競合学習を用いた情報理論的クラスタリング:　クラスタリングにおける基準及びアルゴリズムの比較

摘要

情報理論的クラスタリング(ITC:information-theoretic clustering)は，特徴分布の類似性によりクラスタをまとめる方法である.近年，クラスタリング基準が明確化され，この基準の最適化によるITCアルゴリズムが提案された.このアルゴリズムは，k-means法においてデータが属するクラスタラベルを更新する時に評価関数としてKL(Kullback Leibler)ダイバージエンスを用いる.最近，この考え方に基づいた，新しいアルゴリズムが提案された.その手法は，ゼロ頻度問題を回避するため，KLダイパージエンスの代わりにその近似であるskewダイバージエンスを用い，学習アルゴリズムとしては，k-means法に対する優位性が確認されている競合学習を用いる.本稿は，前記手法がテキストデータを対象とした多クラス問題において，最大マージンクラスタリングゃ混合von Mises-Fisher分布に基づく方法などの既存アルゴリズムに比べて優れていることを実験により示した.%Information-theoretic clustering (ITC) finds clusters based on the similarity of the distributions of features. An ITC algorithm based on optimizing the clustering criterion has previously been proposed. This algorithm is reminiscent of the k-means algorithm, but uses Kullback-Leibler (KL) divergence when updating the cluster-labels of the data. Recently, a novel method, based on the idea above, has been proposed. It uses competitive learning, which is known to be superior to the k-means algorithm. The method also uses skew divergence instead of KL divergence to avoid the zero-frequency problem. This paper shows that the method performs better than existing clustering algorithms, such as maximum margin clustering and a method based on mixture of von Mises-Fisher distribution, when applied to text data sets in multiclass problems.