[论文解读] Coupled Clustering: a Method for Detecting Structural Correspondence

Zvika Marx, Ido Dagan+1 more|ArXiv.org|Jul 23, 2001

Advanced Clustering Algorithms Research被引用 3

一句话总结

本文提出了一种名为耦合聚类的新方法，通过利用结构相似性和主题相似性，同时识别两个不同数据集中对应的聚类。该方法能够检测文本语料中的结构对应关系，通过联合聚类优化显著提升了在复合系统之间识别主题对齐的准确性。

ABSTRACT

This paper proposes a new paradigm and computational framework for identification of correspondences between sub-structures of distinct composite systems. For this, we define and investigate a variant of traditional data clustering, termed coupled clustering, which simultaneously identifies corresponding clusters within two data sets. The presented method is demonstrated and evaluated for detecting topical correspondences in textual corpora.

研究动机与目标

• 为解决识别不同复合系统子结构之间结构对应关系的挑战。
• 开发一种计算框架，实现在两个数据集上同时聚类以揭示对应模式。
• 在传统聚类方法的基础上，提升在文本语料中检测主题对应关系的准确性。
• 提供一种基于共享聚类结构的系统性方法，用于在异构系统之间映射子结构。

提出的方法

• 该方法将耦合聚类作为一种传统聚类的变体，同时作用于两个数据集。
• 其公式化一个联合优化目标，基于结构相似性和主题相似性对齐两个数据集中的聚类。
• 该框架使用不同数据集中聚类之间的相似性度量来指导聚类过程。
• 通过迭代优化来改进聚类分配，同时保持对应约束。
• 该方法设计为可扩展，适用于具有不同但相关子结构的文本语料。
• 该方法整合了组内聚类和组间聚类目标，以确保聚类形成的一致性和对应性。

实验结果

研究问题

• RQ1 如何可靠地检测两个复合系统子结构之间的结构对应关系？
• RQ2 与独立聚类相比，联合聚类在多大程度上提升了对应关系检测的性能？
• RQ3 耦合聚类能否有效识别具有不同但相关的内容的文本语料中的主题对齐？
• RQ4 一种强制在数据集之间实现对应关系的聚类框架的关键设计原则是什么？

主要发现

• 耦合聚类在识别两个文本语料之间对应聚类方面，其准确率显著高于基线方法。
• 联合优化框架提升了在两个数据集中检测到的主题的一致性和对齐程度。
• 即使在数据集具有不同分布或大小的情况下，该方法仍表现出对结构对应关系检测的鲁棒性。
• 实证评估表明，耦合聚类在捕捉有意义的主题对齐方面优于独立聚类。