[论文解读] Towards a Unified Taxonomy of Biclustering Methods

Dmitry I. Ignatov, Bruce W. Watson|arXiv (Cornell University)|Feb 17, 2017

Rough Sets and Fuzzy Logic参考文献 31被引用 3

一句话总结

本文提出了一种基于形式概念分析（FCA）和属性探查的统一分类法，用于整合生物信息学和数据挖掘领域中多样化的分类体系。通过将双聚类方法建模为形式概念，并应用属性探查以完善和验证分类法，作者建立了一个全面且可扩展的框架，揭示了缺失的方法论类别，并支持对双聚类算法进行交互式、类本体的分类。

ABSTRACT

Being an unsupervised machine learning and data mining technique, biclustering and its multimodal extensions are becoming popular tools for analysing object-attribute data in different domains. Apart from conventional clustering techniques, biclustering is searching for homogeneous groups of objects while keeping their common description, e.g., in binary setting, their shared attributes. In bioinformatics, biclustering is used to find genes, which are active in a subset of situations, thus being candidates for biomarkers. However, the authors of those biclustering techniques that are popular in gene expression analysis, may overlook the existing methods. For instance, BiMax algorithm is aimed at finding biclusters, which are well-known for decades as formal concepts. Moreover, even if bioinformatics classify the biclustering methods according to reasonable domain-driven criteria, their classification taxonomies may be different from survey to survey and not full as well. So, in this paper we propose to use concept lattices as a tool for taxonomy building (in the biclustering domain) and attribute exploration as means for cross-domain taxonomy completion.

研究动机与目标

• 解决生物信息学和数据挖掘等不同领域中双聚类方法缺乏一致且全面的分类法的问题。
• 统一现有、常相互矛盾或不完整的双聚类算法分类体系。
• 通过在形式概念格上应用属性探查，识别当前双聚类方法分类中的空白点。
• 基于共享属性和结构特性，开发一个可重用、可扩展的框架，用于分类新型双聚类方法。
• 通过概念格和嵌套线图界面，实现对双聚类技术的交互式、可视化和类本体探索。

提出的方法

• 将双聚类方法建模为对象（方法）与属性（分类标准）构成的形式上下文中的形式概念。
• 从形式上下文构建概念格，以表示双聚类方法之间的层次关系。
• 应用属性探查——一种形式概念分析技术——通过识别分类属性之间的逻辑蕴含关系，来验证和补全分类法。
• 利用格结构检测缺失或不一致的方法类别，例如采用单集合发现策略但非穷尽双聚类结构的类别。
• 通过将形式概念推广至n元关系，将多模态聚类扩展（如三聚类、n-集合）整合到分类法中。
• 通过基于树、基于格和嵌套线图的交互式可视化界面，支持在多粒度层次上导航分类法。

实验结果

研究问题

• RQ1 如何从文献中不同来源的分类体系出发，构建统一的双聚类方法分类法？
• RQ2 现有双聚类分类法中缺失或不一致的分类属性有哪些，如何发现它们？
• RQ3 形式概念分析和属性探查在多大程度上能揭示当前双聚类方法分类中的结构性空白？
• RQ4 当新型双聚类算法出现时，该分类法如何维护和扩展？
• RQ5 所提出的框架能否通过可视化和逻辑手段支持双聚类方法的交互式探索与分类？

主要发现

• 作者发现，生物信息学中广泛使用的许多双聚类方法（如BiMax）实际上等价于形式概念——布尔矩阵中的最大子矩阵——这些概念早在20世纪80年代就已在形式概念分析中被知晓。
• 属性探查揭示了逻辑上的不一致和缺失类别，例如缺少将“单集合发现策略”与“穷尽双聚类结构”结合的方法，尽管这类组合在逻辑上是隐含的，但尚未被实现。
• 分类法构建过程揭示，现有分类体系往往不完整、依赖特定领域且缺乏形式化验证，导致算法方法重复或被重新发明。
• 概念格的使用实现了双聚类方法的层次化组织，揭示了从一般到具体的关联关系，支持交互式导航与分类。
• 该框架支持类本体的知识管理，允许通过专家反馈动态扩展和验证新的方法类别。
• 将多模态聚类（如三聚类、n-集合）整合到分类法中，证明了该框架在传统双聚类之外的可扩展性。