[论文解读] A Unified Framework of FPT Approximation Algorithms for Clustering Problems

Suman K. Bera, Chakrabarty, Deeparnab+2 more|arXiv (Cornell University)|Jan 8, 2019

Privacy-Preserving Technologies in Data参考文献 63被引用 41

一句话总结

本论文提出了一种统一的、黑箱框架，可将任意原始聚类算法转化为针对 ℓp-范数目标（如 k-means、k-median、k-center）的公平聚类算法，即使受保护群体存在重叠也适用。该框架在仅产生较小的加性公平性偏差（≤ 4∆ + 3）的前提下，保证了对公平最优解的 (ρ + 2)-近似，其中 ∆ 是每个点所属的最大重叠群体数。尽管理论界限表明性能可能更差，但实验结果表明其实际代价接近最优，仅比最优解高出约 15%。

ABSTRACT

In this paper, we present a framework for designing FPT approximation algorithms for many k-clustering problems. Our results are based on a new technique for reducing search spaces. A reduced search space is a small subset of the input data that has the guarantee of containing k clients close to the facilities opened in an optimal solution for any clustering problem we consider. We show, somewhat surprisingly, that greedily sampling O(k) clients yields the desired reduced search space, based on which we obtain FPT(k)-time algorithms with improved approximation guarantees for problems such as capacitated clustering, lower-bounded clustering, clustering with service installation costs, fault tolerant clustering, and priority clustering.

研究动机与目标

• 为解决先前公平聚类研究的局限性，包括僵化的公平约束、对重叠受保护群体支持不足以及目标函数受限的问题。
• 设计一种通用且可调节的公平模型，允许用户指定聚类中群体表征的自定义下限和上限。
• 提供一种黑箱转换方法，将任意 ρ-近似聚类算法转化为公平聚类算法，且仅造成解质量上的微小、有界损失。
• 将该框架扩展至处理下界聚类问题，实现对 k-median 和 k-center 问题的固定参数可追踪（FPT）近似。

提出的方法

• 引入一种广义公平模型，其中对每个群体 i 设定其在任意聚类中表征的特定下限（βi）和上限（αi），支持重叠的受保护群体。
• 利用原始聚类算法的输出构建公平分配问题，并通过迭代取整方法求解，以确保公平性且仅产生微小的加性偏差。
• 证明所得解是对最优公平聚类的 (ρ + 2)-近似，其中 ρ 是原始算法的近似比。
• 通过参数 ∆（即单个点最多属于的群体数）处理重叠群体，将公平性偏差控制在 4∆ + 3 以内。
• 通过引入大小约束，将该框架应用于下界聚类问题，实现在 O(2^k poly(n)) 时间内的 (ρ + 2)-近似。
• 使用带加性公平性偏差（λ）的线性规划松弛作为下界，评估实际性能，并与近乎公平的 LP 解进行比较。

实验结果

研究问题

• RQ1 能否设计一种通用且可调节的公平模型，支持重叠受保护群体与任意公平性边界，同时保持强理论保证？
• RQ2 能否将任意原始聚类算法转化为公平聚类算法，且无论采用何种 ℓp-范数目标，其目标代价仅产生微小、有界的增加？
• RQ3 当存在重叠受保护群体（即 ∆ > 1）时，公平性与解质量如何变化？该框架能否稳健地处理此情况？
• RQ4 该算法的实际性能在多大程度上超出理论界限，特别是在与最优公平解相比的代价方面？
• RQ5 该框架能否扩展以处理额外约束（如最小聚类大小），同时保持 FPT 近似保证？

主要发现

• 该算法实现了对最优公平聚类的 (ρ + 2)-近似，公平性偏差被控制在 4∆ + 3 以内，对于大聚类而言可忽略不计。
• 实验结果表明，公平解的代价最多比最优公平解高出 15%，远优于理论所预测的 (ρ + 2) 上限。
• 当 k ≤ 10 时，所有数据集上公平解的代价最多比原始聚类代价高出 15%，在 creditcard 数据集上即使原始解存在显著不公平性，代价也仅增加 6%。
• 该框架优于先前工作：在 k=20 的 k-median 问题上，其在 bank 和 census 数据集上的代价比 [12] 和 [25] 低 2 至 6 倍。
• 当 ∆ > 1（即存在重叠群体）时，该算法能同时对多个属性（如性别与种族）实现公平性，且代价增加不显著，而其他方法仅能对单一属性强制公平。
• 带加性公平性偏差（λ）的 LP 松弛解与实际代价高度吻合，表明该算法的代价仅比理论下界高出约 15%，反映出其在实际应用中的强大性能。