Multi-View Spectral Clustering for Graphs with Multiple View Structures

要約

クラスタリングの根本的な重要性にもかかわらず、今日まで、関連する研究の多くは依然としてあいまいな基盤に基づいており、さまざまなクラスタリング方法が互いに接続されているかどうか、またはどのように接続されているかを不明確に理解しています。
この作業では、広く人気のあるスペクトルクラスタリングフレームワークに属するさまざまな方法を含む一連の一見異なるクラスタリング方法を包含する一般的なクラスタリングフレームワークを提示することにより、そのような曖昧さを解決するための追加の足がかりを提供します。
実際、提案されたフレームワークの一般性は、各ビューが異なるクラスター化されたノードを持っている可能性のあるマルチビューグラフのほとんど未開拓の領域に光を捨てることができます。
次に、Genclus：同時にこのフレームワークのインスタンスとスペクトルクラスタリングの一般化である方法である方法である方法を提案しますが、K-Meansにも密接に関連しています。
これにより、この特別なタイプのマルチビューグラフを研究するいくつかの既存の方法に代わる原則的な代替が行われます。
次に、詳細な実験を実施します。これは、Genclusが既存の方法よりも計算効率が高いことを実証し、同様のクラスタリングパフォーマンスも達成します。
最後に、定性的な現実世界のケーススタディは、Genclusが意味のあるクラスタリングを生成する能力をさらに示しています。

要約(オリジナル)

Despite the fundamental importance of clustering, to this day, much of the relevant research is still based on ambiguous foundations, leading to an unclear understanding of whether or how the various clustering methods are connected with each other. In this work, we provide an additional stepping stone towards resolving such ambiguities by presenting a general clustering framework that subsumes a series of seemingly disparate clustering methods, including various methods belonging to the widely popular spectral clustering framework. In fact, the generality of the proposed framework is additionally capable of shedding light to the largely unexplored area of multi-view graphs where each view may have differently clustered nodes. In turn, we propose GenClus: a method that is simultaneously an instance of this framework and a generalization of spectral clustering, while also being closely related to k-means as well. This results in a principled alternative to the few existing methods studying this special type of multi-view graphs. Then, we conduct in-depth experiments, which demonstrate that GenClus is more computationally efficient than existing methods, while also attaining similar or better clustering performance. Lastly, a qualitative real-world case-study further demonstrates the ability of GenClus to produce meaningful clusterings.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google