[논문 리뷰] Relation Strength-Aware Clustering of Heterogeneous Information Networks with Incomplete Attributes

Yizhou Sun, Charų C. Aggarwal외 1명|arXiv (Cornell University)|2012. 01. 31.

Complex Network Analysis Techniques참고 문헌 22인용 수 6

한 줄 요약

이 논문은 불완전한 속성과 다양한 유형의 링크를 함께 고려하고 자동으로 학습된 관계 강도를 활용하는 확률적 모델인 GenClus를 제안한다. 링크 가중치와 클러스터 할당을 반복적으로 최적화함으로써, 부분적인 속성 데이터와 의미적으로 다양하게 표현된 관계를 가진 실세계 네트워크에서 클러스터링 정확도를 향상시킨다.

ABSTRACT

With the rapid development of online social media, online shopping sites and cyber-physical systems, heterogeneous information networks have become increasingly popular and content-rich over time. In many cases, such networks contain multiple types of objects and links, as well as different kinds of attributes. The clustering of these objects can provide useful insights in many applications. However, the clustering of such networks can be challenging since (a) the attribute values of objects are often incomplete, which implies that an object may carry only partial attributes or even no attributes to correctly label itself; and (b) the links of different types may carry different kinds of semantic meanings, and it is a difficult task to determine the nature of their relative importance in helping the clustering for a given purpose. In this paper, we address these challenges by proposing a model-based clustering algorithm. We design a probabilistic model which clusters the objects of different types into a common hidden space, by using a user-specified set of attributes, as well as the links from different relations. The strengths of different types of links are automatically learned, and are determined by the given purpose of clustering. An iterative algorithm is designed for solving the clustering problem, in which the strengths of different types of links and the quality of clustering results mutually enhance each other. Our experimental results on real and synthetic data sets demonstrate the effectiveness and efficiency of the algorithm.

연구 동기 및 목표

• 객체의 속성이 자주 불완전하거나 누락되는 경우에 클러스터링 문제를 해결하기 위해.
• 사용자가 지정한 목표에 기반해 클러스터링 과정에서 다양한 링크 유형의 의미적 중요도가 달라지는 것을 모델링하기 위해.
• 다양한 관계 유형에 대해 자동으로 가중치를 학습하는 통합된 확률적 프레임워크를 개발하여 속성 기반 및 링크 기반 유사도를 통합하기 위해.
• 데이터가 희박하고 관계가 의미적으로 이질적인 실세계 네트워크, 예를 들어 소셜 미디어 및 전자상거래 플랫폼에서 효과적인 클러스터링을 가능하게 하기 위해.

제안 방법

• 이질적 객체를 공통의 잠재 공간에 매핑하여 통합 클러스터링을 수행하는 생성적 확률 모델을 제안한다.
• 다양한 링크 유형의 상대적 중요도를 지도하는 데 관계 강도 파rameter를 도입한다.
• 클러스터 할당과 링크 강도 가중치를 동시에 최적화하기 위해 반복적인 기대값최대화(EM) 방식 알고리즘을 사용한다.
• 수치적 및 범주형 속성을 모두 모델에 통합하여, 확률적 추론을 통해 불완전한 속성 관측치를 처리한다.
• 링크 일관성은 연결된 객체가 클러스터 멤버십을 공유할 가능성이 더 높다고 가정하며, 유형별 가중치는 의미적 관련성을 반영한다.
• 링크 가능성은 연결된 노드의 클러스터 멤버십과 관계별 강도 파rameter에 의존하는 혼합 모델 프레임워크를 사용한다.

실험 결과

연구 질문

• RQ1 불완전한 속성 데이터를 가진 이질적 정보 네트워크에서 클러스터링 성능을 어떻게 향상시킬 수 있는가?
• RQ2 클러스터링 목적을 일부 속성의 부분집합으로 지정할 경우, 다양한 링크 유형에 상대적 중요도를 어떻게 할당할 수 있는가?
• RQ3 완전한 속성 집합이 필요 없이도 속성 정보와 다중관계 정보를 효과적으로 통합하는 통합된 확률 모델이 클러스터링에 효과적으로 작용할 수 있는가?
• RQ4 의미적으로 다른 의미를 가진 다양한 링크 유형은 클러스터링 결과에 어떻게 영향을 미치며, 그 영향은 어떻게 적응적으로 학습할 수 있는가?

주요 결과

• 제안된 GenClus 방법은 불완전한 속성을 가진 실제 및 시뮬레이션 데이터셋에서 기준 방법들보다 유의미하게 높은 클러스터링 정확도를 달성한다.
• 관계 강도의 자동 학습은 고정되거나 동일 가중치를 사용하는 링크 통합 전략보다 더 나은 클러스터링 결과를 이끈다.
• 관계 구조를 활용함으로써 모델은 누락된 속성 값도 효과적으로 처리하여 완전한 속성 집합에 대한 의존도를 감소시킨다.
• 실험 결과 반복 최적화 과정이 수렴하며 링크 가중치와 클러스터 할당 간 상호 강화를 통해 클러스터링 품질이 향상됨을 보여준다.
• 사례 연구에서는 혼합된 속성과 링크 정보를 사용하여 소셜 네트워크에서 정치적 관심 클러스터를 성공적으로 식별함을 보여준다.
• 알고리즘은 효율적으로 스케일업되어 대규모 이질적 네트워크에 대한 실용적 적용 가능성을 보여준다.