[论文解读] A Link Clustering Based Approach for Clustering Categorical Data

Zengyou He, Xiaofei Xu+1 more|ArXiv.org|Dec 4, 2004

Advanced Clustering Algorithms Research被引用 9

一句话总结

本文提出了一种新颖的聚类方法，通过将分类数据聚类问题转化为链接聚类（LC）任务，利用社交网络分析中的技术。通过将数据记录建模为节点，属性一致作为链接，该方法应用链接聚类算法识别出自然分组，在真实数据集上的聚类准确率与现有分类数据聚类方法相比具有竞争力。

ABSTRACT

Categorical data clustering (CDC) and link clustering (LC) have been considered as separate research and application areas. The main focus of this paper is to investigate the commonalities between these two problems and the uses of these commonalities for the creation of new clustering algorithms for categorical data based on cross-fertilization between the two disjoint research fields. More precisely, we formally transform the CDC problem into an LC problem, and apply LC approach for clustering categorical data. Experimental results on real datasets show that LC based clustering method is competitive with existing CDC algorithms with respect to clustering accuracy.

研究动机与目标

• 探索分类数据聚类（CDC）与链接聚类（LC）之间的共性，以促进两个领域之间的交叉融合。
• 正式地将CDC问题转化为链接聚类问题，以实现统一的算法处理。
• 基于链接聚类技术，开发一种新的分类数据聚类算法。
• 在真实世界数据集上，评估所提方法与现有CDC算法的性能表现。

提出的方法

• 该方法将每个数据记录建模为图中的一个节点，通过共享相同属性值的数据记录之间建立链接。
• 使用属性一致作为相似性度量以定义边，形成分类记录的共现图。
• 应用链接聚类算法将边（链接）聚类为若干组，其中每个聚类对应一个紧密关联的记录组。
• 将最终的链接聚类映射回记录聚类，形成最终的分类数据聚类。
• 该方法使用成熟的链接聚类启发式算法，通过优化模块度来基于共享属性模式对记录进行分组。
• 该转换使得现有LC算法可直接应用于分类数据，而无需依赖特定于属性的距离度量。

实验结果

研究问题

• RQ1 链接聚类技术能否被有效适配以解决分类数据聚类问题？
• RQ2 分类数据聚类与链接聚类之间在结构和算法层面存在哪些共性？
• RQ3 所提出的基于链接聚类的方法与现有分类数据聚类算法相比，性能如何？
• RQ4 将分类数据转换为基于链接的图结构，能否保留有意义的聚类结构？

主要发现

• 所提出的基于链接聚类的方法在真实数据集上的聚类准确率与最先进的分类数据聚类算法相当。
• 将分类数据转换为基于链接的图结构，能够通过属性一致有效捕捉潜在的聚类结构。
• 该方法在多种不同的分类数据集上表现出鲁棒性，且无需对距离度量进行参数调优。
• 该方法成功地将链接聚类技术整合到分类数据聚类中，为传统CDC方法提供了一种新颖且可行的替代方案。
• 实验结果证实，链接聚类框架是聚类分类数据的一种具有竞争力且高效的范式。