[論文レビュー] Self-Organized Stigmergic Document Maps: Environment as a Mechanism for Context Learning

Vitorino Ramos, J. J. Merelo|ArXiv.org|Dec 17, 2004

Insect and Arachnid Ecology and Behavior参考文献 22被引用数 113

ひとこと要約

本稿では、記憶や複数種のアリではなく、環境的ヒントを通じた間接的通信（stigmergy）を用いる、未教師付きテクスト文書クラスタリングのための新規なアリにインspiredなシステムACLUSTERを提案する。共有環境におけるフェロモンに類似した信号を用いて文書の類似度をモデル化することで、中央集権的制御や複雑なエージェントの差別化なしに、自己組織的かつ効果的なコンテキスト学習とデータ検索を実現する。

ABSTRACT

Social insect societies and more specifically ant colonies, are distributed systems that, in spite of the simplicity of their individuals, present a highly structured social organization. As a result of this organization, ant colonies can accomplish complex tasks that in some cases exceed the individual capabilities of a single ant. The study of ant colonies behavior and of their self-organizing capabilities is of interest to knowledge retrieval/management and decision support systems sciences, because it provides models of distributed adaptive organization which are useful to solve difficult optimization, classification, and distributed control problems, among others. In the present work we overview some models derived from the observation of real ants, emphasizing the role played by stigmergy as distributed communication paradigm, and we present a novel strategy to tackle unsupervised clustering as well as data retrieval problems. The present ant clustering system (ACLUSTER) avoids not only short-term memory based strategies, as well as the use of several artificial ant types (using different speeds), present in some recent approaches. Moreover and according to our knowledge, this is also the first application of ant systems into textual document clustering. KEYWORDS: Swarm Intelligence, Ant Systems, Unsupervised Clustering, Data Retrieval, Data Mining, Distributed Computing, Document Maps, Textual Document Clustering.

研究の動機と目的

• アリコロニー行動にインspiredしたスケーラブルで分散型のドキュメントクラスタリング手法の開発。
• 記憶依存的または多様なアリタイプに依存するシステムの限界を克服し、ドキュメント検索およびクラスタリングにおいて改善を図ること。
• テキストデータにおけるコンテキスト学習のメカニズムとして、stigmergic通信を適用すること。
• 事前のラベル付けや中央集権的調整を必要とせずに、ドキュメントマップにおける自己組織化を可能にすること。
• スウォームインテリジェンスを用いた未教師付きデータマイニングが、テキストコーパスにおいて実現可能であることを示すこと。

提案手法

• ドキュメントが共有環境媒体を通じて相互に作用するstigmergicプロセスとしてドキュメントクラスタリングをモデル化する。
• 局所的相互作用に基づいて更新される、フェロモンに類似した信号を用いて文書の類似度を表現する。
• 類似度に比例してフェロモンを堆積する単一のエージェント（アリ）を用い、ドキュメントを走査する。
• フェロモン濃度に劣化メカニズムを適用し、停滞を防ぎ収束を促進する。
• フェロモン濃度と類似度スコアに基づく確率的選択ルールを用いてドキュメント間の遷移を制御する。
• 集団的学習とクラスタ形成のための動的で共有された記憶としての環境を活用する。

実験結果

リサーチクエスチョン

• RQ1 stigmergic通信は、テキストドキュメントの未教師付きクラスタリングに効果的に機能するか？
• RQ2 単一アリタイプのシステムは、多様なアリタイプのシステムに比べてドキュメントクラスタリングタスクでどのように異なるか？
• RQ3 環境がドキュメントマップにおけるコンテキスト学習のメカニズムとして、どの程度機能するか？
• RQ4 明示的な記憶や教師なし環境下でも、フェロモンベースの信号が安定的かつ意味のあるクラスタを形成できるか？
• RQ5 分散的かつ適応的アプローチで、アリシステムの原則をテキストデータマイニングに適用することは可能か？

主な発見

• ACLUSTERシステムは、stigmergic通信と単一のアリタイプのみを用いて、整合性のあるドキュメントクラスタを効果的に形成した。
• 本手法は、短期記憶や複数のアリタイプに依存しないため、アーキテクチャの簡素化が達成された。
• 環境は、文書間で集団的コンテキスト学習を可能にする、持続的で共有された媒体として機能した。
• ラベルなしデータや中央集権的制御なしに、クラスタリングタスクにおいても高い耐障害性を示した。
• 本研究は、stigmergyを用いたアリシステムのテキストドキュメントクラスタリングへの応用として、知られている最初の事例である。
• 自己組織的かつ分散型の計算によって、効果的なデータ検索と整理が実現された。