論文の概要: Multi-way Clustering and Discordance Analysis through Deep Collective Matrix Tri-Factorization

• arxiv url: http://arxiv.org/abs/2109.13164v1
• Date: Mon, 27 Sep 2021 16:24:23 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-28 15:50:42.474812
• Title: Multi-way Clustering and Discordance Analysis through Deep Collective Matrix Tri-Factorization
• Title（参考訳）: 深部集合行列三要素化によるマルチウェイクラスタリングと距離解析
• Authors: Ragunathan Mariappan, Vaibhav Rajan
• Abstract要約: 我々は、ニューラルネットワークによる教師なし学習の最先端を推し進め、異種多型マルチモーダル関係データを解析する。 我々は,任意の行列集合の集合行列三要素化のための最初のニューラル手法を設計し,全ての構成要素のスペクトルクラスタリングを行い,クラスタアソシエーションを学習する。 本稿では,知識ベースの品質評価と表現学習の改善におけるその有用性について述べる。
• 参考スコア（独自算出の注目度）: 9.283501363468728
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Heterogeneous multi-typed, multimodal relational data is increasingly available in many domains and their exploratory analysis poses several challenges. We advance the state-of-the-art in neural unsupervised learning to analyze such data. We design the first neural method for collective matrix tri-factorization of arbitrary collections of matrices to perform spectral clustering of all constituent entities and learn cluster associations. Experiments on benchmark datasets demonstrate its efficacy over previous non-neural approaches. Leveraging signals from multi-way clustering and collective matrix completion we design a unique technique, called Discordance Analysis, to reveal information discrepancies across subsets of matrices in a collection with respect to two entities. We illustrate its utility in quality assessment of knowledge bases and in improving representation learning.
• Abstract（参考訳）: 不均一なマルチタイプ・マルチモーダルリレーショナルデータは、多くの領域で利用され、探索分析はいくつかの課題を提起している。 我々は,神経教師なし学習における最先端の学習を前進させ,そのデータを分析する。 任意の行列集合の集合行列三要素化のための最初のニューラルネットワークを設計し、全ての構成要素のスペクトルクラスタリングを行い、クラスタアソシエーションを学習する。 ベンチマークデータセットに関する実験は、これまでの非神経的アプローチに対する効果を示している。 マルチウェイクラスタリングおよび集合行列補完からの信号を活用することで、2つのエンティティに関するコレクション内の行列のサブセット間での情報格差を明らかにする、Discordance Analysisと呼ばれるユニークな手法を設計する。 本稿では,知識ベースの品質評価と表現学習の改善にその有用性を示す。

関連論文リスト

• HBIC: A Biclustering Algorithm for Heterogeneous Datasets [0.0]
  Biclusteringは、データマトリックス内で行と列を同時にクラスタすることを目的とした、教師なしの機械学習アプローチである。 複素異種データから有意義なビクラスタを発見することが可能な,HBICと呼ばれるビクラスタリング手法を提案する。
  論文  参考訳（メタデータ） (2024-08-23T16:48:10Z)
• Single-cell Multi-view Clustering via Community Detection with Unknown Number of Clusters [64.31109141089598]
  シングルセルデータに適した,革新的なマルチビュークラスタリング手法である scUNC を導入する。 scUNCは、事前に定義された数のクラスタを必要とせずに、異なるビューからの情報をシームレスに統合する。 3つの異なる単一セルデータセットを用いて,SCUNCの総合評価を行った。
  論文  参考訳（メタデータ） (2023-11-28T08:34:58Z)
• Multi-modal Multi-view Clustering based on Non-negative Matrix Factorization [0.0]
  本稿では,マルチモーダルクラスタリングアルゴリズムについて検討し,マルチモーダル・マルチビュー非負行列分解法を提案する。 実験の結果,様々なデータセットを用いて評価した提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-08-09T08:06:03Z)
• One-step Multi-view Clustering with Diverse Representation [47.41455937479201]
  本稿では,多視点学習と$k$-meansを統合フレームワークに組み込んだ一段階のマルチビュークラスタリングを提案する。 そこで本研究では,効率の良い最適化アルゴリズムを開発し,その解法について述べる。
  論文  参考訳（メタデータ） (2023-06-08T02:52:24Z)
• Unified Multi-View Orthonormal Non-Negative Graph Based Clustering Framework [74.25493157757943]
  我々は,非負の特徴特性を活用し,多視点情報を統合された共同学習フレームワークに組み込む,新しいクラスタリングモデルを定式化する。 また、深層機能に基づいたクラスタリングデータに対するマルチモデル非負グラフベースのアプローチを初めて検討する。
  論文  参考訳（メタデータ） (2022-11-03T08:18:27Z)
• Clustering Ensemble Meets Low-rank Tensor Approximation [50.21581880045667]
  本稿では,複数のクラスタリングを組み合わせ,個々のクラスタリングよりも優れたパフォーマンスを実現するクラスタリングアンサンブルの問題について検討する。 本稿では,この問題をグローバルな視点から解くために,新しい低ランクテンソル近似法を提案する。 7つのベンチマークデータセットを用いた実験の結果,提案手法は12の最先端手法と比較して,クラスタリング性能のブレークスルーを達成した。
  論文  参考訳（メタデータ） (2020-12-16T13:01:37Z)
• Multi-View Spectral Clustering with High-Order Optimal Neighborhood Laplacian Matrix [57.11971786407279]
  マルチビュースペクトルクラスタリングは、データ間の固有のクラスタ構造を効果的に明らかにすることができる。 本稿では,高次最適近傍ラプラシア行列を学習するマルチビュースペクトルクラスタリングアルゴリズムを提案する。 提案アルゴリズムは, 1次ベースと高次ベースの両方の線形結合の近傍を探索し, 最適ラプラシア行列を生成する。
  論文  参考訳（メタデータ） (2020-08-31T12:28:40Z)
• Unsupervised Multi-view Clustering by Squeezing Hybrid Knowledge from Cross View and Each View [68.88732535086338]
  本稿では,適応グラフ正規化に基づくマルチビュークラスタリング手法を提案する。 5つの多視点ベンチマークの実験結果から,提案手法が他の最先端手法をクリアマージンで上回ることを示す。
  論文  参考訳（メタデータ） (2020-08-23T08:25:06Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。