[논문 리뷰] IPBC: An Interactive Projection-Based Framework for Human-in-the-Loop Semi-Supervised Clustering of High-Dimensional Data

Mohammad Zare|arXiv (Cornell University)|2026. 01. 25.

Data Visualization and Analytics인용 수 0

한 줄 요약

IPBC는 UMAP 기반의 대화형, 제약 조건 유도 투영 학습과 사람 중심 피드백 루프를 결합해 2D 임베딩을 반복적으로 다듬어 클러스터링을 개선하고, 원래 특성에서의 설명 가능한 클러스터 특성화를 수행한다.

ABSTRACT

High-dimensional datasets are increasingly common across scientific and industrial domains, yet they remain difficult to cluster effectively due to the diminishing usefulness of distance metrics and the tendency of clusters to collapse or overlap when projected into lower dimensions. Traditional dimensionality reduction techniques generate static 2D or 3D embeddings that provide limited interpretability and do not offer a mechanism to leverage the analyst's intuition during exploration. To address this gap, we propose Interactive Project-Based Clustering (IPBC), a framework that reframes clustering as an iterative human-guided visual analysis process. IPBC integrates a nonlinear projection module with a feedback loop that allows users to modify the embedding by adjusting viewing angles and supplying simple constraints such as must-link or cannot-link relationships. These constraints reshape the objective of the projection model, gradually pulling semantically related points closer together and pushing unrelated points further apart. As the projection becomes more structured and expressive through user interaction, a conventional clustering algorithm operating on the optimized 2D layout can more reliably identify distinct groups. An additional explainability component then maps each discovered cluster back to the original feature space, producing interpretable rules or feature rankings that highlight what distinguishes each cluster. Experiments on various benchmark datasets show that only a small number of interactive refinement steps can substantially improve cluster quality. Overall, IPBC turns clustering into a collaborative discovery process in which machine representation and human insight reinforce one another.

연구 동기 및 목표

• 고차원 데이터에서 거리 지표가 고차원에서 유용성을 잃는 경우의 클러스터링 개선을 모티브로 삼는다.
• 사용자 제약을 활용해 2D 임베딩을 형성하는 반지도 학습 시각적 분석 프레임워크를 도입한다.
• Must-link 및 Cannot-link 피드백을 통한 투자된 투영 최적화를 통해 클러스터 분리를 강화한다.
• 클러스터를 원래의 고차원 특징으로 매핑하는 설명 가능성 계층을 제공한다.

제안 방법

• 비선형 DR(UMAP)을 기본 투영으로 사용해 초기 2D 임베딩을 얻는다.
• 선택 도구를 통해 제약사항(must-link, cannot-link)을 사용자 주도으로 제공하고 이를 투영 손실에 통합한다.
• 손실 증강: L_total = L_UMAP + lambda_ML L_ML + lambda_CL L_CL, 여기서 L_ML은 반드시 연결된 점들을 함께 끌어당기고 L_CL은 불연속 쌍에 대해 여유 기반의 분리를 강제한다.
• 각 사용자 피드백 후 2D 임베딩의 실시간 재최적화(이전 좌표에서 워밍업 시작).
• 최종 클러스터링은 최적화된 2D 좌표에서 수행(e.g., DBSCAN).
• 설명 가능성 모듈은 원래의 고차원 특징에서 가볍게 학습 가능한 분류기를 학습해 각 클러스터의 정의 특성을 설명한다.

Figure 1: The IPBC framework. (1) High-dimensional data is input. (2) An initial projection (e.g. UMAP) is generated. (3) The user interacts with the visualization via UI tools. (4) Feedback (must-link/cannot-link constraints) is sent to the (5) projection model, which augments its loss. (6) A new r

실험 결과

연구 질문

• RQ1 사용자가 제공한 쌍별 제약이 비선형 투영을 재구성해 더 명확한 클러스터 구조를 드러내는 방법은 무엇인가?
• RQ2 Must-link 및 cannot-link 피드백을 투영 목표에 통합하는 것이 정적 DR+클러스터링 파이프라인보다 클러스터링 품질을 개선하는가?
• RQ3 사용자가 정제한 2D 임베딩에서의 클러스터링이 전통적 파이프라인보다 실제 정답과 더 잘 정렬되는가?
• RQ4 발견된 클러스터에 대해 어떤 해석 가능한 설명(특징 수준)을 제공해 신뢰를 높일 수 있는가?

주요 결과

Method	MNIST ARI	MNIST NMI	MNIST Sil	Fashion-MNIST ARI	Fashion-MNIST NMI	Fashion-MNIST Sil	Single-Cell ARI	Single-Cell NMI	Single-Cell Sil
K-Means (raw)	0.25	0.40	0.05	0.20	0.30	0.04	0.40	0.50	0.10
K-Means + PCA	0.35	0.50	0.08	0.30	0.45	0.08	0.45	0.60	0.15
UMAP + DBSCAN	0.60	0.70	0.25	0.50	0.65	0.25	0.70	0.75	0.35
IPBC (ours)	0.80	0.85	0.50	0.75	0.80	0.45	0.88	0.92	0.60

• 시뮬레이션된 사용자 피드백이 MNIST, Fashion-MNIST 및 단일 세포 RNA 데이터 세트에서 baselines보다 ARI와 NMI를 크게 향상시켰다.
• IPBC는 정적 DR+클러스터링 baselines와 비교해 클러스터링 품질을 개선했다(예: MNIST에서 ARI 최대 0.80, 다른 데이터셋에서 0.88).
• 일부 대화형 정제의 라운드(보고된 실험에서 3라운드)가 2D 임베딩의 클러스터 분리를 크게 향상시켰다.
• 설명 가능성 구성 요소는 각 클러스터의 상위 기여 원래 특징을 경량 분류기를 통해 제공해 해석 가능성을 높인다.
• 최종 IPBC 임베딩에서의 DBSCAN은 원시 데이터나 PCA 전처리 데이터에서의 DBSCAN보다 제시된 지표에서 우수하다.
• 정성적 사례 연구는 사용자 지향 제약이 MNIST의 숫자 4와 9처럼 겹치는 클래스를 투영에서 분리할 수 있음을 보여준다.

Figure 2: Visual comparison of projections on MNIST. (a) PCA (poor separation). (b) Standard UMAP (good, but digits 4 and 9 are mixed). (c) Our IPBC result after 3 feedback iterations (digits 4 and 9 are now clearly separated).