ความหมายของ Multirelational Clustering
Multirelational clustering (การจัดกลุ่มหลายความสัมพันธ์) คือ กระบวนการแบ่งพาร์ติชัน (partitioning) วัตถุข้อมูล (data objects) เข้าเป็นกลุ่มของ clusters (คลัสเตอร์) ขึ้นอยู่กับ similarity (ความคล้ายคลึง) ของพวกเขา โดยใช้ข้อมูลใน multiple relations (ความสัมพันธ์หลายอย่าง) CrossClus แทน Cross-relational Clustering with user guidance (การจัดกลุ่มข้ามความสัมพันธ์พร้อมคำแนะนำผู้ใช้) เป็นอัลกอริทึมสำหรับ multirelational clustering ที่วิเคราะห์วิธีใช้ user guidance (คำแนะนำผู้ใช้) ในการจัดกลุ่ม และ tuple ID propagation (การแพร่กระจาย Tuple ID) เพื่อป้องกัน physical joins (การเชื่อมต่อทางกายภาพ)
ความท้าทายหลัก
ความท้าทายหลักใน multirelational clustering คือ มีหลาย attributes (แอตทริบิวต์) ใน multiple relations (ความสัมพันธ์หลายอย่าง) และโดยทั่วไปมีเพียงพื้นที่เล็กๆ (small portion) ของพวกเขาที่ relevant (เกี่ยวข้อง) กับ definite clustering task (งานจัดกลุ่มที่แน่นอน)
สามารถจัดกลุ่ม students (นักศึกษา) ได้ attributes ครอบคลุมหลายด้านของข้อมูล รวมถึง courses taken by students (วิชาที่นักศึกษาเรียน), publications of students (งานเผยแพร่ของนักศึกษา), advisors และ research teams of students (ที่ปรึกษาและทีมวิจัยของนักศึกษา) เป็นต้น
User (ผู้ใช้) โดยทั่วไปสนใจในการจัดกลุ่ม students โดยใช้ specific aspect of data (ด้านข้อมูลเฉพาะ) (เช่น จัดกลุ่มนักศึกษาตาม research areas ของพวกเขา) Users สามารถมี better grasp (ความเข้าใจที่ดีกว่า) ของ applications ที่ต้องการและ data semantics (ความหมายของข้อมูล) ดังนั้น user's guidance (คำแนะนำผู้ใช้) ในรูปของ simple query (คิวรี่ง่าย) สามารถใช้เพื่อ enhance (เพิ่มประสิทธิภาพ) effectiveness (ประสิทธิภาพ) และ quality (คุณภาพ) ของ high-dimensional multirelational clustering
CrossClus และ User Queries
CrossClus ยอมรับ user queries ที่รวม target relation (ความสัมพันธ์เป้าหมาย) และ one or more pertinent attributes (แอตทริบิวต์ที่เกี่ยวข้องหนึ่งหรือมากกว่า) ซึ่งนิยาม clustering aim (เป้าหมายการจัดกลุ่ม) ของผู้ใช้ ใน multirelational clustering process CrossClus ต้องค้นหา pertinent attributes ข้าม multiple relations (หลายความสัมพันธ์)
CrossClus ควรจัดการกับ two major challenges (ความท้าทายหลักสองประการ) ใน searching phase (ขั้นตอนการค้นหา) ขั้นแรก target relation Rt สามารถ join (เชื่อมต่อ) กับแต่ละ non-target relation R ผ่าน several join paths (เส้นทางการเชื่อมต่อหลายเส้น) และแต่ละ attribute ใน R สามารถใช้เป็น multirelational attribute ได้
เป็น inaccessible (เข้าถึงไม่ได้) ที่จะดำเนินการ exhaustive search (การค้นหาแบบครอบคลุม) ใน search space (พื้นที่ค้นหา) ขนาดใหญ่นี้ ที่สอง ระหว่างจำนวนมากของ attributes บางส่วน relevant (เกี่ยวข้อง) กับ user query ในขณะที่บางส่วน irrelevant (ไม่เกี่ยวข้อง) (เช่น personal data ของ classmates ของนักศึกษา)
CrossClus ควร confine (จำกัด) search process มันสามารถมอง relational schema (สกีม่าเชิงสัมพันธ์) เป็น graph (กราฟ) โดยที่ associations (ความสัมพันธ์) เป็น nodes (โหนด) และ joins (การเชื่อมต่อ) เป็น edges (ขอบ) มัน採用 (adopts) heuristic approach (แนวทางฮิวริสติก) ซึ่งเริ่มค้นหาจาก user-specified attribute (แอตทริบิวต์ที่ผู้ใช้ระบุ) และจากนั้น repeatedly searches (ค้นหาซ้ำๆ) สำหรับ beneficial attributes (แอตทริบิวต์ที่มีประโยชน์) ใน neighborhood (บริเวณเคียง) ของ current attributes (แอตทริบิวต์ปัจจุบัน) ด้วยวิธีนี้ มัน gradually expand (ขยายทีละน้อย) search scope (ขอบเขตการค้นหา) ไปยัง connected relations (ความสัมพันธ์ที่เชื่อมต่อ) แต่จะไม่ไปไกลใน random directions (ทิศทางสุ่ม)
CrossClus มองที่ attributes cluster target tuples (แอตทริบิวต์จัดกลุ่ม target tuples) อย่างไร Pertinent attributes (แอตทริบิวต์ที่เกี่ยวข้อง) ถูกเลือกขึ้นอยู่กับ relationships (ความสัมพันธ์) กับ user-specified attributes หากสอง attributes cluster tuples แตกต่างกันมาก (very separately) similarity (ความคล้ายคลึง) ของพวกเขา low (ต่ำ) และพวกเขา unlikely (ไม่น่าจะ) เป็น associated (เกี่ยวข้อง) หากพวกเขา cluster tuples ในลักษณะเดียวกัน (similar way) พวกเขาควร被视为 (considered) related
