[論文レビュー] Semi-Supervised Constrained Clustering: An In-Depth Overview, Ranked Taxonomy and Future Research Directions

Germán González-Almagro, Daniel Peralta+3 more|arXiv (Cornell University)|Feb 28, 2023

Advanced Clustering Algorithms Research被引用数 10

ひとこと要約

本調査は、制約付きクラスタリング手法の包括的な分類とランキングを提供し、背景知識のタイプを分析し、今後の研究方向を概説します。

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.

研究の動機と目的

• 制約付きクラスタリングと背景知識のタイプに関する詳しい背景を提示する。
• 制約付きクラスタリングで使用される制約タイプの新しい階層付き分類を提供する。
• インスタンスレベルのペアワイズ制約とその適用と歴史を調査する。
• 制約付きクラスタリング手法の統計分析を実施し、人気度と検証品質でランキングする。
• 制約付きクラスタリングにおける潜在的な落とし穴と今後の研究方向を提案する。

提案手法

• 半教師付きクラスタリングで用いられる背景知識の分類学を導入する（分割レベル、インスタンスレベル、クラスタレベル、特徴量レベル、距離レベル、その他）。
• 制約付きクラスタリングとペアワイズ制約（must-link, cannot-link）およびそれらの拡張（may-link、ファジー、エリート、ランキング）を形式化する。
• 分割型および階層型設定における制約付きクラスタリングの実現可能性と計算複雑性を分析し、階層的CCにおける行き詰まりを含む。
• 歴史的発展、応用、および広範な制約付きクラスタリング手法のコーパス（統計的サンプリングとランキング）を調査する。
• 特徴と検証品質に基づいて307の制約付きクラスタリング手法を評価・序列化するスコアリング/ランキングシステムを提案する。

実験結果

リサーチクエスチョン

• RQ1 半教師付き制約付きクラスタリングで用いられる背景知識のタイプは何で、どのように分類できるか。
• RQ2 ペアワイズ制約をはじめとする他の制約形が、実現可能性、複雑さ、実際の性能にどのように影響するか。
• RQ3 提案されたランキングシステムによって、どの制約付きクラスタリング手法が最も影響力があるか、または有望か。
• RQ4 制約付きクラスタリング研究における一般的な落とし穴と今後の方向性は何か。

主な発見

• CC（制約付きクラスタリング）の制約タイプと背景知識の包括的な分類を提供する。
• 分割型および階層型CCの制約に対する実現可能性問題がNP完全であることを示す。
• ペアワイズ、グループ、トリプレット、および階層関連の制約を含む幅広い制約形を特定する。
• 人気度と検証品質に基づいて307の手法を評価するスコアリングシステムと階層付き分類を提案する。
• 制約付きクラスタリングにおける潜在的な落とし穴を強調し、今後の研究方向を概説する。