聚类分析与社区发现中外部度量方法的刻画与比较

在聚类分析与图划分的背景下，文献中已提出许多外部评价度量来比较同一集合的两个划分。这使得为给定情境选择最合适的度量成为终端用户面临的一项挑战。然而，该问题在文献中被忽视了。研究者往往遵循传统并使用其领域的标准度量，尽管它们成为标准常常只是因为先前的研究者开始持续使用它们。在本文中，我们提出一个新的经验评价框架来解决此问题，并帮助终端用户为其应用选择合适的度量。对于一组候选度量，它首先通过在一组生成的划分数据集上计算这些度量来描述其行为，该数据集通过对一组预定义的参数化划分变换得到。其次，我们的框架执行回归分析，根据这些参数和变换如何影响度量来刻画度量。这使得对度量进行描述和比较成为可能。我们的方法不依赖于任何特定的度量或应用，因此可应用于任何情境。我们通过对一组标准度量的应用来说明其相关性，并通过两个具体用例展示其实际用法。