[논문 리뷰] Semi-Supervised Constrained Clustering: An In-Depth Overview, Ranked Taxonomy and Future Research Directions

Germán González-Almagro, Daniel Peralta외 3명|arXiv (Cornell University)|2023. 02. 28.

Advanced Clustering Algorithms Research인용 수 10

한 줄 요약

이 설문조사는 제약 클러스터링 방법의 포괄적 분류-랭킹을 제공하고, 배경 지식 유형을 분석하며, 향후 연구 방향을 제시한다.

ABSTRACT

Clustering is a well-known unsupervised machine learning approach capable of automatically grouping discrete sets of instances with similar characteristics. Constrained clustering is a semi-supervised extension to this process that can be used when expert knowledge is available to indicate constraints that can be exploited. Well-known examples of such constraints are must-link (indicating that two instances belong to the same group) and cannot-link (two instances definitely do not belong together). The research area of constrained clustering has grown significantly over the years with a large variety of new algorithms and more advanced types of constraints being proposed. However, no unifying overview is available to easily understand the wide variety of available methods, constraints and benchmarks. To remedy this, this study presents in-detail the background of constrained clustering and provides a novel ranked taxonomy of the types of constraints that can be used in constrained clustering. In addition, it focuses on the instance-level pairwise constraints, and gives an overview of its applications and its historical context. Finally, it presents a statistical analysis covering 307 constrained clustering methods, categorizes them according to their features, and provides a ranking score indicating which methods have the most potential based on their popularity and validation quality. Finally, based upon this analysis, potential pitfalls and future research directions are provided.

연구 동기 및 목표

• 제약 클러스터링에 대한 자세한 배경 지식과 배경 지식 유형을 제시합니다.
• 제약 클러스터링에 사용되는 제약 유형의 새로운 랭크된 분류를 제공합니다.
• 인스턴스 수준의 쌍 제약과 그 응용 및 역사를 조사합니다.
• 제약 클러스터링 방법에 대한 통계적 분석을 수행하여 인기도와 검증 품질로 순위를 매깁니다.
• 제약 클러스터링의 잠재적 함정과 향후 연구 방향을 제시합니다.

제안 방법

• 반-감독 클러스터링에 사용되는 배경 지식의 분류 체계 도입(분할 수준, 인스턴스 수준, 클러스터 수준, 특징 수준, 거리 수준; 여타 항목 포함).
• 제약 클러스터링과 쌍 제약(필수 연결, 불가능 연결) 및 확장(가능 연결, 퍼지, 엘리트, 랭킹)을 형식화합니다.
• 부분적(partitional) 및 계층적 설정에서의 제약 클러링의 실현 가능성 및 복잡성을 분석하고, 계층적 CC의 막다른 길을 포함합니다.
• 역사적 발전, 응용 및 광범위한 제약 클러스터링 방법의 코퍼스(통계적 샘플링 및 랭킹)를 조사합니다.
• 특징과 검증 품질에 따라 307개의 제약 클러스터링 방법을 평가하고 순서를 매기기 위한 점수 매기기/랭킹 시스템을 제안합니다.

실험 결과

연구 질문

• RQ1 반-감시 제약 클러스터링에 사용되는 배경 지식의 유형은 무엇이며 이를 어떻게 분류할 수 있는가?
• RQ2 쌍 제약 및 다른 형태의 제약이 제약 클러스터링의 실현 가능성, 복잡성, 실전 성능에 어떤 영향을 미치는가?
• RQ3 제안된 랭킹 시스템에 따라 가장 영향력 있거나 전망 있는 제약 클러스터링 방법은 무엇인가?
• RQ4 제약 클러스터링 연구에서 흔한 함정과 향후 방향은 무엇인가?

주요 결과

• 제약 유형과 제약 지식에 대한 포괄적 분류 체계를 제공한다.
• 제약 조건에 대한 실현 가능성 문제는 부분적(CC)와 계층적 CC 모두에 대해 NP-완전임을 보여준다.
• 쌍 제약, 그룹, 트리플렛, 계층 관련 제약을 포함한 다양한 제약 형태를 확인한다.
• 307개 방법을 대상으로 인기도와 검증 품질로 방법을 평가하고 순위를 매기는 점수 체계와 분류 체계를 제안한다.
• 제약 클러스터링에서 잠재적 함정을 강조하고 향후 연구 방향을 제시한다.