[논문 리뷰] Proportionally Fair Clustering Revisited

Joseph L. Cox, Michael B. Partensky|arXiv (Cornell University)|2007. 01. 12.

Experimental and Theoretical Physics Studies참고 문헌 1인용 수 7

한 줄 요약

이 논문은 역제곱법칙 신호를 갖는 평면 소스 위치 결정 문제에서의 유일성 부재 문제를 해결하기 위해 아폴로니우스의 원을 활용한 기하학적 접근을 제시한다. 세 개의 검출기로 구성된 원을 기준으로 진짜 소스와 가짜 소스가 서로 역점 관계에 있음을 보여주며, 이 원을 통해 네 번째 원 밖에 위치한 검출기를 이용해 유일한 소스 식별이 가능해지며, 이는 역 문제에서의 모호성을 해결한다.

ABSTRACT

In this work, we study fairness in centroid clustering. In this problem, k cluster centers must be placed given n points in a metric space, and the cost to each point is its distance to the nearest cluster center. Recent work of Chen et al. [Chen et al., 2019] introduces the notion of a proportionally fair clustering, in which no group of at least n/k points can find a new cluster center which provides lower cost to each member of the group. They propose a greedy capture algorithm which provides a 1+√2 approximation of proportional fairness for any metric space, and derive generalization bounds for learning proportionally fair clustering from samples in the case where a cluster center can only be placed at one of finitely many given locations in the metric space. We focus on the case where cluster centers can be placed anywhere in the (usually infinite) metric space. In case of the L² distance metric over ℝ^t, we show that the approximation ratio of greedy capture improves to 2. We also show that this is due to a special property of the L² distance; for the L¹ and L^∞ distances, the approximation ratio remains 1+√2. We provide universal lower bounds which apply to all algorithms. We also consider metric spaces defined on graphs. For trees, we show that an exact proportionally fair clustering always exists and provide an efficient algorithm to find one. The corresponding question for general graph remains an interesting open question. Finally, we show that for the L² distance, checking whether a proportionally fair clustering exists and implementing greedy capture over an infinite metric space are NP-hard problems, but (approximately) solvable in special cases. We also derive generalization bounds which show that an approximately proportionally fair clustering for a large number of points can be learned from a small number of samples. Our work advances the understanding of proportional fairness in clustering, and points out many avenues for future work.

연구 동기 및 목표

• 세 개의 검출기를 사용한 평면 소스 위치 결정 문제에서의 비유일성(모호성) 문제를 해결하기 위해.
• 역제곱법칙에 의해 지배되는 역 문제에서 진짜 소스와 가짜 소스 사이의 기하학적 관계를 규명하기 위해.
• 기하학적 역기하학과 추가적인 검출기를 활용해 진짜 소스를 유일하게 식별할 수 있는 방법을 제공하기 위해.
• 검출기가 동일 원 위에 위치해 있더라도 모호성을 해결하지 못하고, 원 밖에 위치한 네 번째 검출기를 추가하면 해결 가능함을 보여주기 위해.
• 방사성 소스 탐지 또는 GPS 유사 위치 결정과 같은 실제 문제에 적용 가능한 투명하고 직관적인 기하학적 프레임워크를 제공하기 위해.

제안 방법

• 두 고정점으로부터의 거리 비율이 일정한 비율 γ인 점들의 자취로 아폴로니우스의 원을 사용한다.
• 신호 강도가 검출기에서의 거리와 역제곱법칙에 따라 관련되므로 비율 기반의 위치 결정이 가능하다.
• 예를 들어 A와 B, A와 C 쌍의 검출기들에 대해 아폴로니우스의 원을 정의하여 거리 비율 |SA|:|SB| = 1:2 및 |SA|:|SC| = 1:3 를 만족하는 점을 찾는다.
• 이러한 두 원의 교차점을 통해 후보 소스 위치를 도출하며, 이는 두 가지 가능한 해를 드러낸다.
• 기하학적 역기하학을 도입: 진짜 소스 S와 가짜 소스 S′은 세 개의 검출기를 지나는 원 L에 대해 서로 역점 관계에 있다.
• 원 L 밖에 위치한 네 번째 검출기를 사용하여, 여러 검출기 조합 간의 일관성을 요구함으로써 진짜 소스를 식별한다.

실험 결과

연구 질문

• RQ1 세 개의 등방성 검출기를 사용한 평면 소스 위치 결정의 역 문제에서 왜 두 개의 해가 나오는가?
• RQ2 이러한 위치 결정 문제에서 진짜 소스와 가짜 소스 사이에 존재하는 기하학적 관계는 무엇인가?
• RQ3 추가적인 검출기를 통해 소스 위치 결정의 모호성을 해결할 수 있으며, 만약 가능하면 그 방법은 무엇인가?
• RQ4 모든 검출기가 동일한 원 위에 위치해 있을 경우, 소스 위치 결정에서의 비유일성 문제를 해결하지 못하는 이유는 무엇인가?
• RQ5 아폴로니우스의 원이 어떻게 역신호 위치 결정 문제를 해결하는 데 투명하고 직관적인 프레임워크를 제공하는가?

주요 결과

• 진짜 소스와 가짜 소스는 세 개의 검출기를 지나는 원에 대해 서로 역점 관계에 있으며, 이 원은 두 점에 대해 아폴로니우스의 원이 된다.
• 진짜 소스의 역점에 위치한 가짜 소스는 역제곱법칙과 기하학적 대칭성 덕분에 세 개의 검출기에서 동일한 신호 강도를 생성한다.
• 비율 γ = 1/2 인 A와 B 점에 대해 아폴로니우스의 원의 반지름은 정확히 1마일이며, |AB| = 1.5마일일 때 중심은 점 A에서 0.5마일 남쪽에 위치한다.
• A–C 쌍에 대해 γ = 1/3 이면 아폴로니우스의 원은 반지름 0.75마일이며 중심은 점 A에서 0.25마일 서쪽에 위치한다.
• A–B와 A–C에 대해 각각 그린 아폴로니우스의 원의 교차점은 두 개의 후보 위치를 제공하며, 이 중 하나는 공간적 맥락(예: 내륙 vs. 해양 위치)에 따라 기각된다.
• 원래의 원에 속하지 않는 네 번째 검출기를 추가하면, 두 개의 다른 검출기 조합에서 공통된 해를 찾음으로써 유일한 소스 식별이 가능해지며, 이는 가짜 해 S′과 S′′를 배제한다.