터 세트에서 최신의 범주형 데이터 클러스터링 알고리즘들과 비교해 경쟁적인 클러스터링 정확도를 달성한다.
• 범주형 데이터를 링크 기반 그래프로 변환하는 과정이 속성 일치를 통해 잠재적인 군집 구조를 효과적으로 포착한다.
• 거리 측정 기반의 파라미터 조정 없이도 다양한 범주형 데이터 세트에서 높은 안정성을 보인다.
• 링크 클러스터링 기법을 범주형 데이터 클러스터링에 성공적으로 통합하여, 기존의 CDC 방법들과 대체 가능한 새로운 유효한 대안을 제공한다.
• 실험 결과는 링크 클러스터링 프레임워크가 범주형 데이터 클러스터링에 경쟁력 있고 효과적인 접근법임을 확인한다.