[論文レビュー] Relation Strength-Aware Clustering of Heterogeneous Information Networks with Incomplete Attributes

Yizhou Sun, Charų C. Aggarwal+1 more|arXiv (Cornell University)|Jan 31, 2012

Complex Network Analysis Techniques参考文献 22被引用数 6

ひとこと要約

本稿では、不完全な属性と複数種類のリンクを統合的に活用し、自動で学習された関係強度を用いて、異種情報ネットワークのクラスタリングを実行する確率的モデルGenClusを提案する。リンク重みとクラスタ割り当てを繰り返し最適化することで、属性データが不完全で、意味的に多様な関係を有する実世界のネットワークにおいて、クラスタリング精度が向上する。

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.

研究の動機と目的

• 対象の属性がしばしば不完全または欠落している異種情報ネットワークのクラスタリングの課題に対処すること。
• ユーザーが指定する目的に基づき、クラスタリングプロセスにおいて異なるリンクタイプの意味的重みの違いをモデル化すること。
• 属性ベースとリンクベースの類似度を統合し、異なる関係タイプに対して自動で重みを学習する統一された確率的フレームワークを構築すること。
• 属性データがスパースで、関係が意味的に多様な実世界のネットワーク（例：ソーシャルメディアやECプラットフォーム）において、効果的なクラスタリングを可能にすること。

提案手法

• 異種オブジェクトを共通の潜在空間にマッピングする生成的確率的モデルを提案し、統合的クラスタリングを実現する。
• クラスタ形成を導く際の異なるリンクタイプの相対的重要性をモデル化するための関係強度パラメータを導入する。
• クラスタ割り当てとリンク強度重みを同時に最適化するため、期待値最大化（EM）風の反復的アルゴリズムを用いる。
• 数値的およびカテゴリカルな属性をモデルに統合し、確率的推論により不完全な属性観測に対処する。
• リンクの一貫性をモデル化するため、リンクされたオブジェクトは同じクラスタに属する可能性が高くなると仮定し、タイプ固有の重みが意味的関連性を反映する。
• リンク尤度が接続されたノードのクラスタ所属と関係固有の強度パラメータに依存する混合モデルフレームワークを採用する。

実験結果

リサーチクエスチョン

• RQ1 不完全な属性データを有する異種情報ネットワークにおいて、どのようにクラスタリング精度を向上させられるか？
• RQ2 クラスタリング目的が属性のサブセットによって指定された場合、異なるリンクタイプに相対的重みをどのように割り当てるかが最適であるか？
• RQ3 完全な属性セットがなくても、属性情報と多関係的情報を統合的に効果的に活用する統一された確率的モデルは、クラスタリングに有効に機能するか？
• RQ4 意味的に異なる複数の意味を持つリンクタイプがクラスタリング結果に与える影響は何か？ また、その影響をどのように適応的に学習できるか？

主な発見

• 提案手法GenClusは、不完全な属性を有する実データおよび合成データの両方で、ベースライン手法よりも顕著に高いクラスタリング精度を達成する。
• 関係強度の自動学習により、固定値または等重みのリンク統合戦略よりも優れたクラスタリング結果が得られる。
• 関係構造を活用することで、欠損属性値を効果的に処理し、完全な属性セットへの依存度を低減する。
• 実験により、反復的最適化プロセスが収束し、リンク重みとクラスタ割り当てが相互に強化され、クラスタリング品質が向上することが示された。
• 事例研究では、混合された属性情報とリンク情報に基づき、ソーシャルネットワークにおける政治的関心クラスタを効果的に同定できることを示した。
• アルゴリズムは効率的にスケーリングされ、大規模な異種ネットワークに対しても実用的応用が可能であることが示された。