调和k中值：具有非极化代表点的聚类
数据结构与算法
2021-07-29 v2 计算机与社会
摘要
我们提出k中值问题的一个新变体，其目标函数不仅建模将数据点分配给簇代表点的代价，还建模代表点之间不一致性的惩罚项。我们通过一些应用来激发这一新问题：在这些应用中，我们有兴趣在聚类数据的同时避免选出彼此相距过远的代表点。例如，我们可能想汇总一组新闻源，但为避免极化而避免选出意识形态极端的文章。为解决所提出的k中值公式，我们采用Arya等人的局部搜索算法。我们表明该算法提供可证明的近似保证，在各簇最小点数假设下该保证变为常数。我们在受激发应用启发的数据集上实验评估了我们的问题公式与所提算法。特别地，我们使用从Twitter、美国国会投票记录和热门新闻源提取的数据进行实验。结果表明我们的目标可在不显著损失表示保真度的前提下，导致选出极化更小的代表点组。
引用
@article{arxiv.1902.10419,
title = {Reconciliation k-median: Clustering with Non-Polarized Representatives},
author = {Bruno Ordozgoiti and Aristides Gionis},
journal= {arXiv preprint arXiv:1902.10419},
year = {2021}
}
备注
The Web Conference 2019