[论文解读] Correlation Clustering with Noisy Partial Information

Konstantin Makarychev, Yury Makarychev+1 more|arXiv (Cornell University)|Jun 22, 2014

Complex Network Analysis Techniques参考文献 19被引用 5

一句话总结

本文提出了一种针对带有噪声部分信息的相关聚类的半随机模型，引入了两种算法：一种实现了 $(1+\delta)\text{opt-cost} + O_\delta(n\log^3 n)$ 的近似比，另一种在附加假设下可实现任意小误差的真值聚类恢复。结果表明，在更真实的非最坏情况设置下，近似保证得到显著提升。

ABSTRACT

In this paper, we propose and study a semi-random model for the Correlation Clustering problem on arbitrary graphs G. We give two approximation algorithms for Correlation Clustering instances from this model. The first algorithm finds a solution of value $(1+ δ) optcost + O_δ(n\log^3 n)$ with high probability, where $optcost$ is the value of the optimal solution (for every $δ> 0$). The second algorithm finds the ground truth clustering with an arbitrarily small classification error $η$ (under some additional assumptions on the instance).

研究动机与目标

• 为解决相关聚类中在最坏情况下的近似保证局限性，研究更具现实性的平均情况模型。
• 设计在实际噪声环境中优于已知 $O(\log n)$ 因子的近似比的算法。
• 在实例满足特定结构与规律性条件时，实现高精度的真值聚类恢复。
• 为在包含噪声与部分信息的半随机模型下，相关聚类提供理论保证。

提出的方法

• 引入一种半随机模型，其中真值聚类受到随机噪声和边翻转的扰动，以建模现实世界数据的不完美性。
• 基于 Poincaré 不等式使用谱方法，以限制聚类直径并确保聚类内部的一致性。
• 应用马尔可夫不等式识别聚类中的大子集（核心），其中顶点在嵌入空间中彼此接近。
• 采用带精心设计舍入方案的 SDP 松弛方法，以区分簇内与簇间边。
• 施加结构假设，如聚类正则性、簇间密度与谱膨胀性，以确保恢复保证。
• 利用簇内与簇间距离之间的差距 ($\rho_{\text{inter}}$)，通过几何与组合论证实现聚类分离。

实验结果

研究问题

• RQ1 我们能否在超越最坏情况实例的真实、噪声模型中，实现相关聚类的 $(1+\delta)$-近似？
• RQ2 在何种条件下，我们能以任意小的分类误差恢复真值聚类？
• RQ3 谱性质与边密度约束如何影响相关聚类算法在噪声环境下的性能？
• RQ4 底层图的结构（如展开图、正则性）在从部分、噪声信息中实现准确聚类中起到何种作用？

主要发现

• 第一种算法以高概率实现 $(1+\delta)\text{opt-cost} + O_\delta(n\log^3 n)$ 的近似比，对任意 $\delta > 0$ 成立。
• 在聚类正则性、簇间正则性与簇间密度条件下，第二种算法可对任意 $\eta > 0$ 实现真值聚类的恢复，分类误差为 $\eta$。
• 每个真值聚类的核心包含其顶点的至少 $1-\eta$ 比例，且所有顶点与中心顶点的距离不超过 $\rho_{\text{core}} = O(\rho_{\text{avg}} / (\lambda_{\text{gap}} \eta^2))$。
• 不同聚类中心之间的距离至少为 $\rho_{\text{inter}}$，从而实现几何分离，并可通过 SDP 舍入正确聚类。
• 分析表明，SDP 松弛值 $\widehat{SDP}$ 下界为 $\beta_{ij}c(E)/6$，若将簇间边错误分类则与假设矛盾。
• 该方法确保错误分类边的数量满足 $c(Q \triangle E_{\text{flip}}) \leq 2(\delta + \sigma)c(Q) + 2\Lambda$，从而实现误差控制。